肺鳞状细胞癌癌症发展模式识别分类模型及特征基因识别

本文利用先进的生物信息学方法，首次从全基因组水平综合基因表达、甲基化水平和拷贝数变异三类数据，寻找与肺鳞状细胞癌(LUSC)发生和发展密切相关的特征基因，为进一步解释其内在机理、开发新的靶向药物和治疗手段提供更加深入的理论依据．为克服全基因组数据超高维高噪声小样本特性对机器学习算法性能的影响，防止信息饱和现象的干扰，本文创新性地组合应用4种特征基因筛选方法，分别从特异性、相关性、生物学功能和对肿瘤分类模型的贡献等多个方面，通过迭代降维技术递归筛选真正的特征基因．研究中，我们以TCGA(The Cancer Genome Atlas project)数据库中的LUSC Ⅰ～Ⅲ期病人样本为例，对其基因表达数据(GE)、基因甲基化数据 (ME) 以及拷贝数变异数据(CNV)进行分析．结果筛选出67个GE特征基因，对3类样本分类的平均准确率达到86.29%，70个ME特征基因，相应的分类准确率为90.92%，31个CNV特征基因，相应的分类准确率为69.16%．KEGG(Kyoto Encyclopedia of Genes and Genomes)和IPA(Ingenuity Pathway Analysis)对上述3类特征基因集在代谢通路水平和基因调控网络水平上的分析，证明了其在调控水平上的密切关系．同时也表明，识别的特征基因与LUSC肿瘤进展之间有着重要的直接关系，这对了解肿瘤机理以及新靶向治疗的发展非常重要