基于甲基化差異進行腫瘤分類及早診的深度神經(jīng)網(wǎng)絡模型.pdf

1、研究背景及目的：DNA甲基化是目前最為常見與重要的表觀遺傳學特征，與腫瘤的發(fā)生發(fā)展有密切關系，在腫瘤形成的初期就已經(jīng)具有明顯的特征[1]。腫瘤基因組的甲基化水平除了與正?；蚪M相比發(fā)生劇烈變化外，不同腫瘤類型之間也存在著較大差異。因此甲基化水平的變化可作為特異性的分子標記用以區(qū)分腫瘤類型。目前在臨床方面多采用一些特定的蛋白分子標記、CT影像等病理指標區(qū)分腫瘤類型。但這些方法準確性并不高，并且有些腫瘤在形成的初期，很難通過病理指標檢測出來

2、。目前對于早期腫瘤診斷的研究多集中在血漿中游離的腫瘤DNA(ctDNA)的檢測[2]，但目前這些技術尚不成熟，而且成本相對較高，公開的測序數(shù)據(jù)也較少。在基因組學分析方面，盡管測序技術日漸成熟，許多腫瘤發(fā)生機制在分子生物學領域得到解釋，但對于腫瘤基因組，目前的研究大多關注于一些原癌基因以及抑癌基因區(qū)域位點的突變以及啟動子區(qū)域甲基化狀態(tài)改變[3]，對于多種腫瘤類型的區(qū)分及早期腫瘤的預測并沒有非常有效的生物信息學方法。因此尋找一種對腫瘤類型的

3、區(qū)分與早期腫瘤預測提供幫助的方法就顯得尤為重要。
　　研究方法及結(jié)果：本課題使用的數(shù)據(jù)為TCGA數(shù)據(jù)庫中包含24種腫瘤類型的Illumina450K數(shù)據(jù)，GE0數(shù)據(jù)庫和Roadmap Epigenomics數(shù)據(jù)庫中的WGBS的數(shù)據(jù)以及模擬數(shù)據(jù)。對于Illumina450K的數(shù)據(jù)，使用其提供的計算好的β值作為甲基化水平;對于WGBS數(shù)據(jù)，使用序列比對軟件比對到參考基因組上，通過校正CpG位點的堿基突變以及使用高斯函數(shù)對數(shù)據(jù)的進一步處

4、理，消除了堿基突變以及相近CpG位點的影響，得到較為準確的甲基化水平。經(jīng)過計算兩種類型的數(shù)據(jù)同種組織相同位點甲基化狀態(tài)的相關性系數(shù)，可得出兩種數(shù)據(jù)有非常高的相關性，能夠共同使用。數(shù)據(jù)經(jīng)過前期處理后，使用統(tǒng)計學方法去除了在各種腫瘤組織之間表現(xiàn)相似甲基化狀態(tài)的位點、與對應正常組織相比沒有明顯甲基化狀態(tài)變化的位點以及未落在基因組有明確功能區(qū)域的位點后，共得到1894個有明顯甲基化狀態(tài)差異的位點。將最后得到的CpG位點作為特征值，構(gòu)建深度神經(jīng)網(wǎng)

5、絡模型的訓練集。對于腫瘤類型的區(qū)分和早期腫瘤預測分別構(gòu)建了不同的深度神經(jīng)網(wǎng)絡模型（DNN），這兩個模型的整體結(jié)構(gòu)相同，均包含一個輸入層，五個隱藏層以及一個輸出層，選用Sigmoid函數(shù)作為激活函數(shù)，使用克羅內(nèi)克符號構(gòu)建標記矩陣。不同的是，早期腫瘤預測模型其輸入的特征值、每一層的神經(jīng)元數(shù)量以及學習效率與腫瘤類型的區(qū)分模型存在差異。其輸入特征值除了去除沒有WGBS數(shù)據(jù)的組織外，還將去除白細胞和白血病這兩個組織的特異性位點。之所以采取這樣的策

6、略是因為我們的模擬數(shù)據(jù)將采用各類腫瘤組織數(shù)據(jù)與正常的白細胞數(shù)據(jù)按一定比例混合的方式生成，為了盡可能真實的模擬數(shù)據(jù)，混合時腫瘤組織所占比例較小，因此需要去除這兩個組織的特異性位點的影響。兩個模型經(jīng)過多次迭代訓練，校正并且與已有的模型包括K最近鄰，樸實貝葉斯，logistic回歸，支持向量機，隨機森林比較，表現(xiàn)出了更為理想的準確率。
　　研究結(jié)論：本課題通過使用數(shù)據(jù)庫中大量的數(shù)據(jù)，通過生物信息學數(shù)據(jù)分析技術，發(fā)現(xiàn)腫瘤基因組甲基化存在劇

7、烈變化，通過校正CpG位點的堿基突變，以及使用高斯函數(shù)對WGBS數(shù)據(jù)處理，消除了堿基突變以及相近CpG位點的影響后，提取各種腫瘤的甲基化狀態(tài)特異的位點，以傳統(tǒng)統(tǒng)計學與深度神經(jīng)網(wǎng)絡相結(jié)合的方法構(gòu)建深度神經(jīng)網(wǎng)絡（DNN）模型，通過大量真實數(shù)據(jù)的訓練，校正、驗證以及與現(xiàn)有模型性能比較。得到準確性較高的兩個深度神經(jīng)網(wǎng)絡模型，分別為腫瘤類型區(qū)分模型（TTR_DNN）和早期腫瘤預測模型（ETP_DNN），對腫瘤類型的區(qū)分與早期腫瘤預測提供了一定幫助