低级别胶质瘤多组学数据整合的一致性聚类集成分子分型

1

作者 王彤 杨琪 +6 位作者 田雅昕 贾聪聪 罗艳虹 房瑞玲 余红梅 张岩波 曹红艳 《中国卫生统计》 北大核心 2025年第4期502-509,共8页

目的提出基于一致性聚类集成的多组学数据整合方法(multi-omics data integration with consensus clustering ensemble,MICCE),探讨MICCE方法在低级别胶质瘤(lower-grade gliomas,LGG)分子分型中的应用,识别预后高风险患者,筛选与LGG... 目的提出基于一致性聚类集成的多组学数据整合方法(multi-omics data integration with consensus clustering ensemble,MICCE),探讨MICCE方法在低级别胶质瘤(lower-grade gliomas,LGG)分子分型中的应用,识别预后高风险患者,筛选与LGG进展相关的差异基因以及重要通路。方法采用一致性聚类集成方法集成LGG患者多组学数据整合分型的7种方法(SNF、joint SNF、CIMLR、ConsensusClusterPlus、MoCluster、NEMO、iClusterBayes),得到一致性分型结果,采用Cox回归研究不同分型患者的预后风险;进一步筛选出DEmRNAs(differentially expressed mRNAs),DEmiRNAs(differentially expressed miRNAs)和DMGs(differentially methylated genes),并对差异基因进行GO生物功能注释和KEGG通路分析;最后进行免疫细胞浸润和通路活性分析。结果LGG患者分为预后高危组,中危组和低危组,其中高危组的死亡风险是低危组的7.70倍;筛选出2512个DEmRNAs,14个DEmiRNAs和255个DMGs,包括5个核心基因;将基因联合分析得到的665个重合基因进行GO富集和KEGG富集分析,得到62条GO富集项和52条KEGG富集项;免疫细胞浸润和通路活性分析表明,存在显著差异的2种浸润细胞和4条通路。结论MICCE能够有效识别出LGG预后高风险患者,并发现与LGG进展相关的差异基因和不同亚型的肿瘤相关通路,为LGG的个性化治疗提供重要线索。 展开更多

关键词 聚类集成 多组学数据整合 分子亚型 低级别胶质瘤

在线阅读 下载PDF 职称材料

多组学研究在糖尿病视网膜病变发病机制中的应用研究进展

2

作者 刘晓静 张越 +1 位作者 许衍辉 陈志敏 《眼科新进展》 北大核心 2025年第5期403-409,共7页

糖尿病视网膜病变(DR)作为糖尿病(DM)患者中最为常见的微血管并发症之一,其病因复杂多变,涉及多方面因素。DR在基因组学、表观基因组学、转录组学、蛋白质组学及代谢组学等多个组学层面上均展现出独特的表征,为探索并开发DR新型治疗策... 糖尿病视网膜病变(DR)作为糖尿病(DM)患者中最为常见的微血管并发症之一,其病因复杂多变,涉及多方面因素。DR在基因组学、表观基因组学、转录组学、蛋白质组学及代谢组学等多个组学层面上均展现出独特的表征,为探索并开发DR新型治疗策略开辟了崭新路径。然而,单一组学方法固有的局限性,仅能从单一维度剖析疾病背后的生物学与分子机制,难以全面捕捉DR的复杂本质。随着高通量测序技术的飞速进步,多组学联合分析融合了不同组学技术的优势,能够从多维度、多层次深入探究DR的发病机制。本文旨在全面综述多组学技术在揭示DR发病机制及其复杂分子机制方面的最新进展,深入探讨多组学技术为DR研究带来的新机遇、当前面临的挑战以及未来的发展前景。 展开更多

关键词 糖尿病视网膜病变 基因组学 转录组学 蛋白质组学 代谢组学 多组学技术整合

在线阅读 下载PDF 职称材料

基于生存结局加权多组学数据整合的胶质瘤分子分型

3

作者 贾聪聪 杜港 +5 位作者 赵鑫 师国京 房瑞玲 李治 张岩波 曹红艳 《中国卫生统计》 CSCD 北大核心 2024年第5期644-649,共6页

目的探讨将生存结局加权的多组学数据整合方法survClust应用于胶质瘤(glioma)数据,以识别具有显著分子异质性和预后差异的胶质瘤分子分型。方法采用survClust方法对中国胶质瘤基因数据库(Chinese glioma genome atlas,CGGA)的胶质瘤多... 目的探讨将生存结局加权的多组学数据整合方法survClust应用于胶质瘤(glioma)数据,以识别具有显著分子异质性和预后差异的胶质瘤分子分型。方法采用survClust方法对中国胶质瘤基因数据库(Chinese glioma genome atlas,CGGA)的胶质瘤多组学数据进行结局加权整合分型,并拟合Cox比例风险模型评估不同分型患者预后。对不同分型间的差异表达基因(DEmiRNAs,DEmRNAs,DMGs)进行筛选,对DEmiRNAs靶基因、DEmRNAs、DMGs的重合基因进行GO功能注释;最后对不同分型患者进行免疫浸润分析。结果survClust将胶质瘤患者分为高危组和低危组,高危组患者的死亡风险是低危组的2.931倍。不同分型差异基因的分布存在差异,共筛选出194个DEmiRNAs,3396个DEmRNAs,1230个DMGs。将189个重合基因进行GO功能注释,得到52条差异具有统计学意义的GO生物项。此外,不同分型在B淋巴细胞、CD4+T细胞、CD8+T细胞、中性粒细胞、巨噬细胞和髓样树突状细胞的免疫浸润水平存在统计学差异。结论结局加权整合算法survClust能够有效识别兼具分子异质性和显著预后差异的胶质瘤亚型,同时基于分型结果筛选出的潜在生物标志物将为胶质瘤的个性化治疗提供科学理论依据。 展开更多

关键词 生存结局加权聚类 分子亚型 多组学数据整合 胶质瘤

在线阅读 下载PDF 职称材料

网络增强核融合方法的改进及其在乳头状肾细胞癌多组学数据整合分子分型中的应用

4

作者 师国京 李灵梅 +6 位作者 魏亿芳 赵鑫 房瑞玲 杨海涛 余红梅 张岩波 曹红艳 《中国卫生统计》 CSCD 北大核心 2024年第3期376-381,共6页

目的针对网络增强的相似网络融合(network enhancement fusion,ne-SNF)方法先融合不同组学网络,再对融合后的网络降噪,忽略了不同组学相似网络噪声对融合网络影响的问题,本文提出了改进的网络增强融合(improved network enhancement fus... 目的针对网络增强的相似网络融合(network enhancement fusion,ne-SNF)方法先融合不同组学网络,再对融合后的网络降噪,忽略了不同组学相似网络噪声对融合网络影响的问题,本文提出了改进的网络增强融合(improved network enhancement fusion,improved ne-SNF)方法,并探讨其在乳头状肾细胞癌(papillary renal cell carcinoma,PRCC)分子分型中的应用,识别PRCC高危患者,筛选重要通路及免疫浸润细胞。方法通过模拟研究评估improved ne-SNF分型性能,并将其用于PRCC多组学数据的整合分型,利用Cox回归模型分析不同分型患者的预后风险;筛选不同分型的差异表达mRNA(DEmRNAs)、miRNA(DEmiRNAs)及差异甲基化基因(DMGs),并对其重合基因进行KEGG通路分析;最后对不同分型患者进行免疫细胞浸润分析。结果模拟研究结果表明improved ne-SNF在不同信号比例和噪声强度下的分型准确性均优于SNF和ne-SNF。improved ne-SNF方法将PRCC患者分为高危组和低危组,高危组患者的死亡风险是低危组的7.727倍;筛选出3511个DEmRNAs,96个DEmiRNAs及3426个DMGs,其联合分析的649个重合基因得到42条有统计学差异的KEGG通路。此外,筛选出3种在不同分型中存在统计学差异的免疫浸润细胞。结论improved ne-SNF分型性能优于SNF和ne-SNF,且能够有效识别PRCC预后高风险患者,并筛选出PRCC重要通路及相关免疫浸润细胞,为PRCC的治疗及预后提供新的思路和参考依据。 展开更多

关键词 改进的网络增强融合 乳头状肾细胞癌 多组学数据整合 分子亚型

在线阅读 下载PDF 职称材料

多组学数据驱动的机器学习模型在乳腺癌生存及治疗响应预测中的应用 被引量：3

5

作者 章子怡 王棨临 +4 位作者 张俊有 段迎迎 刘家欣 刘赵硕 李春燕 《遗传》 CAS CSCD 北大核心 2024年第10期820-832,共13页

乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响,因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支,机器学习能高... 乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响,因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支,机器学习能高效处理海量数据,并实现决策过程的自动化。机器学习方法的引入将为乳腺癌治疗的选择和预后评估提供新的解决方案。在癌症治疗领域,传统方法预测生存与治疗效果往往依赖于单一或少量的生物标志物,难以全面捕捉复杂的生物学过程。机器学习通过分析患者的多组学数据以及它们在疾病发生发展过程中复杂的变化趋势,预测患者的生存和治疗响应效果,从而选择适合的治疗措施,实施早期干预,改善患者的治疗效果。本文首先介绍了常用的机器学习方法,在此基础上分别从评估生存情况和预测治疗效果这两方面展开,详细分析了机器学习在乳腺癌患者生存预测及预后领域中的应用,以期为乳腺癌患者提供精准医疗治疗策略,提高治疗效果和生存质量。 展开更多

关键词 乳腺癌 机器学习 多组学数据整合分析 生存预测 治疗响应

在线阅读 下载PDF 职称材料

JIVE方法在卵巢癌多组学数据整合分析中的应用 被引量：1

6

作者 徐欢 宋微 +2 位作者 蔡雨晴 侯艳 李康 《中国卫生统计》 CSCD 北大核心 2019年第5期774-776,共3页

目的引入JIVE方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法使用TCGA数据库中卵巢癌mRNA和miRNA的组学数据,应用JIVE方法整合分析两个组学数据,提取两不同组学数据的共同特征,然后通过对其具有共同结构的数据做主成分分... 目的引入JIVE方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法使用TCGA数据库中卵巢癌mRNA和miRNA的组学数据,应用JIVE方法整合分析两个组学数据,提取两不同组学数据的共同特征,然后通过对其具有共同结构的数据做主成分分析,给出卵巢癌miRNA分子分型的结果。结果经过JIVE方法整合分析后,使miRNA数据具有明显与mRNA相一致的分型结构,从而进一步支持了mRNA的分型结果,同时揭示了两组学之间在组织分子分型上具有一定的调控关系。结论JIVE方法可以用于提取组学之间存在的共同结构矩阵,从而进行多组学数据的整合分析。 展开更多

关键词 JIVE方法 多组学数据整合 特征提取

在线阅读 下载PDF 职称材料

基于rMKL-LPP方法的乳头状肾细胞癌多组学数据整合分型分析 被引量：1

7

作者 李灵梅 魏亿芳 +3 位作者 李治 房瑞玲 崔跃华 曹红艳 《中国卫生统计》 CSCD 北大核心 2022年第4期522-528,共7页

目的探讨局部保留投影的正则化多核学习(regularized multiple kernel learning with locality preserving projections,rMKL-LPP)在乳头状肾细胞癌(papillary renal cell carcinoma,PRCC)多组学数据分子分型中的应用,进一步研究PRCC分... 目的探讨局部保留投影的正则化多核学习(regularized multiple kernel learning with locality preserving projections,rMKL-LPP)在乳头状肾细胞癌(papillary renal cell carcinoma,PRCC)多组学数据分子分型中的应用,进一步研究PRCC分子分型在信号通路活性和基因表达调控方面的异质性。方法采用rMKL-LPP方法对PRCC的mRNA、miRNA和DNA甲基化数据进行整合,进一步采用k-means方法聚类分型,并通过Cox回归分析研究不同分型的预后风险。针对不同分型,进行通路活性分析,使用差异表达分析筛选DEmRNAs(differentially expressed mRNAs),DEmiRNAs(differentially expressed miRNAs)和DMGs(differentially methylated genes),并对三者的重合基因进行GO(gene ontology)富集分析,最后使用相关及生存分析筛选可能受DNA甲基化或miRNA调控且影响患者生存的基因。结果PRCC患者分为三型,不同亚型在通路活性和基因表达方面均有差异。筛选出10条活性存在差异的通路;1185个DEmRNAs,13个DEmiRNAs及416个DMGs,其中36个重合基因富集于有统计学差异的8个GO生物项。相关分析发现,ABL2可能受hsa-miR-107调控,13个基因可能受DNA甲基化调控。生存分析表明,ZNF135和RBPMS2可能与患者生存结局相关。结论rMKL-LPP能够有效识别PRCC亚型,筛选出的通路及潜在生物标志物,可为PRCC针对性治疗提供依据。 展开更多

关键词 局部保留投影的正则化多核学习 多组学数据整合 分子亚型 乳头状肾细胞癌

在线阅读 下载PDF 职称材料

癌症多组学数据深度自编码器整合分型方法 被引量：3

8

作者 曹业伟 刘飞 《计算机工程与应用》 CSCD 北大核心 2022年第18期154-161,共8页

在癌症研究中,随着高通量测序技术发展已经产生了海量的复杂数据。尽管有了一些利用深度学习和统计学方法进行多组学数据整合的研究,但目前仍缺乏较为有效率的整合方法。因此提出一种基于深度自编码器的多组学数据整合方法(deep autoenc... 在癌症研究中,随着高通量测序技术发展已经产生了海量的复杂数据。尽管有了一些利用深度学习和统计学方法进行多组学数据整合的研究,但目前仍缺乏较为有效率的整合方法。因此提出一种基于深度自编码器的多组学数据整合方法(deep autoencoder for multi-omics integration,DAEMI)。它利用自编码器中的瓶颈层,学习多组学数据的特征表示。与先前利用深度学习整合的研究相比,DAEMI可以发现明显生存差异的癌症亚型。同时因为不需要生存数据来选择特征,DAEMI可以使用更多特征进行K均值聚类,进而完成癌症分型任务。将DAEMI应用于模拟数据集与四个癌症数据集实验,通过与高阶路径相似度网络的融合模型(HOPES)、相似性网络融合(SNF)、iClusterPlus和moCluster进行比较,结合模拟数据集测试结果与真实癌症数据集测试结果来看,DAEMI要优于其他方法。相应的生物功能分析揭示,神经退行性疾病与线粒体功能障碍可能与癌症共享某些生物学通路。 展开更多

关键词 多组学数据整合 癌症分型 K均值 深度学习 生存分析

在线阅读 下载PDF 职称材料

多组学数据分析中关联网络融合ANF算法及应用研究 被引量：1

9

作者 徐臻旖 王策 +1 位作者 侯艳 李康 《中国卫生统计》 CSCD 北大核心 2020年第6期822-827,共6页

目的引入关联网络融合(affinity network fusion,ANF)方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法模拟产生两组学数据,改变总体差异大小等情况比较多种多组学整合方法的效果。实例分析中目标人群选择TCGA数据库中对... 目的引入关联网络融合(affinity network fusion,ANF)方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法模拟产生两组学数据,改变总体差异大小等情况比较多种多组学整合方法的效果。实例分析中目标人群选择TCGA数据库中对铂类药物敏感并拥有mRNA和甲基化两个组学的卵巢癌患者,目标基因是TCGA数据库和ImmPort数据库中共有基因,目标甲基化位点是目标基因对应的所有甲基化位点。使用ANF、SNF、K-means、系统聚类和iCluster五种方法比较聚类效果。结果模拟实验提示存在总体差异的两亚型间差异较小时ANF方法的效果明显优于其他方法。实例分析结果表明,通过ANF方法进行多组学数据整合得到的分子分型较单组学得到的分子分型有更好的生物学意义且多组学聚类效果优于其他方法。结论ANF方法可以应用于多组学数据整合分析,具有实际应用意义。 展开更多

关键词 ANF方法 多组学数据整合 免疫分型

在线阅读 下载PDF 职称材料

有氧运动通过调控肠道菌群-代谢物网络改善衰老小鼠认知功能

10

作者 王安烽 吴桐 +2 位作者 张虎 梁计陵 陈宁 《生物化学与生物物理进展》 北大核心 2025年第6期1484-1498,共15页

目的本研究旨在探讨有氧运动对衰老小鼠认知功能的影响,并阐明有氧运动通过调节肠道菌群-代谢物网络改善认知衰退的分子机制,以期为抗衰老策略及针对年龄相关认知功能障碍的个性化运动干预提供理论依据。方法以自然衰老的C57BL/6小鼠为... 目的本研究旨在探讨有氧运动对衰老小鼠认知功能的影响,并阐明有氧运动通过调节肠道菌群-代谢物网络改善认知衰退的分子机制,以期为抗衰老策略及针对年龄相关认知功能障碍的个性化运动干预提供理论依据。方法以自然衰老的C57BL/6小鼠为实验模型,采用16S rRNA测序与飞行时间质谱+多反应监测(time of flight+multiple reaction monitoring,TOF+MRM,TM)广靶代谢组学技术,结合行为学评估、组织病理学检测等方法研究分析。共选取18只小鼠,分为3组:青年对照组(YC,4月龄)、老年对照组(OC,21月龄)和老年有氧运动组(OE,21月龄,接受12周中等强度跑台训练),系统性地研究了12周中等强度跑台运动对衰老小鼠肠道菌群结构、代谢产物谱及海马功能的协同调控作用。结果行为学测试显示,12周有氧运动显著改善了衰老小鼠的空间学习和记忆能力,Morris水迷宫测试中逃逸潜伏期缩短,目标区域探索和平台穿越次数增加。组织病理学分析表明,运动缓解了海马区的年龄相关神经元损伤,提高了神经元密度和形态。16S rRNA测序显示,运动增加了肠道菌群的α多样性,丰富了双歧杆菌属、副拟杆菌属和理研菌属等有益菌群。代谢组学分析鉴定了OC和OE组之间的32种差异代谢物,在OE组中94种上调,30种下调。这些代谢物主要涉及能量代谢重编程(如L-高瓜氨酸)、抗氧化防御(如L-左旋肌肽)、神经保护(如石胆酸)和DNA修复(如ADP-核糖)。网络分析进一步揭示了特定细菌和代谢物之间的强正相关性,如副拟杆菌属与ADP-核糖、双歧杆菌属与石胆酸,暗示了肠道菌群-代谢物轴介导的潜在神经保护途径。结论本研究系统性证明了有氧运动可能通过调节肠道菌群-代谢物网络,对衰老小鼠的认知功能产生积极影响。研究结果揭示了3个关键机制:a.有益肠道菌群的增殖增强了代谢重编程,从而促进了DNA修复途径;b.神经炎症抑制因子水平升高,减少了神经退行性变化;c.增强的抗氧化防御系统维持了神经元稳态。这些发现强调了“菌群-代谢物-脑”轴在介导有氧运动认知益处中的关键作用。本研究不仅加深了对衰老过程中肠-脑轴的理解,而且为开发针对年龄相关认知衰退的个性化运动和益生菌干预措施提供了科学依据。未来研究应进一步在非人灵长类动物和人类临床试验中验证这些机制,以确定运动诱导的肠道菌群-代谢物调节在对抗神经退行性疾病中的转化潜力。 展开更多

关键词 有氧运动 衰老 认知功能 肠-脑轴 多组学整合分析

在线阅读 下载PDF 职称材料

基于堆叠降噪自编码器的肝癌亚型分类 被引量：2

11

作者 张甜甜 赵庶旭 王小龙 《计算机应用与软件》 北大核心 2024年第6期79-84,共6页

肝癌是威胁人类健康的常见恶性肿瘤之一。通过对基因数据使用深度学习方法进行整合来系统地获取对肝癌的认知,使用多组学的疾病分析方法来探究各组学之间的相互关系,有助于更准确的临床决策。然而,由于多组学数据具有高维稀疏性,存在大... 肝癌是威胁人类健康的常见恶性肿瘤之一。通过对基因数据使用深度学习方法进行整合来系统地获取对肝癌的认知,使用多组学的疾病分析方法来探究各组学之间的相互关系,有助于更准确的临床决策。然而,由于多组学数据具有高维稀疏性,存在大量的冗余特征和较少的可用临床标签样本。堆叠降噪编码器(SDAE)是能够从海量数据中获取有效特征的高效模型,因此基于SDAE模型提出一种层次式堆叠降噪编码器,来学习肝癌的RNA表达、miRNA表达和DNA甲基化数据的特征并进行整合和识别。实验结果表明:Hi-SDAE方法提高了对肝癌亚型分类的准确度,为肝癌针对性治疗提供了更有价值的参考依据。 展开更多

关键词 堆叠降噪 自动编码器 数据降维 多组学整合 肝癌亚型

在线阅读 下载PDF 职称材料