基于AI的多種腫瘤分類器的構(gòu)建課件

1、研究計劃基于機器學習的腫瘤細胞起源的研究1234研究依據(jù)研究目標研究內(nèi)容擬解決的關(guān)鍵問題5技術(shù)路線基于機器學習的腫瘤細胞起源的研究目 錄6研究方案與研究進展研究依據(jù)研究意義有相當比例的癌癥病例與轉(zhuǎn)移性腫瘤，需要進一步的測試確定原發(fā)位置，其中許多是從來沒有完全診斷和保持癌癥的未知起源。很多醫(yī)學團體認為，利用癌癥“發(fā)源”的器官來對癌癥進行定義就需要定義不同癌癥的治療策略。從那時候起，很多研究都表明，癌變的腫瘤或許會依賴其所發(fā)生的遺傳改變的類型來被分類或分群，這就意味著，開發(fā)新型療法就需要考慮和腫瘤相關(guān)的多個方面。科學家們證明，腫瘤首次出現(xiàn)的組織位置實際上與驅(qū)動突變的機制同樣重要，這一結(jié)果不僅為組織

2、起源在腫瘤發(fā)展中發(fā)揮作用提供了更多的證據(jù)，也可能會引起與腫瘤生長早期區(qū)域相關(guān)標志物的發(fā)展。研究依據(jù)研究現(xiàn)狀2016年 Science雜志上發(fā)表了題為“Tissue of origin dictates branched-chain amino acid metabolism in mutant Kras-driven cancers”論文2016年 Science雜志上發(fā)表了”Location, location, location”論文2015 年Bioinformatics 發(fā)表“TumorTracer: a method to identify the tissue of origin

3、from the somatic mutations of a tumor specimen”研究目標研究目標優(yōu)化目前的分析流程，選擇最合理的機器學習算法構(gòu)建海量的核小體定位信息數(shù)據(jù)庫，根據(jù)不同的DNA切口的pattern來找尋腫瘤起源組織信息擁有了基于機器學習的優(yōu)化算法SCI 文章1-2篇本項目旨在通過對cosmic77等大型數(shù)據(jù)庫中腫瘤起源組織的信息與其他特征的關(guān)聯(lián)分析，用機器學習的方法達到如下目標3/ 研究內(nèi)容第一部分第二部分第三部分第四部分機器學習特征數(shù)據(jù)的采集，通過突變基因、單核苷酸突變、三核苷酸變異信息、核小體定位等特征集來選取cosmic77數(shù)據(jù)庫中的有效樣本；3/ 研究內(nèi)容第一

4、部分第二部分第三部分第四部分分析比對目前的機器學習算法，選擇最優(yōu)的學習算法，即最合理的數(shù)據(jù)敏感性和特異性的分布情況。集成學習神經(jīng)網(wǎng)絡(luò)遺傳算法支持向量機3/ 研究內(nèi)容第一部分第二部分第三部分第四部分通過AI中集成學習的方法對大樣本進行train data，test data的隨機分組和10X以上的交叉驗證；3/ 研究內(nèi)容第一部分第二部分第三部分第四部分構(gòu)建分類樹算法，研究不同腫瘤在特征集上的差異4/ 擬解決的關(guān)鍵問題選取腫瘤大數(shù)據(jù)的特征變量抽取腫瘤大數(shù)據(jù)集中的特征數(shù)據(jù)：單核苷酸突變基因、三核苷酸變異信息、拷貝數(shù)變異信息、核小體定位等。關(guān)鍵基因、突變集合用于精準診斷。構(gòu)建核小體定位信息的二級數(shù)據(jù)庫

5、，需要樣本的積累。研究基于mysql數(shù)據(jù)庫的并行計算：mpi4py，增加海量數(shù)據(jù)分析的運行效率5/ 技術(shù)路線6/ 研究方案樣本數(shù)據(jù)的選取：CosmicMutantExport_v77.tsv.gz樣本特征數(shù)據(jù)提?。簡魏塑账嵬蛔兓?、三核苷酸變異信息、拷貝數(shù)變異信息、核小體定位等研究不同的機器學習算法在大數(shù)據(jù)集合中的表現(xiàn)構(gòu)建分類樹，研究不同腫瘤的特征差異根據(jù)數(shù)據(jù)量的情況，研究合理的并行計算的方法，mysql的并行存取以及Hadoop和spark等并行算法6/ 研究方案（樣本數(shù)據(jù)的選?。〤osmicMutantExport_v77.tsv.gzlabeled as “Genome.wide.scr

6、een”，not labeled as “cell-line”，然后選取Sample ID和tumor ID可以一一映射的數(shù)據(jù)樣本6/ 研究方案（樣本特征數(shù)據(jù)提?。┫到y(tǒng)突變基因單核苷酸突變信息三核苷酸變異信息核小體定位等6/ 研究基礎(chǔ)條件（工作基礎(chǔ)）1) 基于集群服務(wù)器的Hadoop的環(huán)境2) PHP、R的交互環(huán)境構(gòu)建。3) 生物信息進化樹分析的基礎(chǔ)。4) 基因組生物統(tǒng)計分析的基礎(chǔ)條件，大數(shù)據(jù)的條件。6/ 研究基礎(chǔ)條件（工作條件）1) 樣本信息的不斷完善和積累。2) 生物信息的條件，大數(shù)據(jù)分析的條件。7/ 研究進展7/ 研究進展（二分類情況）7/ 研究進展（腫瘤分類學習分組）7/ 研究進展（腫瘤分類學習分組的錯分率，top3 group）7