梁TY - A2的赵盟——刘,剑盟——刘,二食堂AU - Cheng Yuhu盟——通用电气,曙光AU - Wang Xuesong PY - 2021 DA - 2021/08/19 TI -相似性网络融合基于随机游走和相对熵为癌症亚型Multigenomic预测数据SP—2292703六世- 2021 AB -这是一个至关重要的任务来设计一个集成的方法来发现癌症亚型的异质性和理解基于多个基因组数据。近年来,一些聚类算法被提出并应用于癌症亚型的预测。其中,相似性网络融合(SNF)可以集成多种类型的基因组数据,以确定癌症亚型,这提高了肿瘤发生的理解。SNF使用密集的相似矩阵来获取数据的全球信息,以及不同类别之间的互连的样本会导致噪声干扰。因此,如何构建一个更健壮的密度相似矩阵是一个重要的研究内容,来改善癌症亚型识别的性能。在本文中,我们提出了相似性网络融合基于随机游走和相对熵(R²SNF)对癌症亚型的预测。首先,随机游走算法被用来捕获每个基因组数据样本之间的复杂关系。和样品的跃迁概率分布网络。如果两个样本属于同一类,两个样品之间的转移概率是伟大的。相反,如果两个样品不属于同一类,两个样品之间的跃迁概率很小。通过这种方式,之间的相关程度,样本可以获得,从而减少噪声干扰引起的互连不同类别之间的样本。其次,相对熵是用来计算样本之间的转移概率分布的差异构建一个更好的密度相似矩阵包含结构样本之间相似度信息。第三,我们反复融合资讯的获得致密的相似矩阵相似矩阵构建融合相似矩阵的所有基因组数据。最后,利用谱聚类融合相似矩阵分为多个集群,这表明癌症亚型。七个癌症组学数据集实验表明,R²SNF算法表现良好在识别癌症亚型。SN - 1058 - 9244 UR - https://doi.org/10.1155/2021/2292703 - 10.1155 / 2021/2292703摩根富林明科学编程PB - Hindawi KW - ER