[发明专利]基于多组学与临床数据的统计分析方法、系统和存储介质

权利要求书

1.一种基于多组学与临床数据的统计分析方法，其特征在于，包括以下步骤：

读取CSV数据，所述CSV数据包括多组学数据和临床数据；

对所述CSV数据中的缺失值进行填补，对所述CSV数据行特征缩放，使不同量纲的特征处于同一数值量级；

采用预设方法对所述CSV数据中的单因素和多因素进行特征筛选；

对进行特征筛选后的所述CSV数据进行聚类，获得分子亚型的分类；

根据所述分子亚型的分类进行生存分析，获得生存分析结果。

2.根据权利要求1所述的一种基于多组学与临床数据的统计分析方法，其特征在于，所述CSV数据的数据格式为：第一列为time名的标签，第二列为status标签，其它列为特征。

3.根据权利要求2所述的一种基于多组学与临床数据的统计分析方法，其特征在于，所述读取CSV数据，包括：

读取需要分析的所述CSV数据；

通过设置随机种子点，从所述CSV数据中获取训练集和测试集。

4.根据权利要求2所述的一种基于多组学与临床数据的统计分析方法，其特征在于，所述对所述CSV数据中的缺失值进行填补，对所述CSV数据行特征缩放，使不同量纲的特征处于同一数值量级，包括：

采用均值和中位数两种方式对所述CSV数据中的缺失值进行填补；

采用标准化和归一化两种方式对缺失值填补后的所述CSV数据进行特征缩放，使不同量纲的特征处于同一数值量级。

5.根据权利要求2所述的一种基于多组学与临床数据的统计分析方法，其特征在于，所述采用预设方法对所述CSV数据中的单因素特征筛选，包括：

根据Correlation方法获取所述特征之间的第一相关系数，根据所述第一相关系数和第一预设阈值对所述特征进行筛选；

根据单因素Cox回归方法获取所述特征与生存时间及生存状态之间的第二相关系数，根据所述第二相关系数和第二预设阈值对所述特征进行筛选；

根据logrank test方法获取所述特征与和生存状态之间的第三相关系数，根据所述第三相关系数和第三预设阈值对所述特征进行筛选。

6.根据权利要求2所述的一种基于多组学与临床数据的统计分析方法，其特征在于，所述对进行特征筛选后的所述CSV数据进行聚类，获得分子亚型的分类，包括：

对进行特征筛选后的所述CSV数据进行聚类，获得分子亚型的分类；

采用AMI方法对带有标签的所述CSV数据寻找最好的聚类数；

采用silhouette方法对不带有标签的所述CSV数据寻找最好的聚类数。

7.根据权利要求2所述的一种基于多组学与临床数据的统计分析方法，其特征在于，所述生存分析结果包括生存分析图、logrank test检验得到的p值、风险率HR和置信区间CI以及每个类别对应的时间生存人数。

8.一种基于多组学与临床数据的统计分析系统，其特征在于，包括：

数据读取模块，用于读取CSV数据，所述CSV数据包括多组学数据和临床数据；

数据预处理模块，用于对所述CSV数据中的缺失值进行填补，对所述CSV数据行特征缩放，使不同量纲的特征处于同一数值量级；

数据降维模块，用于采用预设方法对所述CSV数据中的单因素和多因素进行特征筛选；

数据聚类模块，用于对进行特征筛选后的所述CSV数据进行聚类，获得分子亚型的分类；

生存分析模块，用于根据所述分子亚型的分类进行生存分析，获得生存分析结果。

9.一种基于多组学与临床数据的统计分析系统，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现权利要求1-7任一项所述的一种基于多组学与临床数据的统计分析方法。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7任一项所述一种基于多组学与临床数据的统计分析方法。