[发明专利]一种DNA甲基化芯片数据的扩展方法

权利要求书

1.一种DNA甲基化芯片数据的扩展方法，其特征在于，包括以下步骤：

(1)、数据获取

从公共数据库中获取现有的任意一种组织的每一个待预测CpG位点的上游和下游d₁长度范围内基于DNA甲基化芯片测得的甲基化值1及此组织的DNA序列，以及基于全基因组亚硫酸氢钠测序法测得的每一个待预测CpG位点甲基化值2；

(2)、整合DNA甲基化芯片测得的甲基化值1及此组织的DNA序列作为预测模型的特征

对甲基化值1进行加权，并将此加权值作为预测模型的特征1；

在DNA序列中，统计出每一个待预测CpG位点相邻区域d₂长度范围内的1聚体和2聚体的DNA碱基对出现次数，作为预测模型的特征2；统计NpN的产生频率，作为预测模型的特征3；

最后将特征1、特征2和特征3共同作为预测模型的输入特征；

(3)、特征变换

(3.1)、对输入特征进行标准化处理；

设输入特征是一个n行p列的矩阵X＝(x_i,j)_n×p进行标准化变换：

$Z_{i,j}=\frac{x_{i,j}-{\stackrel{\‾}{x}}_j}{s_j},i=1,2,...,n;j=1,2,...,p;$

其中，表示第j列的平均值，s表示第j列的标准差，对输入输入特征进行标准化处理后得到标准化矩阵Z；

(3.2)、计算标准化矩阵Z的相关系数矩阵R：

$R=\frac{Z^{T}Z}{n-1}$

(3.3)、按照F表示预设阈值，计算相关系数矩阵R的特征方程|R-λI_p|＝0的特征根λ_k，I_p单位矩阵，确定出m个主成分分量；

对每个特征根λ_k解方程Rb_k＝λ_kb_k，求得单位特征向量b_k；

(3.4)、将标准化矩阵Z转换为主成分U_k＝Z^Tb_k，k＝1,2,…,m，U_k表示第k个主成分；

(4)、构建随机森林回归模型

先利用m个主成分分量和甲基化值2构建多个决策树，再将多个决策树按照其产生方式组合成随机森林回归模型；

(5)、独立样本预测

(5.1)、按照步骤(1)所述方法获取任意组织的每一个待预测CpG位点的上游和下游d₁长度范围内基于DNA甲基化芯片测得的甲基化值及此组织的DNA序列；

(5.2)、按照步骤(2)-(3)的方法整合DNA甲基化芯片测得的甲基化值及此组织的DNA序列得到输入特征，然后对输入特征进行特征变换得到m个主成分；

(5.3)将m个主成分输入步骤(4)训练好的随机森林模型进行预测得到每个待预测CpG位点的甲基化值即完成对DNA甲基化芯片数据的扩展。

2.根据权利要求1所述的一种DNA甲基化芯片数据的扩展方法，其特征在于，所述的DNA甲基化芯片选用450K甲基化芯片。