甲基化芯片數(shù)據(jù)的擴(kuò)展方法與流程

　　甲基化芯片是表觀遺傳學(xué)中研究較多的修飾形式，也是人類認(rèn)識(shí)早的表觀遺傳學(xué)現(xiàn)象之一。 甲基化芯片的變化影響著細(xì)胞正常發(fā)育過(guò)程中基因組轉(zhuǎn)錄模式的變化，在疾病的發(fā)生和發(fā)展中起著重要作用，目前我們獲取dna甲基化數(shù)據(jù)主要是通過(guò)實(shí)驗(yàn)方法檢測(cè)dna甲基化狀態(tài)，這種方法測(cè)量數(shù)據(jù)比較準(zhǔn)確，但人力財(cái)力費(fèi)用較大。 因此，用計(jì)算方法預(yù)測(cè)dna甲基化數(shù)據(jù)顯得尤為重要和重要，那么，下面一起了解下甲基化芯片數(shù)據(jù)的擴(kuò)展方法與流程吧!

　　甲基化芯片檢測(cè)方法常用的方法是亞硫酸鹽序列和亞硫酸鹽微陣列法，全基因組亞硫酸氫鈉序列(wgbs )具有全面的基因組覆蓋，但高序列深度使其非常昂貴。 亞硫酸鹽微陣列方法成本較低，但受制于先驗(yàn)?zāi)繕?biāo)區(qū)域，覆蓋的基因組范圍較小。

　　甲基化芯片技術(shù)實(shí)現(xiàn)要素：

　　本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供使用在不同組織中具有類似的局部甲基化芯片模式的cpg部位甲基化值和相鄰的cpg部位甲基化加權(quán)值進(jìn)行建模和擴(kuò)展的dna甲基化芯片數(shù)據(jù)的擴(kuò)展方法，從而實(shí)現(xiàn)上述發(fā)明的目的

　　1、提取數(shù)據(jù)

　　從甲基化芯片通用數(shù)據(jù)庫(kù)geo中獲取31種不同組織的t1.t2.t31全基因組亞硫酸鹽測(cè)序數(shù)據(jù)和31種組織相應(yīng)的dna甲基化芯片數(shù)據(jù); 另外，從該數(shù)據(jù)庫(kù)中取得與上述31種組織不同其他任意組織t32的全部基因組亞硫酸鹽測(cè)序的數(shù)據(jù)和dna甲基化芯片的數(shù)據(jù);

　　2、數(shù)據(jù)預(yù)處理

　　分別判斷全基因組亞硫酸氫鹽測(cè)序數(shù)據(jù)和dna甲基化芯片數(shù)據(jù)各行是否有空值，如有空值則刪除相應(yīng)行，得到標(biāo)準(zhǔn)全基因組亞硫酸氫鹽測(cè)序數(shù)據(jù)和dna甲基化芯片數(shù)據(jù);

　　3、特征提取

　　假設(shè)各組織中有n個(gè)相同數(shù)量的cpg位點(diǎn)，其中n個(gè)位點(diǎn)的甲基化值通過(guò)全基因組亞硫酸鹽序列檢測(cè)到，n個(gè)位點(diǎn)中m個(gè)位點(diǎn)同時(shí)通過(guò)dna甲基化芯片檢測(cè)到，則剩下的k個(gè)位點(diǎn)通過(guò)dna甲基化芯片檢測(cè)到將組織t32中的第k (k=1.2.…，k )個(gè)芯片未檢測(cè)到的部位設(shè)為cpgk;在31個(gè)組織中找到局部甲基化模式與cpgk位點(diǎn)相似的組織，根據(jù)該組織對(duì)應(yīng)cpgk位點(diǎn)的全部基因組亞硫酸順序檢測(cè)到的甲基化值以及接近c(diǎn)pgk的2個(gè)位點(diǎn)的甲基化加權(quán)值和cpgk位點(diǎn)的全部基因組亞硫酸鹽順序。

　　4、訓(xùn)練邏輯回歸模型

　　作為logistic回歸模型的輸入，以yk為logistic回歸模型的輸出訓(xùn)練logistic回歸模型，得到標(biāo)準(zhǔn)的logistic回歸模型

　　5、獨(dú)立樣本預(yù)測(cè)

　　甲基化芯片獲取任意組織的dna甲基化芯片數(shù)據(jù)，t1、t2、t31的全部基因組移位測(cè)序數(shù)據(jù)和對(duì)應(yīng)的dna甲基化芯片數(shù)據(jù)，并通過(guò)步驟(2、3 )中描述的方法獲取甲基化值。