CN105046110A - 一种克服信号失真的肿瘤细胞异常通路识别方法 - Google Patents

Abstract

本发明提供一种克服信号失真的肿瘤细胞异常通路识别方法，包括：利用非负矩阵分解算法对基因表达谱图像矩阵进行通路解构，得到通路表达谱矩阵；根据接受者操作特性曲线和所述通路表达谱矩阵，绘制出每条通路的活性异常曲线；根据所述每条通路的活性异常曲线，计算出每条通路的活性异常值；将每条通路的活性异常值与预设阈值进行比较，当其活性异常值高于预设阈值时，则该通路为肿瘤细胞活性异常通路。本发明克服了传统方法对通路活性建模的失真缺陷，消除了通路关联噪声对通路活性评估的影响，具有更好的肿瘤细胞异常通路检测精度，稳定性与可靠性。本发明可用于药物研发、个性化用药中的药物靶标的检测与识别。

Description

一种克服信号失真的肿瘤细胞异常通路识别方法

技术领域

本发明涉及肿瘤细胞标志物检测技术领域，具体是一种克服信号失真的肿瘤细胞异常通路识别方法。

背景技术

肿瘤已经成为人类的“头号杀手”，严重威胁着人类的健康。由于生命系统的复杂性以及肿瘤细胞的高度异质性，如何有效诊断和治疗癌症是一项世界性的难题。随着现代生物技术的发展，在基因水平上识别和发现肿瘤标志物已经成为当前医学界的共识。细胞中的基因往往以一种通路结构(由多个基因做构成)形式来执行特定的生物学功能，最终影响和决定细胞的命运(表型)，比如正常细胞的癌变事件等。这些通路模块本质上构成一种复杂的多基因网络。越来越多的医学研究证实，是异常的通路活性而非单个基因的异常表达构成了细胞发生癌变的根本原因。因此，有效识别肿瘤细胞中的异常通路在肿瘤的早期诊断与治疗以及靶向药物的研制等方面都具有重要的应用价值。

国内外的研究者针对肿瘤细胞异常通路的识别已经进行了一定的研究和探讨。其中，经典的方法有基因集合富集法(GSEA)、全局检验法(Globaltest)、PathOlogist、信号影响分析法(SPIA)和差异表达分析法(DEAP)。这些方法的思路可概括为三类：1)基于通路中差异基因的富集性，比如GSEA方法；2)基于通路中基因对表型的统计回归能力，比如Globaltest方法；3)基于通路的网络拓扑特性，比如PathOlogist、SPIA和DEAP等方法。然而，这些方法都未能考虑通路间的相互作用对通路活性信号检测的影响。不同的通路行使不同的生物学功能，但这些通路可能共享同样的基因，在功能上相互关联，从而在更高层次上构成复杂的生物分子系统，产生复杂多样的细胞表型。从系统生物学角度来看，只有有效去除通路相互作用对通路活性检测的噪声影响才能可靠识别肿瘤细胞异常通路。上述现有方法简单假设通路间是独立的，结果导致通路活性信号检测失真。因此，这些现有的方法仅仅在理想的孤立通路活动情况下是有效的，而并不适合在真实细胞情况下(即通路间具有复杂关联关系时)的异常通路活性检测与识别。本发明采用一种非负矩阵分解算法实现肿瘤细胞异常通路识别中的通路关联噪声的提取与去除，从而提高了肿瘤细胞异常通路的识别精度和稳定性。

发明内容

本发明的目的在于提供一种克服信号失真的肿瘤细胞异常通路识别方法，避免现有肿瘤细胞异常通路识别方法的不足，利用非负矩阵分解来实现通路间关联噪声的提取与去除，获得真实的通路活性，进而更加精确、可靠地识别肿瘤细胞中的异常通路。

本发明的技术方案为：

一种克服信号失真的肿瘤细胞异常通路识别方法，包括以下步骤：

(1)利用非负矩阵分解算法对基因表达谱图像矩阵进行通路解构，得到通路表达谱矩阵；

(2)根据接受者操作特性曲线和所述通路表达谱矩阵，绘制出每条通路的活性异常曲线；

(3)根据所述每条通路的活性异常曲线，计算出每条通路的活性异常值；

(4)将每条通路的活性异常值与预设阈值进行比较，当其活性异常值高于预设阈值时，则该通路为肿瘤细胞活性异常通路。

所述的克服信号失真的肿瘤细胞异常通路识别方法，所述步骤(1)采用以下公式实现：

$\underset{W,H}{min}({||E-WH||}_2+\mathrm{\λ}{\left|W\right|}_1),s.t.W\≥0,H\≥0$

其中，E表示基因表达谱图像矩阵，每一行表示一个基因，每一列表示一个细胞样本；W表示通路-基因关系矩阵，其中行表示基因，列表示通路，每一个元素表示对应基因与通路间的关联系数；H表示通路表达谱矩阵，每一行表示一个通路，每一列表示一个细胞样本；λ表示稀疏约束系数。

所述的克服信号失真的肿瘤细胞异常通路识别方法，所述公式的求解包括以下步骤：

a、根据通路基因成员表对通路-基因关系矩阵W进行0-1初始化，对通路表达谱矩阵H进行随机初始化；

b、利用乘性更新算法更新通路-基因关系矩阵W和通路表达谱矩阵H：

$W_{ij}\←W_{ij}\frac{{\left({\mathrm{EH}}^T\right)}_{ij}}{{({\mathrm{WHH}}^T+\mathrm{\λ}W)}_{ij}}$

$H_{jk}\←H_{jk}\frac{{\left(W^{T}E\right)}_{jk}}{{\left(W^{T}WH\right)}_{jk}}$

其中，W_ij表示通路-基因关系矩阵W中位于第i行、第j列的元素，其含义是基因i与通路j之间的关联系数，i＝1，2，…，L，j＝1，2，…，M；H_jk表示通路表达谱矩阵H中位于第j行、第k列的元素，其含义是通路j在样本细胞k中的活性水平，j＝1，2，…，M，k＝1，2，…，N；

c、根据准则|E-W^tH^t|＜10^-4，其中W^t、H^t分别为第t步迭代所获得的W和H，判断迭代是否收敛，若是，则执行步骤d，若否，则返回步骤b；

d、得到通路表达谱矩阵H。

所述的克服信号失真的肿瘤细胞异常通路识别方法，所述步骤(2)具体包括以下步骤：

a、根据所述通路表达谱矩阵，找出每条通路在各个样本细胞中的活性水平最小值和最大值：

$B_u={\min }_{k=1}^N\left(H_{jk}\right),B_w={\max }_{k=1}^N\left(H_{jk}\right)$

其中，H_jk表示通路j在样本细胞k中的活性水平，B_u表示通路j在各个样本细胞中的活性水平最小值，B_w表示通路j在各个样本细胞中的活性水平最大值；

b、在B_u与B_w之间均匀选择m个阈值常数h，采用以下公式对每个h分别计算其对应的fpr和tpr值，B_u＜h＜B_w，m≥100：

$fpr=\frac{FP}{FP+TP}$

$tpr=\frac{TP}{FP+TP}$

其中，L_k表示样本细胞k的标签，L_k＝0表示样本细胞k为正常细胞，L_k＝1表示样本细胞k为肿瘤细胞，当H_jk＞h&L_k＝0为真时，I(H_jk＞h&L_k＝0)＝1，当H_jk＞h&L_k＝0为假时，I(H_jk＞h&L_k＝0)＝0，当H_jk＞h&L_k＝1为真时，I(H_jk＞h&L_k＝1)＝1，当H_jk＞h&L_k＝1为假时，I(H_jk＞h&L_k＝1)＝0；

c、以计算出的fpr为横坐标、tpr为纵坐标绘制每条通路的活性异常曲线(fpr，tpr)。

所述的克服信号失真的肿瘤细胞异常通路识别方法，采用以下公式计算每条通路的活性异常值Y：

$Y={\∫}_{B_u}^{B_w}tpr\left(h\right){\mathrm{fpr}}^{\′}\left(h\right)dh$

其中，fpr′(h)表示fpr(h)的一阶导数。

所述的克服信号失真的肿瘤细胞异常通路识别方法，通过以下步骤近似求解每条通路的活性异常值Y：

a、对于每条通路，根据m个fpr的升序方式绘制新的通路活性异常曲线(f_q，t_q)，其中f_q表示按照升序排列的第q(q＝1，2，…，m)个fpr，t_q表示按照升序排列的第q个fpr对应的tpr；

b、采用以下公式计算每条通路的活性异常值Y：

$Y=\underset{q=1}{\overset{m-1}{\Σ}}(t_{q+1}-t_q)\×(f_{q+1}-f_q)$

其中，f_q+1表示按照升序排列的第q+1个fpr，t_q+1表示按照升序排列的第q+1个fpr对应的tpr。

由上述技术方案可知，本发明通过引入通路-基因关系矩阵，解决了通路活性建模过程中通路间关联关系难以消除的问题；利用稀疏非负矩阵分解对基因表达谱图像进行解构，实现了通路表达谱的可靠提取；同时，利用接受者操作特性准则对通路活性异常曲线进行绘制；根据通路活性异常曲线，利用数值积分实现了肿瘤细胞异常通路的简单、可靠、稳定检测。本发明克服了传统方法对通路活性建模的失真缺陷，能够有效消除通路关联对通路活性评估的影响，提高肿瘤细胞异常通路识别的准确率，具有更好的稳定性、可靠性和实用性。

附图说明

图1是本发明具体实施例的方法流程图；

图2是本发明具体实施例的通路表达谱重构流程图。

具体实施方式

下面结合附图和具体实施例进一步说明本发明。

如图1所示，一种克服信号失真的肿瘤细胞异常通路识别方法，包括以下步骤：

S1、利用非负矩阵分解算法对基因表达谱图像矩阵进行通路解构，得到通路表达谱矩阵，具体采用以下公式实现：

$\underset{W,H}{min}({||E-WH||}_2+\mathrm{\λ}{\left|W\right|}_1),s.t.W\≥0,H\≥0$

其中，E为基因表达谱图像矩阵，每一行表示一个基因，每一列表示一个细胞样本；W为通路-基因关系矩阵，其中行表示基因，列表示通路，每一个元素表示对应基因与通路间的关联系数；H为通路表达谱矩阵，每一行表示一个通路，每一列表示一个细胞样本；λ为稀疏约束系数。

如图2所示，对上述公式的求解，采用以下反复迭代方式：

S11、根据通路基因成员表对通路-基因关系矩阵W进行0-1初始化，对通路表达谱矩阵H进行随机初始化；

S12、利用乘性更新准则更新W和H：

$W_{ij}\←W_{ij}\frac{{\left({\mathrm{EH}}^T\right)}_{ij}}{{({\mathrm{WHH}}^T+\mathrm{\λ}W)}_{ij}}$

$H_{jk}\←H_{jk}\frac{{\left(W^{T}E\right)}_{jk}}{{\left(W^{T}WH\right)}_{jk}}$

其中，W_ij为通路-基因关系矩阵W中位于第i行、第j列的元素，其含义是基因i与通路j之间的关联系数，i＝1，2，…，L，j＝1，2，…，M；H_jk为通路表达谱矩阵H中位于第j行、第k列的元素，其含义是通路j在样本细胞k中的活性水平，j＝1，2，…，M，k＝1，2，…，N；

S13、根据准则|E-W^tH^t|＜10^-4，其中W^t、H^t分别为第t步迭代所获得的W和H，判断迭代是否收敛，如果没有收敛，则返回执行步骤S12，否则继续执行下面步骤；

S14、得到通路表达谱矩阵H。

S2、根据接受者操作特性ROC曲线准则和得到的通路表达谱矩阵H，绘制出通路活性异常曲线(fpr，tpr)，具体采用以下公式实现：

$fpr=\frac{FP}{FP+TP}$

$tpr=\frac{TP}{FP+TP}$

$B_u<h<B_w,B_u={\min }_{k=1}^N\left(H_{jk}\right),B_w={\max }_{k=1}^N\left(H_{jk}\right)$

其中，H_jk为通路j在样本细胞k中的活性水平，L_k为样本细胞k的标签，当样本细胞k为正常细胞时，L_k＝0，否则，当样本细胞k为肿瘤细胞时，L_k＝1；h为一个阈值常数；I(x)为指示函数，当其逻辑变量x为真时，I(x)取值为1，当其逻辑变量x为假时，I(x)取值为0。

在B_u与B_w之间均匀选择m个h，m≥100，对每一个h分别计算对应的fpr和tpr值，然后以fpr为横坐标、tpr为纵坐标绘制每条通路的活性异常曲线。

S3、根据通路活性异常曲线，利用数值积分计算通路活性异常值：

根据数值积分准则和步骤S2中所得到的每条通路的活性异常曲线，计算每条通路的活性异常值Y，采用以下公式实现：

$Y={\&Integral;}_{B_u}^{B_w}tpr\left(h\right){\mathrm{fpr}}^{\&prime;}\left(h\right)dh$

其中，fpr′(h)表示fpr(h)的一阶导数。

根据通路活性异常曲线，可以采用以下步骤近似求解Y：

S31、对于每条通路，根据m个fpr的升序方式绘制新的通路活性异常曲线(f_q，t_q)，其中f_q表示按照升序排列的第q(q＝1，2，…，m)个fpr，t_q表示按照升序排列的第q个fpr对应的tpr；

S32、计算Y值为 $Y={\&Sigma;}_{q=1}^{m-1}(t_{q+1}-t_q)\&times;(f_{q+1}-f_q)$

S4、根据通路活性异常值Y判断通路是否为肿瘤细胞异常通路：

将每条通路的活性异常值Y与异常阈值a(a＞0.5)进行比较，当Y高于a时，则该通路被认为是肿瘤细胞活性异常通路。

本发明针对现有方法的严重缺陷，在异常通路建模过程中考虑到通路关联关系因子的存在，因此利用稀疏非负矩阵分解算法对基因表达谱图像矩阵进行解构，得到去除通路关联关系因子的通路真实表达谱矩阵，有效地去除了噪声干扰，不仅能够逼近真实的细胞分子系统行为，也大大提高了肿瘤细胞异常通路的检测能力。本发明可用于药物研发、个性化用药中的药物靶标的检测与识别。

以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (6)

1.一种克服信号失真的肿瘤细胞异常通路识别方法，其特征在于，包括以下步骤：

(1)利用非负矩阵分解算法对基因表达谱图像矩阵进行通路解构，得到通路表达谱矩阵；

(2)根据接受者操作特性曲线和所述通路表达谱矩阵，绘制出每条通路的活性异常曲线；

(3)根据所述每条通路的活性异常曲线，计算出每条通路的活性异常值；

(4)将每条通路的活性异常值与预设阈值进行比较，当其活性异常值高于预设阈值时，则该通路为肿瘤细胞活性异常通路。

2.根据权利要求1所述的克服信号失真的肿瘤细胞异常通路识别方法，其特征在于，所述步骤(1)采用以下公式实现：

$\underset{W,H}{\min }({||E-WH||}_2+\mathrm{\&lambda;}{\left|W\right|}_1),s.t.W\&GreaterEqual;0,H\&GreaterEqual;0$

其中，E表示基因表达谱图像矩阵，每一行表示一个基因，每一列表示一个细胞样本；W表示通路-基因关系矩阵，其中行表示基因，列表示通路，每一个元素表示对应基因与通路间的关联系数；H表示通路表达谱矩阵，每一行表示一个通路，每一列表示一个细胞样本；λ表示稀疏约束系数。

3.根据权利要求2所述的克服信号失真的肿瘤细胞异常通路识别方法，其特征在于，所述公式的求解包括以下步骤：

a、根据通路基因成员表对通路-基因关系矩阵W进行0-1初始化，对通路表达谱矩阵H进行随机初始化；

b、利用乘性更新算法更新通路-基因关系矩阵W和通路表达谱矩阵H：

$W_{ij}\&LeftArrow;W_{ij}\frac{{\left({\mathrm{EH}}^T\right)}_{ij}}{{({\mathrm{WHH}}^T+\mathrm{\&lambda;}W)}_{ij}}$

$H_{jk}\&LeftArrow;H_{jk}\frac{{\left(W^{T}E\right)}_{jk}}{{\left(W^{T}WH\right)}_{jk}}$

其中，W_ij表示通路-基因关系矩阵W中位于第i行、第j列的元素，其含义是基因i与通路j之间的关联系数，i＝1，2，…，L，j＝1，2，…，M；H_jk表示通路表达谱矩阵H中位于第j行、第k列的元素，其含义是通路j在样本细胞k中的活性水平，j＝1，2，…，M，k＝1，2，…，N；

c、根据准则|E-W^tH^t|＜10^-4，其中W^t、H^t分别为第t步迭代所获得的W和H，判断迭代是否收敛，若是，则执行步骤d，若否，则返回步骤b；

d、得到通路表达谱矩阵H。

4.根据权利要求1所述的克服信号失真的肿瘤细胞异常通路识别方法，其特征在于，所述步骤(2)具体包括以下步骤：

a、根据所述通路表达谱矩阵，找出每条通路在各个样本细胞中的活性水平最小值和最大值：

$B_u={\min }_{k=1}^N\left(H_{jk}\right),B_w={\max }_{k=1}^N\left(H_{jk}\right)$

其中，H_jk表示通路j在样本细胞k中的活性水平，B_u表示通路j在各个样本细胞中的活性水平最小值，B_w表示通路j在各个样本细胞中的活性水平最大值；

b、在B_u与B_w之间均匀选择m个阈值常数h，采用以下公式对每个h分别计算其对应的fpr和tpr值，B_u＜h＜B_w，m≥l00：

$fpr=\frac{FP}{FP+TP}$

$tpr=\frac{TP}{FP+TP}$

其中，L_k表示样本细胞k的标签，L_k＝0表示样本细胞k为正常细胞，L_k＝1表示样本细胞k为肿瘤细胞，当H_jk＞h&L_k＝0为真时，I(H_jk＞h&L_k＝0)＝1，当H_jk＞h&L_k＝0为假时，I(H_jk＞h&L_k＝0)＝0，当H_jk＞h&L_k＝1为真时，I(H_jk＞h&L_k＝1)＝1，当H_jk＞h&L_k＝1为假时，I(H_jk＞h&L_k＝1)＝0；

c、以计算出的fpr为横坐标、tpr为纵坐标绘制每条通路的活性异常曲线(fpr，tpr)。

5.根据权利要求4所述的克服信号失真的肿瘤细胞异常通路识别方法，其特征在于，采用以下公式计算每条通路的活性异常值Y：

$Y={\&Integral;}_{B_u}^{B_w}tpr\left(h\right){\mathrm{fpr}}^{\&prime;}\left(h\right)dh$

其中，fpr′(h)表示fpr(h)的一阶导数。

6.根据权利要求4所述的克服信号失真的肿瘤细胞异常通路识别方法，其特征在于，通过以下步骤近似求解每条通路的活性异常值Y：

a、对于每条通路，根据m个fpr的升序方式绘制新的通路活性异常曲线(f_q，t_q)，其中f_q表示按照升序排列的第q(q＝1，2，…，m)个fpr，t_q表示按照升序排列的第q个fpr对应的tpr；

b、采用以下公式计算每条通路的活性异常值Y：

$Y=\underset{q=1}{\overset{m-1}{\&Sigma;}}(t_{q+1}-t_q)\&times;(f_{q+1}-f_q)$

其中，f_q+1表示按照升序排列的第q+1个fpr，t_q+1表示按照升序排列的第q+1个fpr对应的tpr。