本技術(shù)涉及基于特定計(jì)算模型的計(jì)算機(jī)系統(tǒng)領(lǐng)域，具體地，涉及一種中樞神經(jīng)系統(tǒng)腫瘤分類模型的構(gòu)建方法、系統(tǒng)以及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、dna甲基化(dna?methylation)是屬于表觀遺傳學(xué)(epigenetics)的現(xiàn)象之一。隨著精準(zhǔn)醫(yī)學(xué)的興起，dna甲基化在胚胎發(fā)育、x染色體失活、免疫系統(tǒng)調(diào)節(jié)、腫瘤發(fā)生等生物學(xué)過程中發(fā)揮作用。甲基化芯片陣列技術(shù)是基于微陣列技術(shù)發(fā)展起來的一種高通量dna甲基化檢測方法，它利用特異性探針與基因組dna上的甲基化位點(diǎn)結(jié)合，通過熒光標(biāo)記的方式，實(shí)現(xiàn)不同位點(diǎn)的甲基化狀態(tài)分析。

2、甲基化芯片：甲基化芯片技術(shù)是基于微陣列技術(shù)發(fā)展起來的一種高通量dna甲基化檢測方法，它利用特異性探針與基因組dna上的甲基化位點(diǎn)結(jié)合，通過熒光標(biāo)記的方式，實(shí)現(xiàn)不同位點(diǎn)的甲基化狀態(tài)分析。目前常用的是illumina甲基化芯片，它是一種被廣泛應(yīng)用的dna甲基化檢測工具，它能以單堿基分辨率檢測全基因組上的cpg位點(diǎn)，設(shè)計(jì)的位點(diǎn)主要分布在cpg島、干細(xì)胞中的非cpg甲基化位點(diǎn)、多種腫瘤的差異甲基化位點(diǎn)、啟動(dòng)子、增強(qiáng)子等區(qū)域。隨著甲基化芯片的發(fā)展，迭代出現(xiàn)了不同版本，根據(jù)檢測的cpg位點(diǎn)數(shù)量不同，分為450k(infinium?human?methylation450)、850k(methylation?epic?v1.0)、935k(methylation?epic?v2.0)。其中，850k(methylation?epic?v1.0)芯片已于2023年停產(chǎn)。目前市面可以購買到的是935k(methylation?epic?v2.0)芯片。

3、全基因組甲基化譜檢測：2021年世界衛(wèi)生組織中樞神經(jīng)系統(tǒng)腫瘤分類(第五版)中提及：目前，全基因組甲基化譜檢測是腦部和脊髓腫瘤分類的有效輔助方法，可能是具有不常見形態(tài)特征腫瘤的最有效分類方法，以及可能是識(shí)別一些罕見腫瘤和亞型的唯一方法。基于全基因組dna甲基化譜對中樞神經(jīng)系統(tǒng)腫瘤分類的方法，已被多篇文獻(xiàn)報(bào)道。目前通用的腫瘤分類依據(jù)是2016年第4版中樞神經(jīng)系統(tǒng)腫瘤的世界衛(wèi)生組織分類，將2801個(gè)樣本分為了91類甲基化分類(82類腫瘤類型和9類對照樣本類型)。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提出了一種中樞神經(jīng)系統(tǒng)腫瘤分類模型的訓(xùn)練方法，其特征在于，包括：基于450k甲基化芯片、850k甲基化芯片和935k甲基化芯片的掃描結(jié)果獲取原始數(shù)據(jù)；將所述850k甲基化芯片和所述935k甲基化芯片的原始數(shù)據(jù)的格式轉(zhuǎn)化為所述450k甲基化芯片的原始數(shù)據(jù)的格式；將所述850k甲基化芯片和所述935k甲基化芯片的轉(zhuǎn)化后的數(shù)據(jù)以及所述450k甲基化芯片的原始數(shù)據(jù)合并，得到合并后的數(shù)據(jù)；基于minfi包的preprocessillumina()函數(shù)，對所述合并后的數(shù)據(jù)進(jìn)行均一化處理，得到均一化的數(shù)據(jù)；將所述均一化的數(shù)據(jù)轉(zhuǎn)換為methylset類數(shù)據(jù)；去除所述methylset類數(shù)據(jù)中的非唯一比對的探針數(shù)據(jù)、與snp相關(guān)的探針數(shù)據(jù)以及與性染色體相關(guān)的探針數(shù)據(jù)，得到數(shù)據(jù)矩陣；將所述數(shù)據(jù)矩陣拆分為訓(xùn)練集和測試集；基于所述訓(xùn)練集訓(xùn)練隨機(jī)森林分類模型；基于所述森林分類模型將所述測試集數(shù)據(jù)輸出為原始分?jǐn)?shù)；基于所述原始分?jǐn)?shù)，通過glmnet包的cv.glmnet()函數(shù)，訓(xùn)練基于多元線性回歸算法的校正分?jǐn)?shù)分類模型。

2、根據(jù)本技術(shù)實(shí)施方式，基于450k甲基化芯片、850k甲基化芯片和935k甲基化芯片的掃描結(jié)果獲取原始數(shù)據(jù)包括：通過minfi包的read.metharray.sheet()和read.metharray.exp()兩個(gè)函數(shù)將450k甲基化芯片、850k甲基化芯片和935k甲基化芯片的掃描結(jié)果轉(zhuǎn)化成所述原始數(shù)據(jù)，所述原始數(shù)據(jù)為rgchannelset類數(shù)據(jù)。

3、根據(jù)本技術(shù)實(shí)施方式，基于450k甲基化芯片、850k甲基化芯片和935k甲基化芯片的掃描結(jié)果獲取原始數(shù)據(jù)還包括：

4、使用annotation()函數(shù)對所述935k甲基化芯片轉(zhuǎn)化的所述原始數(shù)據(jù)進(jìn)行注釋，注釋信息是illuminahumanmethylationepicv2。

5、根據(jù)本技術(shù)實(shí)施方式，將所述850k甲基化芯片和所述935k甲基化芯片的原始數(shù)據(jù)的格式轉(zhuǎn)化為所述450k甲基化芯片的原始數(shù)據(jù)的格式包括：通過minfi包的combinearrays()函數(shù)將所述850k甲基化芯片的原始數(shù)據(jù)的格式轉(zhuǎn)換成所述450k甲基化芯片的原始數(shù)據(jù)的格式；通過convertarray_935k()函數(shù)將935k甲基化芯片的原始數(shù)據(jù)的格式轉(zhuǎn)換成所述850k甲基化芯片的原始數(shù)據(jù)的格式，再利用所述minfi包的combinearrays()函數(shù)將所述850k甲基化芯片的原始數(shù)據(jù)的格式轉(zhuǎn)換成所述450k甲基化芯片的原始數(shù)據(jù)的格式。

6、根據(jù)本技術(shù)實(shí)施方式，所述convertarray_935k()函數(shù)所執(zhí)行的步驟包括：獲取所述935k甲基化芯片和所述850k甲基化芯片包含的所有探針編號，取850k甲基化芯片和935k甲基化芯片探針編號相同的探針，得到第一組探針；將所述第一組探針分為type?i類型、type?ii類型、type?snpi類型、type?snpii類型、type?control類型，依次按照各類型去除所述935k甲基化芯片和所述850k甲基化芯片中探針編號相同，但顏色通道、探針序列a、探針序列b中至少一項(xiàng)不一致的探針，得到第二組探針；去除所述935k甲基化芯片的原始數(shù)據(jù)中不屬于所述第二組探針的探針數(shù)據(jù)，并將所述935k甲基化芯片的原始數(shù)據(jù)的注釋信息修改為illuminahumanmethylationepic。

7、本技術(shù)還提供了一種中樞神經(jīng)系統(tǒng)腫瘤分類模型的訓(xùn)練系統(tǒng)，該訓(xùn)練系統(tǒng)包括：存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)可執(zhí)行指令；以及一個(gè)或多個(gè)處理器，所述一個(gè)或多個(gè)處理器與所述存儲(chǔ)器通信以執(zhí)行所述可執(zhí)行指令從而完成以下操作：基于450k甲基化芯片、850k甲基化芯片和935k甲基化芯片的掃描結(jié)果獲取原始數(shù)據(jù)；將所述850k甲基化芯片和所述935k甲基化芯片的原始數(shù)據(jù)的格式轉(zhuǎn)化為所述450k甲基化芯片的原始數(shù)據(jù)的格式；將所述850k甲基化芯片和所述935k甲基化芯片的轉(zhuǎn)化后的數(shù)據(jù)以及所述450k甲基化芯片的原始數(shù)據(jù)合并，得到合并后的數(shù)據(jù)；基于minfi包的preprocessillumina()函數(shù)，對所述合并后的數(shù)據(jù)進(jìn)行均一化處理，得到均一化的數(shù)據(jù)；將所述均一化的數(shù)據(jù)轉(zhuǎn)換為methylset類數(shù)據(jù)；去除所述methylset類數(shù)據(jù)中的非唯一比對的探針數(shù)據(jù)、與snp相關(guān)的探針數(shù)據(jù)以及與性染色體相關(guān)的探針數(shù)據(jù)，得到數(shù)據(jù)矩陣；將所述數(shù)據(jù)矩陣拆分為訓(xùn)練集和測試集；基于所述訓(xùn)練集訓(xùn)練隨機(jī)森林分類模型；基于所述森林分類模型將所述測試集數(shù)據(jù)輸出為原始分?jǐn)?shù)；基于所述原始分?jǐn)?shù)，通過glmnet包的cv.glmnet()函數(shù)，訓(xùn)練基于多元線性回歸算法的校正分?jǐn)?shù)分類模型。

8、本技術(shù)還提供了一種用于訓(xùn)練中樞神經(jīng)系統(tǒng)腫瘤分類模型的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)可執(zhí)行指令，所述可執(zhí)行指令能夠被一個(gè)或多個(gè)處理器執(zhí)行以完成以下操作：基于450k甲基化芯片、850k甲基化芯片和935k甲基化芯片的掃描結(jié)果獲取原始數(shù)據(jù)；將所述850k甲基化芯片和所述935k甲基化芯片的原始數(shù)據(jù)的格式轉(zhuǎn)化為所述450k甲基化芯片的原始數(shù)據(jù)的格式；將所述850k甲基化芯片和所述935k甲基化芯片的轉(zhuǎn)化后的數(shù)據(jù)以及所述450k甲基化芯片的原始數(shù)據(jù)合并，得到合并后的數(shù)據(jù)；基于minfi包的preprocessillumina()函數(shù)，對所述合并后的數(shù)據(jù)進(jìn)行均一化處理，得到均一化的數(shù)據(jù)；將所述均一化的數(shù)據(jù)轉(zhuǎn)換為methylset類數(shù)據(jù)；去除所述methylset類數(shù)據(jù)中的非唯一比對的探針數(shù)據(jù)、與snp相關(guān)的探針數(shù)據(jù)以及與性染色體相關(guān)的探針數(shù)據(jù)，得到數(shù)據(jù)矩陣；將所述數(shù)據(jù)矩陣拆分為訓(xùn)練集和測試集；基于所述訓(xùn)練集訓(xùn)練隨機(jī)森林分類模型；基于所述森林分類模型將所述測試集數(shù)據(jù)輸出為原始分?jǐn)?shù)；基于所述原始分?jǐn)?shù)，通過glmnet包的cv.glmnet()函數(shù)，訓(xùn)練基于多元線性回歸算法的校正分?jǐn)?shù)分類模型。

9、本技術(shù)提供的中樞神經(jīng)系統(tǒng)腫瘤分類系統(tǒng)的構(gòu)建方法使用多種類型的甲基化芯片數(shù)據(jù)，實(shí)現(xiàn)了450k甲基化芯片、850k甲基化芯片和935k甲基化芯片在一個(gè)分類系統(tǒng)上的兼容，提高了利用甲基化芯片區(qū)分中樞神經(jīng)系統(tǒng)腫瘤類別的效率。