背景与目的神经母细胞瘤(neuroblastoma,NB)是一种异质性疾病,伴有基因组畸变,且临床表现呈多样性。虽然我们对遗传畸变与临床特征之间的关系已有所了解,但对患者的预后预测和制订个体化治疗策略仍是挑战。本研究旨在建立一种有效的NB患者预后预测模型。方法我们整合了多种不同算法定义基因特征,反映MYCN活性和染色体畸变,包括染色体1p缺失(deletion of chromosome1p,Chr1p_del)、染色体11q缺失(deletion of chromosome 11q,Chr11q_del)以及染色体11q全部丢失(whole loss of chromosome 11q,Chr11q_wls)。我们评估了由RNA测序和微阵列平台产生的7个NB基因表达数据集(样本量从94到498,共2120)中这些基因特征的预后预测价值。结果MYCN活性评分是比MYCN扩增状态和表达更有效的预后标志物。同样,Chr1p_del评分是比Chr1p状态更好的预后标志物。MYCN、Chr1p_del和Chr11q_del的活性评分与预后不良相关,而Chr11q_wls评分与预后良好相关。我们整合MYCN、Chr1p_del、Chr11q_del和Chr11q_wls评分以及临床变量建立综合预测模型,该模型对NB预后预测效果比单独应用临床变量或每个基因组畸变更佳。结论加入了基因特征的预后预测模型显著提高了预测效果,可作为对NB患者进行分层以评估预后的生物标志物。
随着动车组运营时间和运营里程的增长,动车组运维系统积累了大量的数据.利用高效的关联规则挖掘算法从动车组运维数据中快速发现有用的信息,对于提高动车组关键部件运维效率具有重要意义.针对动车组运维数据的数据量巨大、价值密度低的特点,设计一种基于近似最小完美Hash函数的AMPHP(approximate minimum perfect hashing and pruning)算法,相较于传统的直接Hash和修剪(direct hashing and pruning,DHP)算法,它可以过滤掉所有的非频繁项集,无需额外的数据库扫描.为了突破单机算法的性能限制,借鉴SON算法思想对AMPHP算法进行并行化改进,提出AMPHPSON算法,进一步提高算法性能.使用实际的动车组牵引电机运维数据进行测试分析,实验结果表明,AMPHP-SON算法具有很好的时间性能,且挖掘出的规则可以有效地指导动车组修程修制优化,从而达到提高动车组运维效率的目的.
暂无评论