肿瘤纯度精确与否会影响大部分表观遗传学的研究结果,甚至会改变现有的生物学解释。由于在表观遗传机制中,DNA甲基化数据获取容易、使用广泛,因此基于甲基化数据的肿瘤纯度估计方法成为领域内的研究热点,如InfiniumPurify和uInfiniumpurify方法等。肿瘤内异质性是恶性肿瘤生长过程中的固有特征之一,而上述两个方法在利用统计方法估计肿瘤纯度时,忽略了肿瘤内异质性的影响,导致纯度估计值不够准确,进而影响下游的相关研究。本文针对目前研究中的不足,分析了肿瘤内异质性对肿瘤纯度的影响,在此基础上提出了一种新的肿瘤纯度估计方法PureTumorRecovery(PTR),取得的创新性成果如下:1.在肿瘤内异质性对肿瘤纯度的影响方面,本文提出利用突变甲基化位点在细胞层面对肿瘤亚群落进行分类的方法来分析。将所有分类总结为三种情况,并给出此三种情况下的种类划分方法。2.结合对肿瘤内异质性的分析,提出PTR方法,基于遗传算法的回归模型估计肿瘤纯度。首先,通过推导证明了肿瘤纯度与突变甲基化位点差值成多元线性回归关系;其次,分析各聚类算法的优缺点以及甲基化位点突变的特点,选用遗传算法对甲基化位点进行聚类,并以各个类簇的均值作为数据特征;最后,采用回归模型估计肿瘤纯度。3.在真实数据集上进行了实验研究,和目前已有方法的对比结果表明,PTR方法具有更好的性能。具体而言,在TCGA数据库中LUAD、BRCA、UCEC和COAD癌症数据集上,本文通过在相关系数、均方误差和常用的统计分析等方面将PTR方法与InfiniumPurify方法的结果进行比较,得出PTR方法比InfiniumPurify具有更高精确度的结论。综上,本研究对肿瘤内异质性进行了系统的分析,提出了利用甲基化数据估计肿瘤纯度的方法,最终验证了方法的可行性和优越性。PTR方法对基于Illumina Infinium450k平台数据的研究提供肿瘤纯度估计方面的借鉴和参考,从而为后续研究提供数据层面的准确性保证。