近年来,随着人们生活水平的提高以及饮食习惯的改变,结直肠癌发病率呈增长趋势。由于结直肠癌具有异质性,不同的发展机制和发展阶段都会表现出不同的临床进程,进而影响患者的预后。为此,临床上通过将结直肠癌划分为不同的分子亚型并预测患者生存时间,制定合理的治疗方案,以促进个体化精准治疗。多组学主要包括基因组学、蛋白组学等,反映了癌症发展过程中的生物过程和分子机制,对于患者的病理评估以及治疗方案的制定有着重要的参考价值。相比于临床病理数据,多组学数据具有高维小样本等特点,加上结直肠癌的异质性,导致不容易从多组学数据中提炼有效信息、准确预测患者生存时间。机器学习方法以其优异的非线性表征能力,在挖掘数据内在模式、预测准确性等方面有着独特的优势。鉴于此,本文以“医工信”联合研究为依托,在浙江大学医学院附属第二医院、浙江大学肿瘤研究所的支持下,尝试在医学多组学数据分析中引入机器学习和数据驱动的思路,开展结直肠癌分子分型和生存分析研究。主要工作和研究成果如下:（1）研究了多组学数据的生物学特性、预处理方法以及整合方法。针对单组学数据以及临床病理数据难以反映结直肠癌进展中复杂生物过程的问题,分析了多组学的医学机理、与癌症进展的关联性。针对多组学数据中存在缺失值的情况,采用有序k近邻方法预测缺失值并填充,提高了填充的准确性。针对不同组学特征的尺度差异,进行了标准化处理。根据多组学整合的特点,探讨了不同策略的适用性。根据结直肠癌异质性的特点,提出了先分子分型,再生存分析的基本路线,为后续研究奠定了基础。（2）研究了利用多组学数据信息的结直肠癌分子分型方法。针对多组学数据高维小样本特点下基于距离的聚类方法失效的问题,采用群体因子分析方法将高维组学特征归结为少数与患者预后相关的公共因子。为了减小多组学数据中测量噪声对聚类结果的干扰,提出了基于改进自组织映射的聚类方法并自适应确定最佳聚类个数,划分出不同的结直肠癌分子亚型。与传统基于密度以及距离的聚类方法比较,所研究方法提高了同种亚型内样本分子特征的相似度以及不同亚型间预后的差异度。为了在外部数据集中验证分子分型有效性,针对缺乏同质多组学验证集的问题,提出在单组学验证集上进行外部验证的策略。通过方差分析提取原数据集中不同亚型间的单组学差异特征,采用支持向量机预测验证集中样本的亚型,对预测结果进行统计学检验,在单组学验证集上验证了分子分型的有效性。（3）研究了利用多组学数据信息的结直肠癌生存分析方法。针对传统生存分析方法在高维小样本下易过拟合且结直肠癌存在异质性的问题,采用Cox单变量检验分别对每个亚型样本进行特征选择,提取亚型特异化预后显著特征来分别建立生存分析模型。针对传统生存分析方法所依赖的统计学假设难以满足的问题,提出了基于多任务学习的生存分析方法,将生存时间预测问题转化为对患者连续时间点生存概率预测的多任务问题,摆脱了对生存时间分布的统计学假设依赖。在多任务学习的神经网络中融合正则化方法,避免了模型的过拟合,提高了预测准确性。根据每个亚型患者预测生存时间的分布将患者划分为高、低风险群体,通过统计学检验表明不同风险群体预后差异较为显著,可以有效区分结直肠癌患者预后风险。（4）围绕多组学数据模型结果进行了医学相关性分析和实际样例分析。通过对分子分型结果进行通路分析,研究不同分子亚型间分子模式差异的根源。结合临床病理分期对分子分型结果和生存分析结果进行了相关性分析,研究了不同亚型间的分期分布差异以及不同分期间预测生存时间分布差异。对不同分子亚型的患者进行了样例分析。综上所述,本文针对结直肠癌个体化精准治疗的需求,研究了利用多组学数据进行分子分型和生存分析的方法,开展了验证与分析工作。所研究方法在结直肠癌患者分子亚型的划分以及生存时间预测中表现出较好的性能,对于结直肠癌的病理评估与个体化治疗具有借鉴意义。