一种面向多源复杂生物信息数据的数据处理方法和系统

本发明涉及一种面向多源复杂生物信息数据的数据处理方法和系统。该方法采集表达谱数据、基因变异数据和临床生存数据，并对所采集的数据进行统一标准化处理。基于样本标识对不同来源数据执行特征对齐，构建联合特征表达矩阵，并保持跨数据类型的上下文依赖关系。在此基础上，依次通过Lasso回归与信息增益评估进行多阶段特征筛选，获得用于建模的最优特征子集。进一步采用Cox比例风险回归方法训练风险评分模型，并利用所构建的连续型评分函数计算样本的风险评分值。最后，将评分值划分为多个风险等级，并结合Kaplan‑Meier估计方法生成各等级的生存曲线，以验证模型的风险分层效果与预测显著性。本发明可提高生物信息建模的准确性，具有良好的通用性与实用价值。