在癌症基因组学研究中,由临床所得的肿瘤组织通常是由癌症细胞、正常细胞、免疫细胞等组成的混合物,肿瘤“不纯”会对后续的遗传分析及其他检测结果带来严重的偏差,导致研究结果不理想甚至得到错误的发现。同时,现有的纯度估计方法在估计肿瘤样本纯度时,都需要相应的正常样本作参照,而在癌症和肿瘤基因图谱(TCGA)的肿瘤类型中,大多数肿瘤类型没有(或仅有少数)正常样本。论文针对以上两个问题,基于DNA甲基化的芯片数据,构造了GmmPurify和IPCA两种简单的肿瘤纯度估计方法。GmmPurify算法首先借助公共正常样本,利用高斯混合模型定义了一个重要的统计量“信息贡献值”;然后筛选出具有高信息贡献值的DNA甲基化位点,构成差异甲基化位点集合;最后利用核密度方法估计出肿瘤的纯度。论文将GmmPurify算法应用于TCGA的肿瘤样本,得到的纯度估值与两类经典的方法的结果高度一致。研究结果表明:在与肿瘤样本相匹配的正常样本缺失的情况下,借助公共正常样本,GmmPurify可以给出令人满意的肿瘤纯度估计。IPCA算法是一种迭代算法,它无需任何正常样本,仅利用肿瘤样本,借助主成分分析和核密度方法,通过迭代算法,筛选出差异显著的甲基化位点构成信息位点集合,对信息位点集合进行核密度估计,得到TCGA中32种肿瘤类型的纯度估值。与已发表的六种纯度估计结果进行比较,结果高度一致。进一步,依据“肿瘤纯度向量与超甲基化位点的甲基化水平向量正相关”,利用IPCA得到的肿瘤纯度向量,将所有位点划分为超甲基化位点和次甲基化位点,分类结果具有较高的准确率和AUC值,且优于以血液样本作为正常样本的分类结果。最后,以利用正常样本的minfi差异甲基化分析结果作为标准,IPCA得到的差异甲基化位点排序同样优于以血液样本作为正常样本的minfi分析结果。以上实验表明:在正常样本缺失的情况下,IPCA不仅可以作为肿瘤纯度估计的有效工具,而且可以作为超、次甲基化位点分类和差异甲基化分析的可选择工具。