目的：

输入突变数据，用非负矩阵分解方法NMF分析突变特征，描述样本集的突变模式。

什么是突变模式：

这也是对TCGA数据的深度挖掘，从而提出的一个统计学概念。文章（Signatures of mutational processes in human cancer）研究了30种癌症，发现21种不同的mutation signature。如果理解了，就会发现这个其实蛮简单的，他们并不重新测序，只是拿已经有了的TCGA数据进行分析，而且居然是发表在nature上面！文章研究了4,938,362mutations from 7,042 cancers样本，突变频谱的概念只是针对于somatic 的mutation。一般是对癌症病人的肿瘤组织和癌旁组织配对测序，过滤得到的somaticmutation，一般一个样本也就几百个somatic 的mutation。

还有其它文章（Mutational signatures: the patterns of somatic mutations hidden in cancer genomes）也是这样分析的从2013年提出到现在，已经有30种mutation siganures，在cosmic数据库有详细记录，更新见：Mutational Signatures。它的概念就是：根据突变上下文分成96类，然后每类突变的频率不一样画一个条形图，可视化展现。

应用场景：

突变特征定义：体细胞突变是多个突变过程如DNA修复缺陷，暴露于外源或内源诱变剂等综合结果。不同的突变过程会产生不同组合的突变类型，即突变特征。利用突变特征分析感兴趣癌种突变特征，探讨其可能的发生病因及机制。

肿瘤突变频谱针对点突变进行定义，A,T,C,G四种碱基两两突变，共有4X3=12种排列，考虑到正负链碱基配对原则，正链上的A->C突变，对应负链上为T->G,   所以进一步转换成了一个组合的问题，所以某个位点的突变可以划分为以下6种模式

C>A, 表示C>A和G>T两种

C>G, 表示C>G和G>C两种

C>T, 表示C>T和G>A两种

T>A,表示T>A和A>T两种

T>C,表示T>C和A>G两种

T>G,表示T>G和A>C两种