本发明专利技术公开了一种基于基因表达和药物靶标的药物活性预测与筛选方法，包括以下步骤：1)根据药物靶标数据库中的信息，获取待测药物对应的靶基因；获取病人的疾病组织的基因表达数据以及相应对照数据，通过系统生物学的方法计算评价基因的重要性，得出在该病人发病过程中的重要基因列表；2)通过统计分析查看步骤1)中得到的待测药物的靶基因是否靶向了该病人发病过程中的重要基因列表来预测该待测药物对于该病人的活性，筛选适合该病人的药物。本发明专利技术的方法易于使用、效率高、适用范围广，本发明专利技术的预测方法可以用于筛选针对特定病人个体的适合药物，从而为该病人提供个性化的治疗方案。
【技术实现步骤摘要】
本专利技术涉及生物医药
，尤其涉及一种基于基因表达和药物靶标数据、针对某个病人个体进行药物活性预测与药物筛选的方法。
技术介绍
精准医疗(Precision Medicine)是指利用基因组、转录组、蛋白组等高通量生物数据，通过生物信息学等技术手段来对一种疾病不同状态和过程进行精确分类，最终实现对于疾病和特定患者进行个性化精准治疗，从而提高疾病诊治与预防的效益(可参见：Collins F S,Varmus H.A new initiative on precision medicine[J].N Engl J Med,2015,372(9):793-795.)的概念与医疗模式。对于癌症等复杂疾病，精准化医疗具有重要的意义(可参见：Friedman A A,Letai A,Fisher D E,et al.Precision medicine for cancer with next-generation functional diagnostics[J].Nature Reviews Cancer,2015,15(12):747-756.)，而预测某种药物或某种组合药物对病人的药效是精准化医疗中的重要课题(可参见：Dittmer J,Leyh B.The impact of tumor stroma on drug response in breast cancer[J].Seminars In Cancer Biology,2015,31:3-15.；Petrillo M,Zannoni G F,Beltrame L,et al.Identification of high-grade serous ovarian cancer miRNA species associated with survival and drug response in patients receiving neoadjuvant chemotherapy:a retrospective longitudinal analysis using matched tumor biopsies[J].Annals Of Oncology,2016,27(4):625-634.)。目前的方法主要从生物医学大数据出发，以遗传学为基础，建立疾病人群的基因型-表型关联(可参见：Low S K,Takahashi A,Mushiroda T,et al.Genome-wide association study:a useful tool to identify common genetic variants associated with drug toxicity and efficacy in cancer pharmacogenomics[J].Clinical Cancer Research,2014,20(10):2541-2552.)，然后根据基因型进行有针对性的治疗。该思路有两个潜在的困难：1、由于疾病对应基因型的外显率(penetrance)不清楚，因此所建立的基因型-表型关联在应用于患者个体时效果不能保证，发现的关联通常不具有临床应用价值(可参见：AK M,JP I,IS K.Clinical Genomics:From Pathogenicity Claims to Quantitative Risk Estimates[J].JAMA,2016.)；2、采用的各种遗传学推断大都基于统计学和有限的样本，因此只能揭示表面的基因型-表型关联，缺乏对疾病机制的解释，据此建立的预测模型推广性不强。如果考虑到除了DNA的突变，病人还存在表观修饰等方面的个体差异，目前基于遗传学的个体化医疗策略将更难实施(可参见：Manrai A K,Ioannidis J P,Kohane I S.Clinical Genomics:From Pathogenicity Claims to Quantitative Risk Estimates[J].JAMA,2016,315(12):1233-1234.)。众所周知，基因表达谱数据携带了个体间基因型、表观修饰等各方面的差异，而且与表型的距离比较近，因此我们认为从表达谱出发可能更有利于开展个性化治疗。也有学者通过对某个药物响应的病人的基因表达数据以及未响应的病人的基因表达数据进行差异表达分析，将差异表达基因作为特征，建立分类器模型来预测某个病人对特定药物是否响应(可参见：Hatzis C,Pusztai L,Valero V,et al.A genomic predictor of response and survival following taxane-anthracycline chemotherapy for invasive breast cancer[J].JAMA,2011,305(18):1873-1881.)。这类方法取得了一定的效果，显示了基因表达数据在预测病人对特定药物的药效方面的潜能。但是这种方法需要对每种疾病建立一个预测模型，而每种模型的构建都需要大量的基因表达数据集，这大大影响了这类方法的实用价值。同时，由于癌症等复杂疾病存在着高度的异质性(可参见：Burrell R A,McGranahan N,Bartek J,et al.The causes and consequences of genetic heterogeneity in cancer evolution[J].Nature,2013,501(7467):338-345.)，这种完全数据驱动、没有考虑疾病背后的生物机制的方法存在着过拟合现象。
技术实现思路
本专利技术的目的在于克服现有技术存在的不足之处而提供了基于基因表达谱和药物靶标的药物活性预测及筛选方法，进而实现病人的个性化治疗。本专利技术的方法具有易于实现、效率高、适用范围广等优点，在精准化医疗中的病人对特定药物的药效预测，以及特定病人的药物筛选方面具有广阔的应用前景。本专利技术采用的技术方案为：一种基于基因表达和药物靶标的药物活性预测与筛选方法，包括以下步骤：1)根据药物靶标数据库中的信息，获取待测药物对应的靶基因；获取病人的疾病组织的基因表达数据以及相应对照数据，通过系统生物学的方法计算评价基因的重要性，得出在该病人发病过程中的重要基因列表；2)通过统计分析查看步骤1)中得到的待测药物的靶基因是否靶向了该病人发病过程中的重要基因列表来预测该待测药物对于该病人的活性，筛选适合该病人的药物。在本专利技术中，待测药物可为单一药物，也可为组合药物。当待测药物为单一药物时，所述靶基因即为此药物对应的靶基因；当待测药物为组合药物时，所述靶基因为组合药物中每种药物对应的靶基因的并集。作为对上述技术方案的进一步改进，所述步骤1)中，通过fold-change的绝对值来计算评价基因的重要性。作为对上述技术方案的进一步改进，所述步骤1)中的药物靶标数据库为DGIdb(Drug-Gene Interaction database)、TTD(Therapeutic target database)和Drugbank中的至少一种。作为对上述技术方案的更进一步改进，所本文档来自技高网...
【技术保护点】
一种基于基因表达和药物靶标的药物活性预测与筛选方法，其特征在于：包括以下步骤：1)根据药物靶标数据库中的信息，获取待测药物对应的靶基因；获取病人的疾病组织的基因表达数据以及相应对照数据，通过系统生物学的方法计算评价基因的重要性，得出在该病人发病过程中的重要基因列表；2)通过统计分析查看步骤1)中得到的待测药物的靶基因是否靶向了该病人发病过程中的重要基因列表来预测该待测药物对于该病人的活性，筛选适合该病人的药物。
【技术特征摘要】
1.一种基于基因表达和药物靶标的药物活性预测与筛选方法，其特征在于：包括以下步骤：1)根据药物靶标数据库中的信息，获取待测药物对应的靶基因；获取病人的疾病组织的基因表达数据以及相应对照数据，通过系统生物学的方法计算评价基因的重要性，得出在该病人发病过程中的重要基因列表；2)通过统计分析查看步骤1)中得到的待测药物的靶基因是否靶向了该病人发病过程中的重要基因列表来预测该待测药物对于该病人的活性，筛选适合该病人的药物。2.根据权利要求1所述的基于基因表达谱和药物靶标的药物活性预测与筛选方法，其特征在于：所述步骤1)中，通过fold-change的绝对值来计算评价基因的重要性。3.根据权利要求1所述的基于基因表达谱和药物靶标的药物活性预测与筛选方法，其特征在于：所述步骤1)中的药物靶标数据库为DGIdb、TTD和Drugbank中的至少一种。4.根据权利要求3所述的基于基因表达谱和药物靶标的药物活性预测与筛选方法，其特征在于：所述待测药物的靶基因为DGIdb、TTD和Drugbank三个数据库...
【专利技术属性】
技术研发人员：张红雨，周雄辉，朱丽达，全源，崔泽嘉，杨庆勇，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。