【技术实现步骤摘要】
基于多维网络的癌症细胞系治疗药物预测方法
本专利技术属于生物信息学
,特别涉及一种癌症细胞系治疗药物预测方法,可用于癌症对药物的反应预测实验。
技术介绍
癌症是一类复杂的异质性疾病,忽略癌症患者体内生物分子特征,仅仅依据癌症患者临床症状的传统治疗方式无法满足现代医疗治疗癌症的要求。目前,治疗癌症的主要手段是使用分子靶向药物抑制癌症的发展。精准医疗提倡的就是靶向疗法,根据癌症患者的体内分子特性选择具体的治疗方案是提高癌症治疗效果的有效途径。在动物体内移植肿瘤,然后把化合物作用于动物体内,观察动物体内肿瘤的生长变化,以此确定化合物对肿瘤的作用效果,这种研究治疗肿瘤药物的方法费用高、耗时长而且成功率低。面对这些挑战,人类癌症细胞系为预测药物反应提供了新的载体,有利于筛选治疗癌症的候选药物。原发性肿瘤细胞系的培养时间相对较短,研究人员可以快速测试药物对某种癌症的治疗是否有效,缩小治疗癌症的候选药物范围。目前用细胞系培养技术培养出的癌症细胞系能够近似的模拟癌症细胞在癌症病人体内的生长环境,癌症细胞系和癌症病人体内癌症细胞的基因表达、染色体增益或缺失以及甲基化水平具有极大的相似性,癌症细胞系能够更加准确的模拟癌症病人对药物的反应情况。通过分析癌症细胞系分子数据预测药物反应,能够提高预测药物反应的准确率。根据不同的数据和理论,目前的药物反应预测方法主要分为以下两类:一.基于机器学习的药物反应预测方法。随着机器学习理论的不断发展,使用机器学习预测药物反应的方法取得了较好的结果。此类方法的主要流程是:首先,提取癌症细胞系的基因表达谱作为特征。然后,利用药物的已知反应数 ...
【技术保护点】
1.一种基于多维网络的癌症细胞系治疗药物预测方法,其特征在于,包括如下:(1)下载癌症细胞系的数据,构建癌症细胞系相似性网络:(1a)从与癌症细胞系基因表达相关的任意一个数据库下载n个癌症细胞系和这n个癌症细胞系所对应的t个基因的表达数据,得到基因表达矩阵
【技术特征摘要】
1.一种基于多维网络的癌症细胞系治疗药物预测方法,其特征在于,包括如下:(1)下载癌症细胞系的数据,构建癌症细胞系相似性网络:(1a)从与癌症细胞系基因表达相关的任意一个数据库下载n个癌症细胞系和这n个癌症细胞系所对应的t个基因的表达数据,得到基因表达矩阵构建癌症细胞系基因表达相似性网络(1b)从与癌症细胞系突变相关的任意一个数据库下载n个癌症细胞系和这n个癌症细胞系所对应的p个基因的突变数据,得到突变矩阵构建癌症细胞系突变相似性网络(1c)从与癌症细胞系拷贝数变异相关的任意一个数据库下载n个癌症细胞系和这n个癌症细胞系所对应的q个基因的拷贝数变异数据,得到拷贝数变异矩阵构建癌症细胞系拷贝数变异相似性网络(2)下载药物的数据,构建药物相似性网络:(2a)从与药物化学结构相关的任意一个数据库下载m个药物的化学结构表达式数据CHm,构建药物化学结构相似性网络(2b)从与药物靶标相关的任意一个数据库下载m个药物的靶标数据TAm,构建药物靶标相似性网络(3)在癌症细胞系基因表达相似性网络癌症细胞系突变相似性网络和癌症细胞系拷贝数变异相似性网络中,利用扩散成分分析算法计算得到n个癌症细胞系的低维特征向量矩阵其中dc表示癌症细胞系特征向量的维度数量;(4)在药物化学结构相似性网络和药物靶标相似性网络中,利用扩散成分分析算法计算得到m个药物的低维特征向量矩阵其中dd表示药物特征向量的维度数量;(5)获得药物反应的逻辑回归模型:(5a)从癌症细胞系低维特征向量矩阵中的第i行得到第i个癌症细胞系的低维特征向量:其中,i=1,2,3,...,n;(5b)从药物低维特征向量矩阵中的第x行得到第x个药物的低维特征向量:(5c)将第i个癌症细胞系的低维特征向量和第x个药物的低维特征向量组合为联合特征向量:(5d)从与药物反应相关的任意一个数据库下载已知药物与癌症细胞系的反应关系数据;(5e)基于已知药物与癌症细胞系的反应关系数据和其对应的联合特征向量,对逻辑回归模型进行训练,得到药物反应预测模型;(6)将未知反应关系的药物与癌症细胞系所对应的联合特征向量作为药物反应预测模型的输入,计算药物和癌症细胞系之间的敏感性关系得分;(7)判断敏感性关系得分是否大于0.5,如果是,则对应的药物对癌症细胞系有治疗作用,否则,对应的药物对癌症细胞系没有治疗效果。2.根据权利要求1所述的方法,其特征在于,步骤(1a)中构建癌症细胞系基因表达相似性网络实现如下:(1a1)从基因表达矩阵中的第i行得到第i个癌症细胞系的基因表达特征向量:其中,i=1,2,3,...,n;(1a2)从基因表达矩阵中的第j行得到第j个癌症细胞系的基因表达特征向量:其中,j=1,2,3,...,n;(1a3)计算上述Ciexp与Cjexp之间的皮尔森相关性,得到第i个癌症细胞系和第j个癌症细胞系的基因表达相似性,作为癌症细胞系基因表达相似性网络中的元素的值,得到癌症细胞系基因表达相似性网络3.根据权利要求1所述的方法,其特征在于,步骤(1b)中构建癌症细胞系突变相似性网络实现如下:(1b1)从突变矩阵中的第i行得到第i个癌症细胞系的突变特征向量:其中,i=1,2,3,...,n;(1b2)从突变矩阵的第j行得到第j个癌症细胞系的突变特征向量:其中,j=1,2,3,...,n;(1b3)计算上述与之间的余弦相似性,得到第i个癌症细胞系和第j个癌症细胞系的突变相似性,作为癌症细胞系突变相似性网络中元素的值,得到癌症细胞系突变相似性网络4.根据权利要求1所述的方法,其特征在于,步骤(1c)中构建癌症细胞系拷贝数变异相似性网络实现如下:(1c1)从拷贝数变异矩阵中的第i行得到第i个癌症细胞系的拷贝数变异特征向量:其中,i=1,2,3,...,n;(1c2)从拷贝数变异矩阵中的第j行得到第j个癌症细胞系的拷贝数变异特征向量:其中,j=1,2,3,...,n;(1c3)计算上述Cicnv与Cjcnv之...
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。