耐药性关键基因筛选方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及一种耐药性关键基因筛选方法、装置、电子设备及存储介质，属于医学领域。该方法包括获取耐药细胞中与目标性状对应的第一转录组，获取敏感细胞中与所述目标性状对应的第二转录组；根据基因的差异表达以及基因之间的相互作用关系，针对第一转录组，得到耐药基因调控网络，针对第二转录组，得到敏感基因调控网络；根据所述耐药基因调控网络与所述敏感基因调控网络之间的差异，得到包括多个节点的差异调控网络，每个所述节点用于表征耐药基因；计算所述差异调控网络所包括的每个节点的重要性值，根据差异网络中节点的重要性值对基因进行排序，从而确定耐药性关键基因。通过该方法所获得的耐药性关键基因的准确率更高。

Screening methods, devices, electronic devices and storage media of drug resistance key genes

【技术实现步骤摘要】
耐药性关键基因筛选方法、装置、电子设备及存储介质
本申请属于医学领域，具体涉及一种耐药性关键基因筛选方法、装置、电子设备及存储介质。
技术介绍
肿瘤细胞对治疗药物产生耐药性是临床肿瘤治疗中不可避免的事件，其限制了药物治疗的效果，从而影响癌症的治愈，因此，有必要筛选出对肿瘤细胞的耐药性产生关键影响的耐药性关键基因进行研究。在现有的基于基因的转录组数据来筛选耐药性关键基因的方法中，一般采用基因差异表达分析法。然而，基因差异表达分析法只考虑了基因的表达水平的差异而没有考虑基因之间的相互作用，使得最后得到的耐药性关键基因的准确率不高。
技术实现思路
有鉴于此，本申请的目的在于提供一种耐药性关键基因筛选方法、装置、电子设备及存储介质，基于基因在时序上的动态变化以及基因之间的相互作用关系来得到差异调控网络，最后得到准确率较高的耐药性关键基因。本申请的实施例是这样实现的：第一方面，本申请实施例提供一种耐药性关键基因筛选方法，所述方法包括：获取耐药细胞中与目标性状对应的第一转录组，获取敏感细胞中与所述目标性状对应的第二转录组；根据基因的差异表达以及基因之间的相互作用关系，针对第一转录组，得到耐药基因调控网络，针对第二转录组，得到敏感基因调控网络；根据所述耐药基因调控网络与所述敏感基因调控网络之间的差异，得到包括多个节点的差异调控网络，每个所述节点用于表征耐药基因；计算所述差异调控网络所包括的每个节点的重要性值，并根据得到的多个重要性值的大小关系进行排序，确定耐药性关键基因。由于在筛选耐药性关键基因的过程中，既考虑到耐药细胞以及敏感细胞中与目标性状对应的基因在时序上的动态变化，也考虑到基因之间的相互作用关系，因此，最后得到耐药性关键基因的准确度更高。结合第一方面实施例，在一种可能的实施方式中，所述根据基因的差异表达以及基因之间的相互作用关系，针对第一转录组，得到耐药基因调控网络，针对第二转录组，得到敏感基因调控网络，包括：根据基因在一段时间内的最大表达量与阈值之间的关系，从所述第一转录组中筛选出第一组时序变化基因，从所述第二转录组中筛选出第二组时序变化基因；分别计算所述第一组时序变化基因之间的相互作用程度及所述第二组时序变化基因之间的相互作用程度，得到第一相互作用系数矩阵及第二相互作用系数矩阵；根据所述第一相互作用系数矩阵，得到所述耐药基因调控网络，根据所述第二相互作用系数矩阵，得到所述敏感基因调控网络。结合第一方面实施例，在一种可能的实施方式中，所述阈值包括第一阈值及第二阈值，所述根据基因在一段时间内的最大表达量与阈值之间的关系，从所述第一转录组中筛选出第一组时序变化基因，从所述第二转录组中筛选出第二组时序变化基因，包括：针对所述第一转录组中的某个基因，当该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不小于所述第二阈值时，或者该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不大于所述第二阈值的倒数时，确定该基因为所述第一转录组中的所述第一组时序变化基因；针对所述第二转录组中的某个基因，当该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不小于所述第二阈值时，或者该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不大于所述第二阈值的倒数时，确定该基因为所述第二转录组中的所述第二组时序变化基因。结合第一方面实施例，在一种可能的实施方式中，所述分别计算所述第一组时序变化基因之间的相互作用程度及所述第二组时序变化基因之间的相互作用程度，得到第一相互作用系数矩阵及第二相互作用系数矩阵，包括：构建用于表征基因之间相互作用程度的常微分模型其中，xi表示第i个基因的时序表达量，表示从基因j到基因i的调控系数，bi表示降解常数，表示先验信息；通过LASSO回归算法估算所述常微分模型中每两个第一组时序变化基因之间的调控系数，得到所述第一相互作用系数矩阵；通过所述LASSO回归算法估算所述常微分模型中每两个第二组时序变化基因之间的调控系数，得到所述第二相互作用系数矩阵。结合第一方面实施例，在一种可能的实施方式中，所述根据所述第一相互作用系数矩阵，得到耐药基因调控网络，根据所述第二相互作用系数矩阵，得到敏感基因调控网络，包括：根据贝叶斯准则筛选出所述第一相互作用系数矩阵中表征作用程度显著的值确定为第一结果值，根据贝叶斯准则筛选出所述第二相互作用系数矩阵中表征作用程度显著的值确定为第二结果值；将每个所述第一结果值所涉及到的两个基因用两个节点进行表示，并在所述两个节点之间建立连线，得到所述耐药基因调控网络，将每个所述第二结果值所涉及到的两个基因用两个节点进行表示，并在所述两个节点之间建立连线，得到所述敏感基因调控网络。结合第一方面实施例，在一种可能的实施方式中，所述根据所述耐药基因调控网络与所述敏感基因调控网络之间的差异，得到包括多个节点的差异调控网络，每个所述节点用于表征耐药基因，包括：将所述耐药基因调控网络与所述敏感基因调控网络进行比对；筛选出存在于所述耐药基因调控网络且不存在于所述敏感基因调控网络中的连线以及与筛选出的连线相关联的节点，得到所述差异调控网络。结合第一方面实施例，在一种可能的实施方式中，所述计算所述差异调控网络所包括的每个节点的重要性值，得到多个重要性值，包括：基于公式计算所述差异调控网络所包括的每个节点的重要性值，其中，riH表征第i个节点所对应的基因在所述差异调控网络的邻接矩阵中所对应的奇异值，riS表征第i个节点所对应的基因在所述耐药基因调控网络中的网络熵与在所述敏感基因调控网络中的网络熵的差，表征第i个节点所对应的基因在所述差异调控网络中的适应值，和分别表示第i个节点所对应的基因在敏感细胞和耐药细胞中的基因表达的动态变化的差异，表示第i个节点所对应的基因在所述敏感细胞中的时间点为T时的基因表达量，表示第i个节点所对应的基因在所述耐药细胞中的时间点为T时的基因表达量。第二方面，本申请实施例提供一种耐药性关键基因筛选装置，所述装置包括：获取模块，用于获取耐药细胞中与目标性状对应的第一转录组，获取敏感细胞中与所述目标性状对应的第二转录组；确定模块，用于根据基因的差异表达以及基因之间的相互作用关系，针对第一转录组，得到耐药基因调控网络，针对第二转录组，得到敏感基因调控网络；所述确定模块，还用于根据所述耐药基因调控网络与所述敏感基因调控网络之间的差异，得到包括多个节点的差异调控网络，每个所述节点用于表征耐药基因；计算模块，还用于计算所述差异调控网络所包括的每个节点的重要性值，并根据得到的多个重要性值的大小关系进行排序，确定耐药性关键基因。结合第二方面实施例，在一种可能的实施方式中，所述确定模块，用于根据基因在一段时间内的最大表达量与阈值之间的关系，从所述第一转录组中筛选出第一组时序变化基因，从所述第二转录组中筛选出第二组时序变化基因；分别计算所述第一组时序变化基因之间的相互作用程度及所述第二组时序变化基因之间的相本文档来自技高网...

【技术保护点】
1.一种耐药性关键基因筛选方法，其特征在于，所述方法包括：/n获取耐药细胞中与目标性状对应的第一转录组，获取敏感细胞中与所述目标性状对应的第二转录组；/n根据基因的差异表达以及基因之间的相互作用关系，针对第一转录组，得到耐药基因调控网络，针对第二转录组，得到敏感基因调控网络；/n根据所述耐药基因调控网络与所述敏感基因调控网络之间的差异，得到包括多个节点的差异调控网络，每个所述节点用于表征耐药基因；/n计算所述差异调控网络所包括的每个节点的重要性值，并根据得到的多个重要性值的大小关系进行排序，确定耐药性关键基因。/n

【技术特征摘要】
1.一种耐药性关键基因筛选方法，其特征在于，所述方法包括：
获取耐药细胞中与目标性状对应的第一转录组，获取敏感细胞中与所述目标性状对应的第二转录组；
根据基因的差异表达以及基因之间的相互作用关系，针对第一转录组，得到耐药基因调控网络，针对第二转录组，得到敏感基因调控网络；
根据所述耐药基因调控网络与所述敏感基因调控网络之间的差异，得到包括多个节点的差异调控网络，每个所述节点用于表征耐药基因；
计算所述差异调控网络所包括的每个节点的重要性值，并根据得到的多个重要性值的大小关系进行排序，确定耐药性关键基因。


2.根据权利要求1所述的方法，其特征在于，所述根据基因的差异表达以及基因之间的相互作用关系，针对第一转录组，得到耐药基因调控网络，针对第二转录组，得到敏感基因调控网络，包括：
根据基因在一段时间内的最大表达量与阈值之间的关系，从所述第一转录组中筛选出第一组时序变化基因，从所述第二转录组中筛选出第二组时序变化基因；
分别计算所述第一组时序变化基因之间的相互作用程度及所述第二组时序变化基因之间的相互作用程度，得到第一相互作用系数矩阵及第二相互作用系数矩阵；
根据所述第一相互作用系数矩阵，得到所述耐药基因调控网络，根据所述第二相互作用系数矩阵，得到所述敏感基因调控网络。


3.根据权利要求2所述的方法，其特征在于，所述阈值包括第一阈值及第二阈值，所述根据基因在一段时间内的最大表达量与阈值之间的关系，从所述第一转录组中筛选出第一组时序变化基因，从所述第二转录组中筛选出第二组时序变化基因，包括：
针对所述第一转录组中的某个基因，当该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不小于所述第二阈值时，或者该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不大于所述第二阈值的倒数时，确定该基因为所述第一转录组中的所述第一组时序变化基因；
针对所述第二转录组中的某个基因，当该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不小于所述第二阈值时，或者该基因在某段时间内的最大表达量大于所述第一阈值且该基因至少在两个时间点的基因表达量之商不大于所述第二阈值的倒数时，确定该基因为所述第二转录组中的所述第二组时序变化基因。


4.根据权利要求2所述的方法，其特征在于，所述分别计算所述第一组时序变化基因之间的相互作用程度及所述第二组时序变化基因之间的相互作用程度，得到第一相互作用系数矩阵及第二相互作用系数矩阵，包括：
构建用于表征基因之间相互作用程度的常微分模型其中，xi表示第i个基因的时序表达量，aij表示从基因j到基因i的调控系数，bi表示降解常数，eij表示先验信息；
通过LASSO回归算法估算所述常微分模型中每两个第一组时序变化基因之间的调控系数，得到所述第一相互作用系数矩阵；
通过所述LASSO回归算法估算所述常微分模型中每两个第二组时序变化基因之间的调控系数，得到所述第二相互作用系...

【专利技术属性】
技术研发人员：孙小强，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44