一种指导个性化治疗研究的适应性评估标志物筛选算法制造技术

本发明专利技术提供一种指导个性化治疗研究的适应性评估标志物筛选算法，包括络构建和网络分析，基于相对差异性表达衡量代谢比值特征在治疗有效组样本和治疗无效组样本中的变化构建差异代谢网络，消除了个体差异对于数据分析的影响。同时，基于所构建的差异代谢网络，采用拓扑结构分析方法发现处于通路反应枢纽位置的重要代谢物。提取以所选代谢物为中心的网络子图作为适应性评估标志物，用于在治疗前预测患者是否适合接受某一临床治疗方案，指导精准用药和个性化治疗方案的实施。

【技术实现步骤摘要】
一种指导个性化治疗研究的适应性评估标志物筛选算法
本专利技术涉及生物数据分析
，特别涉及一种指导个性化治疗研究的适应性评估标志物筛选算法。
技术介绍
随着系统生物学的快速发展，研究者们逐渐注重从生物系统的整体性角度分析机体的生命活动过程，寻找复杂疾病有效的治疗方法。代谢组学，作为系统生物学的一个重要分支，旨在定量且定性地探究生命机体对于内在基因突变、生理病理变化以及外在环境等因素影响下代谢物的动态多元响应。代谢物是基因的下游产物，也是其最终产物，基因表达的微小变化在代谢物上会得到放大，体现得更为明显，并且代谢物浓度的变化可以反映机体不同的生理病理状态，对代谢组学的研究可以发现疾病症状变化前的早期代谢扰动。因此，代谢组学被广泛应用于临床疾病标志物筛选和个性化治疗等领域的研究，并且取得了许多重要的进展。糖尿病是由于体内胰岛素分泌绝对或相对不足而导致机体中糖、脂肪、蛋白质代谢紊乱的一种常见疾病，其临床表型为患者长期处于高血糖状态。据国际糖尿病联盟数据统计结果显示，2019年我国糖尿病患者约为1.164亿人，是糖尿病患者人数最多的国家。糖本文档来自技高网...

【技术保护点】
1.一种指导个性化治疗研究的适应性评估标志物筛选算法，其特征在于，包括网络构建和网络分析；/n所述的网络构建包括如下步骤：/n1)输入治疗有效组和治疗无效组的代谢数据；/n2)对数据中的任意两个代谢特征f

【技术特征摘要】
1.一种指导个性化治疗研究的适应性评估标志物筛选算法，其特征在于，包括网络构建和网络分析；
所述的网络构建包括如下步骤：
1)输入治疗有效组和治疗无效组的代谢数据；
2)对数据中的任意两个代谢特征fi，fj在每类样本上构建代谢比值特征rij；
3)根据公式(1)计算每个比值变量rij的均值Sij；
定义rij表示代谢物fi和代谢物fj的比值特征，Sij为rij在所有样本上的均值，其计算方式如公式(1)：



其中rijt表示代谢比值特征rij在样本t上的表达值；
4)根据每个代谢比值特征rij的均值Sij，使用公式(2)和(3)计算该代谢比值特征在治疗有效组和治疗无效组中的△ij值；
pij(cl)＝prob(rijt<Sij|yt＝cl)(2)
△ij＝|pij(c1)-pij(c2)|(3)
其中pij(cl)为在cl类样本中事件rijt<Sij发生的先验概率。△ij>0表明代谢比值特征rij在大部分c1类样本中的含量要小于在c2类样本中的含量，反之亦然；△ij绝对值越大，说明代谢比值特征rij在两类样本中差异性越大，即相对应的代谢通路反应活动越剧烈；
5)如果△ij值大于等于ε，则网络图中两个节点fi，...

【专利技术属性】
技术研发人员：黄鑫，周洋，苏本哲，
申请(专利权)人：鞍山师范学院，
类型：发明
国别省市：辽宁;21