基于通路活性及弹性网的癌症药物敏感性预测方法技术

本发明专利技术提供了一种基于通路活性及弹性网的癌症药物敏感性预测方法，首先，在基因表达矩阵中，选择每一个通路网络中和其他基因连接紧密的关键基因表达值并计算分析，得到每一个通路活性向量，然后把所有的通路活性向量合并为矩阵；把每个药物的分子描述作为该药物化学特征矩阵和通路活性特征矩阵合并成新的特征矩阵；最后，使用弹性网对24种药物的特征矩阵进行训练并优化参数，使用均方误差作为评价标准；发明专利技术能够有效预测出每种药物的敏感性水平和其生物标志物，在大多数药物上具有更高的精度，可以帮助临床实验减少时间和金钱成本，从而进行有效的预测药物反应；本发明专利技术的方法能够从多维度特征学习抗癌药物的潜在关系，具有更好的生物学解释。

【技术实现步骤摘要】
基于通路活性及弹性网的癌症药物敏感性预测方法
本专利技术属于生物信息学和机器学习
，具体涉及一种基于通路活性及弹性网回归的癌症药物敏感性预测方法，更具体涉及一种预测24种抗癌药物敏感性对癌症细胞系的预测方法。
技术介绍
确定患者是否会对抗癌药物产生反应通常需要花费数月的时间，中间要经历反复的试验，还伴随着随时出现误用的可能性。研发有效的抗癌药物反应预测方法已经成为肿瘤学研究的重要课题。目前大多数方法通过建立单个基因的预测模型来预测药物敏感性，并没有考虑到通路中基因间相互作用关系以及通路中的关键基因，由于生物多样性和难以解释新基因-药物关联的生物学相关性，预测模型的可重复性很低。
技术实现思路
针对现有技术中的不足，本专利技术的目的是提供一种基于通路活性及弹性网的癌症药物敏感性预测方法。其模型预测精度高，可以对药物敏感性进行有效的预测，其中提出的选取通路中的关键基因的表达水平表示通路活性水平的方法，对于癌症药物敏感性具有更好的预测效果和较好的生物学解释。为达到上述目的，本专利技术的解决方案是：一种本文档来自技高网...

【技术保护点】
1.一种基于通路活性及弹性网的癌症药物敏感性预测方法，其特征在于：其包括如下步骤：/nS1：获取癌症细胞系的基因表达特征数据和抗癌药物的化学特征数据；/nS2：利用通路数据库得到每个通路中的基因间相互作用网络表，从该网络表中选择和癌症细胞系的基因表达特征数据基因连接紧密的关键基因；/nS3：计算每一个通路的通路活性向量，合并所有通路活性向量得到通路活性特征矩阵；/nS4：将步骤S1的抗癌药物的化学特征数据整合为药物化学特征矩阵，将所述药物化学特征矩阵和步骤S3的通路活性特征矩阵连接合并，得到包含癌症细胞系特征和药物化学特征的新矩阵；/nS5：构建基于步骤S1-S4的预测抗癌药物敏感性的弹性网模...

【技术特征摘要】
1.一种基于通路活性及弹性网的癌症药物敏感性预测方法，其特征在于：其包括如下步骤：
S1：获取癌症细胞系的基因表达特征数据和抗癌药物的化学特征数据；
S2：利用通路数据库得到每个通路中的基因间相互作用网络表，从该网络表中选择和癌症细胞系的基因表达特征数据基因连接紧密的关键基因；
S3：计算每一个通路的通路活性向量，合并所有通路活性向量得到通路活性特征矩阵；
S4：将步骤S1的抗癌药物的化学特征数据整合为药物化学特征矩阵，将所述药物化学特征矩阵和步骤S3的通路活性特征矩阵连接合并，得到包含癌症细胞系特征和药物化学特征的新矩阵；
S5：构建基于步骤S1-S4的预测抗癌药物敏感性的弹性网模型，把包含癌症细胞系特征和药物化学特征的新矩阵作为特征张量输入模型中进行训练与预测，同时验证模型的再现性。


2.根据权利要求1所述的基于通路活性及弹性网回归的癌症药物敏感性预测方法，其特征在于：在步...

【专利技术属性】
技术研发人员：秦玉芳，高冲，陈明，宋春晖，孙浩，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海;31