【技术实现步骤摘要】
预测抗癌药物反应的方法及装置
[0001]本专利技术涉及抗癌药物开发领域,具体地涉及预测抗癌药物反应的方法及装置。
技术介绍
[0002]癌症细胞的药物反应和耐药性的预测在癌症药物选择中起到关键作用,其在很大程度上仍然是未知的。大规模的实验工作对治疗不同类型癌症的药物选择有很大的帮助,但其受到实验条件依赖性、成本高、缺乏数据整合等多方面的限制,且患有同一种癌症的患者对特定药物治疗的反应可能不同,精准癌症药物的目标是在分子水平上破译特定患者癌症的原因,然后量身定制治疗方案,以延缓患者的癌症进展,因此识别个体药物敏感性的预测性生物标志物是促进精准癌症药物开发的关键。
[0003]与人和动物模型相比,人类癌细胞系通过简单的实验操作来研究癌症生物学和药物发现,其比动物和人体实验更具操作性,几项大规模的高通量筛选已分别对数百种人类癌细胞系的基因组和药理数据进行了分类。目前的研究表明,肿瘤内部存在多种突变基因共存,仅基于肿瘤特征的有效治疗方法的开发受到越来越多的限制。而将癌细胞系的基因组谱与药物反应联系起来的计算方法的开发可以促进精准癌症药物的开发,其中已识别的基因组生物标记物可用于预测抗癌药物反应,因此可以利用常规癌细胞系模型中的大规模药敏谱来识别临床相关的生物标志物。
[0004]随着计算技术的不断发展,为进一步降低药物研发成本,缩短研发周期,计算方法也逐渐应用于预测药物反应领域,并引发了众多学者的关注。目前,预测药物反应的计算模型主要分为四类,包括回归方法、矩阵分解方法、贝叶斯推理方法和基于矩阵补全的方法。 ...
【技术保护点】
【技术特征摘要】
1.一种预测抗癌药物反应的方法,其特征在于,包括:获取抗癌药物的药物反应谱及基因表达谱数据,从而得到反应矩阵及表达矩阵;对反应矩阵及表达矩阵进行预处理,从而得到标准化矩阵和处理后的表达矩阵;基于标准化矩阵和处理后的表达矩阵构建MCLRP模型,运用ADMM算法对MCLRP模型进行求解,得到预测矩阵;使用预测矩阵对抗癌药物反应进行预测。2.根据权利要求1所述的预测抗癌药物反应的方法,其特征在于,运用ADMM算法对MCLRP进行求解,得到预测矩阵的步骤之后,还包括:对预测矩阵进行评价,评价包括:计算每种药物的Person相关系数得到皮尔逊相关系数值,计算每种药物的Spearman相关系数得到斯皮尔曼相关系数值,其中皮尔逊相关系数值表示预测和观测到的药物反应曲线之间的相关性程度,斯皮尔曼相关系数值代表预测值和观察值之间的相关性,皮尔逊相关系数值或/和斯皮尔曼相关系数值越大,代表预测效果越好;优选地,进一步包括基于GDSC数据集的新药
‑
癌症关联预测分析即从细胞层面验证模型;优选地,进一步包括基于一致性鉴定的预测结果可靠性分析,即从基因层面验证模型。3.根据权利要求1所述的预测抗癌药物反应的方法,其特征在于,对反应矩阵及表达矩阵进行预处理,从而得到标准化矩阵和处理后的表达矩阵,包括:将反应矩阵中所有缺失值替换为0,然后对反应矩阵每一列进行标准化,得到标准化矩阵,表示为M
′
=[M
ik
′
]
m
×
p
,其中m是细胞系的数量,p是药物的数量;对表达矩阵运用主成分分析进行降维,M
′
是将反应矩阵标准化后的矩阵。4.根据权利要求3所述的预测抗癌药物反应的方法,其特征在于,所述基于标准化矩阵和处理后的表达矩阵构建MCLRP模型,运用ADMM算法对MCLRP模型进行求解,得到预测矩阵,包括:构建过程中假设反应矩阵能通过表达矩阵的列来线性表达,构建MCLRP模型中,将抗癌药物反应预测问题转换为允许噪声范围内的矩阵最小秩问题,由于矩阵最小秩的秩函数为非凸函数,用核函数进行替换,将矩阵最小秩问题转变为凸优化问题;并将MCLRP模型松弛为正则化模型,从而对MCLRP模型的目标函数进行等价变化。5.根据权利要求4所述的预测抗癌药物反应的方法,其特征在于,所述对MCLRP模型的目标函数进行等价变化,包括:变量替换或增广拉格朗日。6.根据权利要求5所述的预测抗癌药物反应的方法,其特征在于,所述将抗癌药物反应预测问题转换为允许噪声范围内的矩阵最小秩问题,包括:药...
【专利技术属性】
技术研发人员:杨家亮,王昆,李欣茹,曾雪迎,田埂,
申请(专利权)人:元码基因科技北京股份有限公司,
类型:发明
国别省市:
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。