基于转录组和机器学习的多靶点抗癌药物筛选优化方法技术

本发明专利技术提供一种基于转录组和机器学习的多靶点抗癌药物筛选优化方法，涉及生物医药技术领域，本发明专利技术首先获得了三组转录组资料，并采用

【技术实现步骤摘要】
基于转录组和机器学习的多靶点抗癌药物筛选优化方法


[0001]本专利技术涉及生物医药
，尤其涉及一种基于转录组和机器学习的多靶点抗癌药物筛选优化方法
。

技术介绍

[0002]癌症是一种严重的疾病，对人类的健康和生命造成了巨大的威胁
。
现有的抗癌药物往往只能作用于单个靶点或通路，难以对复杂的癌症发挥全面的治疗作用
。
因此，研发多靶点的抗癌药物成为了目前癌症研究的热点和难点
。
[0003]随着高通量测序技术的发展，越来越多的基因表达数据被积累和公开
。
这些数据为基于基因表达谱的药物发现提供了有力的支持
。
然而，如何从这些数据中挖掘出与癌症相关的基因和通路，以及如何利用机器学习方法进行有效的药物筛选和优化，仍然是一个具有挑战性的问题
。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供一种基于转录组和机器学习的多靶点抗癌药物筛选优化方法
。
[0005]一种基于转录组和机器学习的多靶点抗癌药物筛本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于转录组和机器学习的多靶点抗癌药物筛选优化方法，其特征在于，包括以下步骤：步骤1：采集特定类型肿瘤的转录组测序数据，分别获得肿瘤组织样本和正常组织样本；步骤2：使用生物信息学软件对转录组测序数据进行差异分析，筛选差异基因，获得差异程度高于设定阈值的上调基因和下调基因；步骤3：从筛选出的差异基因中分别获得各组上调基因和下调基因的交集，使用基因分析预测软件对差异基因取交集，并绘制韦恩图以确定与当前癌症疾病相关的关键基因簇；步骤4：对关键基因簇进行
GO
和
KEGG
分析，获得与当前癌症相关的功能和通路信息；步骤5：将差异基因输入到
CMap
数据库中进行筛选获得小分子得分情况；步骤6：结合步骤4获得的功能和通路信息，以及步骤5中的小分子得分情况，选择候选药物；步骤7：针对候选药物，进行生物学实验进行药物有效性验证；步骤8：使用靶点预测工具对有效药物进行基于机器学习的靶点预测，获得药物可能的靶点；步骤9：以计算生物学的方法对可能的靶点进行验证，采用分子对接软件进行分子对接，观测小分子与靶点之间存在的稳定的连接关系
。2.
根据权利要求1所述的基于转录组和机器学习的多靶点抗癌药物筛选优化方法，其特征在于，所述步骤4具体为：使用者选择最新版本的生物数据库，将关键基因簇的各个基因名提交到数据库的分析窗口，提交数据并选择细胞成分
CC、
生物过程
BP
和分子功能
MF
的类别以及京都基因和基因组百科全书通路
KEGG
进行分析
。3.
根据权利要求2所述的基于转录组和机器学习的多靶点抗癌...

【专利技术属性】
技术研发人员：赵勇山，张睿琦，张景海，
申请(专利权)人：沈阳药科大学，
类型：发明
国别省市：