System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及系统生物信息学领域,特别是涉及一种肿瘤细胞通信预测方法。
技术介绍
1、癌症是全球公共卫生领域的重要问题,也是中国居民死亡的主要原因之一。其中,黑色素瘤是一种由黑色素细胞恶变产生的皮肤恶性肿瘤。据世界卫生组织数据统计,全世界每年约有132,000例新诊断的黑色素瘤患者,且发病率在世界范围内均呈逐年上升趋势。虽然黑色素瘤只占皮肤癌总体的1%,但由于其恶性程度高、侵袭性强,是死亡率最高的皮肤癌类型。尽管中国黑色素瘤的发病率低于欧美等西方国家,但依旧不容忽视,每年新增黑色素瘤患者约2万例。此外,结直肠癌是常见的消化道恶性肿瘤之一。数据显示,全球新发的结直肠癌病例约为188.1万例,占所有恶性肿瘤新发病例的10%,仅次于乳腺癌和肺癌,位居第3。此外,结直肠癌死亡病例约为91.6万人,占所有恶性肿瘤死亡病例的9.4%,仅次于肺癌,位居第2。据相关研究表明,未来15年全球结直肠癌负担将会增加60%,新发和死亡病例分别超过220万例和110万例。同时,我国的结直肠癌发病率和死亡率也呈逐年上升趋势。综上,探寻癌症治疗新手段刻不容缓。
2、就癌症而言,肿瘤微环境中的细胞通信能够通过不同的途径诱导癌症的发生和发展。研究表明,基于配体与受体的共表达,癌细胞和正常细胞以及癌细胞之间的相互作用可以诱导恶性肿瘤的生长。kumar等人的研究证实,肿瘤生长程度与某些特定配体-受体相互作用的活性存在强相关性。因此,为了解析癌症的发生、恶化、转移以及组织炎症的分子机制,并进一步设计抗癌药物和靶向治疗癌症,细胞通信机制的研究是至关重要的。<
...【技术保护点】
1.一种肿瘤细胞通信预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,所述步骤S1.2中,使Po表示为一个具有N个氨基酸残基的蛋白质序列,即配体或受体序列,Po={R1R2…Ri…RN},其中Ri表示Po的第i个位置的氨基酸残基,标记i和j用于指示氨基酸在序列中的位置,r、s用于标记氨基酸类型,
3.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,所述步骤S1.3在得到了配体和受体的特征表示向量后,进一步实施基于主成分分析的降维,并保留95%的信息,得到配体和受体的低维生物特征。
4.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,步骤S2中所述图自编码器模型对配体-受体相互作用数据进行分类,所述图自编码器模型分类步骤包括:
5.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,步骤S2中所述深度神经网络模型是根据已知的配体-受体相互作用对来对未知的配体-受体进行分类,该模型由一个输入层、多个隐藏层和一个输出层组成,
6.根据权利要求1所述的一
7.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,所述步骤S3.1具体步骤为根据单细胞测序数据对筛选出的已知配体-受体相互作用对进行过滤,如果某个配体-受体相互作用对中的配体或受体在单细胞测序数据的细胞中没有表达,则该配体-受体相互作用对被排除在相应的细胞通信中,然后将最终过滤的配体-受体相互作用对应用于细胞通信分析。
8.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,所述步骤S3.2中将表达乘积法、表达阈值法、表达集成方法来预测细胞通信,步骤如下:
9.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,为了预测黑色素瘤组织中的细胞通信,首先从GEO数据库下载相关的单细胞测序数据;然后,结合过滤后的配体-受体相互作用对和单细胞测序数据,建立与黑色素瘤相关的细胞通信网络;最后,进行了人类黑色素瘤组织中的细胞通信预测,发现巨噬细胞与人类黑色素瘤癌癌细胞的通信概率更高。
10.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,为预测人类结直肠癌组织中的细胞通信,从GEO数据库下载相关的单细胞测序数据;结合过滤后的配体-受体相互作用和单细胞测序数据,建立与结直肠癌相关的细胞通信网络;最后,进行人类结直肠癌组织中的细胞通信预测,发现内皮细胞与人类结直肠癌癌细胞的通信概率更高。
...【技术特征摘要】
1.一种肿瘤细胞通信预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,所述步骤s1.2中,使po表示为一个具有n个氨基酸残基的蛋白质序列,即配体或受体序列,po={r1r2…ri…rn},其中ri表示po的第i个位置的氨基酸残基,标记i和j用于指示氨基酸在序列中的位置,r、s用于标记氨基酸类型,
3.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,所述步骤s1.3在得到了配体和受体的特征表示向量后,进一步实施基于主成分分析的降维,并保留95%的信息,得到配体和受体的低维生物特征。
4.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,步骤s2中所述图自编码器模型对配体-受体相互作用数据进行分类,所述图自编码器模型分类步骤包括:
5.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,步骤s2中所述深度神经网络模型是根据已知的配体-受体相互作用对来对未知的配体-受体进行分类,该模型由一个输入层、多个隐藏层和一个输出层组成,
6.根据权利要求1所述的一种肿瘤细胞通信预测方法,其特征在于,步骤s2中s2.9集成模型在学习过程中,图自编码器和深度神经网络作为基预测器进行训练,并将它们的输出进行集成,以确定最终的分类结果,对于未知配体-受体对,设和分别表示其通过图自编码器和深度神经网络计算所得...
【专利技术属性】
技术研发人员:彭利红,黄亮亮,刘龙龙,周立前,
申请(专利权)人:湖南工业大学,
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。