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】
本申请涉及计算机领域,尤其涉及一种药物预测方法、装置、电子设备及存储介质。
技术介绍
1、随着肿瘤基因组学的研究增强了对肿瘤生物学的了解,使得人们可以通过研究基因组测序信息进行药物开发,但是对于肿瘤药物的开发不仅需要高昂的成本还需要漫长的周期;而非肿瘤药物作为现成存在的化学实体,将非肿瘤药物用于肿瘤治疗也属于当下药物应用的重要方向,也即利用非肿瘤药物用于肿瘤治疗,现有相关技术中,通常是通过人为实验和分析肿瘤细胞和非肿瘤药物之间基因表达或其他分子特征的匹配模式,以此寻找潜在药物的可能性。该方式需要人为实验和分析,存在难度大和效率低的问题。
技术实现思路
1、为了解决上述技术问题,本申请提供了一种药物预测方法、装置、电子设备及存储介质。
2、第一方面,本申请提供了一种药物预测方法,包括:
3、依据目标癌细胞的基因组测序信息确定突变信息;
4、针对所述突变信息进行特征提取,得到突变基因特征;
5、基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果。
6、可选的,所述基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果,包括:
7、确定所述待测药物对应的目标靶点信息;
8、对所述目标靶点信息进行特征提取,得到所述药物靶点特征;
9、将所述突变基因特征和所述药物靶点特征输入至预先训练的药物预测模型,得到所述药物预测模型输出的所述药物预测
10、可选的,所述基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果,包括:
11、依据所述突变信息,确定突变驱动基因信息;
12、基于所述突变驱动基因信息与所述目标靶点信息,得到两者在蛋白互作网络中的拓扑邻近度特征;
13、基于所述突变基因特征,结合所述药物靶点特征和所述邻近度特征进行预测,得到所述待测药物对应的所述药物预测结果。
14、可选的,所述基于所述突变驱动基因信息与所述目标靶点信息,得到两者在蛋白互作网络中的拓扑邻近度特征,包括:
15、采用所述突变驱动基因信息,确定驱动基因位置;
16、采用所述目标靶点信息,确定目标靶点位置;
17、确定所述驱动基因位置和所述目标靶点位置之间的距离信息和靶向特异信息;
18、采用所述距离信息和所述靶向特异信息,确定两者在蛋白互作网络中的拓扑所述邻近度特征。
19、可选的,所述针对所述突变信息进行特征提取,得到突变基因特征,包括:
20、确定所述突变信息对应的致病评分信息、突变状态信息以及组织起源信息;
21、基于所述致病评分信息、所述突变状态信息以及所述组织起源信息,生成所述突变基因特征。
22、可选的,所述确定所述突变信息对应的致病评分信息、突变状态信息以及组织起源信息,包括:
23、确定所述突变信息中各个突变驱动基因信息的关联水平值和异常变异评分,并将所述关联水平值和所述异常变异评分,确定为所述致病评分信息;
24、将各个所述突变驱动基因信息与预设的典型癌基因突变状态集合进行对比,得到所述突变状态信息;
25、确定各个所述突变驱动基因信息所属的组织向量,并将所述组织向量确定为所述组织起源信息。
26、可选的,所述基于所述突变基因特征,结合所述药物靶点特征和所述邻近度特征进行预测,得到所述待测药物对应的所述药物预测结果,包括:
27、采用所述突变基因特征,所述药物靶点特征以及所述邻近度特征进行剂量反应面积预测,得到所述待测药物对应的剂量反应曲线;
28、基于所述剂量反应曲线生成所述药物预测结果。
29、第二方面,本申请提供了一种药物预测装置,包括:
30、确定模块,用于依据目标癌细胞的基因组测序信息确定突变信息;
31、特征提取模块,用于针对所述突变信息进行特征提取,得到突变基因特征;
32、预测模块,用于基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果。
33、第三方面,提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
34、存储器,用于存放计算机程序;
35、处理器,用于执行存储器上所存放的程序时,实现第一方面任一项所述的药物预测方法。
36、第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的药物预测方法。
37、本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
38、本申请实施例通过依据目标癌细胞的基因组测序信息确定突变信息,并针对突变信息进行特征提取,得到突变基因特征,从而可以基于突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到个体化的药物预测结果;解决了人为实验和分析药物可能性,所导致药物预测难度大和效率低的问题,进而降低了药物预测的难度和提高了药物预测的效率。
本文档来自技高网...【技术保护点】
1.一种药物预测方法,其特征在于,包括:
2.根据权利要求1所述的药物预测方法,其特征在于,所述基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果,包括:
3.根据权利要求1所述的药物预测方法,其特征在于,所述基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果,包括:
4.根据权利要求3所述的药物预测方法,其特征在于,所述基于所述突变驱动基因信息与所述目标靶点信息,得到两者在蛋白互作网络中的拓扑邻近度特征,包括:
5.根据权利要求1所述的药物预测方法,其特征在于,所述针对所述突变信息进行特征提取,得到突变基因特征,包括:
6.根据权利要求5所述的药物预测方法,其特征在于,所述确定所述突变信息对应的致病评分信息、突变状态信息以及组织起源信息,包括:
7.根据权利要求3所述的药物预测方法,其特征在于,所述基于所述突变基因特征,结合所述药物靶点特征和所述邻近度特征进行预测,得到所述待测药物对应的所述药物预测结果,包括:
8.一种药物预测装置
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的药物预测方法。
...【技术特征摘要】
1.一种药物预测方法,其特征在于,包括:
2.根据权利要求1所述的药物预测方法,其特征在于,所述基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果,包括:
3.根据权利要求1所述的药物预测方法,其特征在于,所述基于所述突变基因特征,结合预设待测药物的药物靶点特征进行预测处理,得到药物预测结果,包括:
4.根据权利要求3所述的药物预测方法,其特征在于,所述基于所述突变驱动基因信息与所述目标靶点信息,得到两者在蛋白互作网络中的拓扑邻近度特征,包括:
5.根据权利要求1所述的药物预测方法,其特征在于,所述针对所述突变信息进行特征提取,得到突变基因特征,包括:
6....
【专利技术属性】
技术研发人员:李俊,董小宝,王晓艳,王海涛,
申请(专利权)人:天津医科大学,
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。