基于多层网络的药物反应预测方法研究

论文摘要

癌症是一类复杂的异质性疾病,忽略癌症患者体内生物分子特征,仅仅依据癌症患者临床症状的传统治疗方式无法满足现代医疗治疗癌症的要求。通过分析患者的蛋白质组、基因组、转录组、表观遗传组及代谢组等相关的生物分子病理学信息,精准医疗能够指导预防、治疗和缓解癌症的过程。越来越多人类癌症细胞系的基因组学、转录组学和表观遗传组学等数据以及药物作用于癌症细胞系上的反应数据为建立药物反应预测模型提供了基础。本文提出基于多层网络的药物反应预测方法。首先,基于癌症细胞系的基因表达、基因突变和拷贝数变异分子特征构建癌症细胞系三层相似性网络,以及基于药物的化学结构特征和靶标信息构建药物二层相似性网络。其次,利用扩散成分分析方法提取癌症细胞系三层相似性网络中节点的低维特征向量和药物二层相似性网络中节点的低维特征向量。再次,将癌症细胞系的低维特征向量和药物的低维特征向量联合作为训练集数据的特征,将已知的药物-癌症细胞系的敏感性关系作为训练集的标签,根据训练集得到二项逻辑回归模型,以此模型来预测新的药物敏感的癌症细胞系。然后,通过交叉验证、与其他方法性能比较、在不同组织癌症细胞系预测以及癌症细胞系三层相似性网络和二层相似性网络等多个实验,说明了本文方法良好的药物反应预测能力。最后,本文通过文献验证以及富集分析验证了预测的五条新的药物-癌症细胞系敏感性关系。基于多层网络的药物反应预测方法通过采用扩散成分分析算法得到癌症节点和药物节点的低维特征向量,提取到了癌症细胞系在癌症细胞系三层相似性网络中的共性部分以及药物在药物二层相似性网络中的共性部分,而且降低了冗余数据和噪音数据对药物反应预测的影响,提高了药物反应预测的准确性,为将来研究抗癌药物的生物试验提供了候选药物,降低了试验的成本。

论文目录

摘要

ABSTRACT

符号对照表

缩略语对照表

第一章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于机器学习的方法

1.2.2 基于网络的方法

1.3 本文主要工作及结构安排

第二章相关概念及技术介绍

2.1 相关性计算

2.1.1 皮尔森相关系数

2.1.2 斯皮尔曼相关系数

2.2 Smith-Waterman算法

2.2.1 序列比对概念

2.2.2 Smith-Waterman算法

2.3 二项逻辑回归模型

2.3.1 模型定义

2.3.2 模型分析

2.4 多层网络基本概念

2.5 本章小结

第三章基于多层网络的药物反应预测方法

3.1 药物反应预测方法框架

3.2 实验数据

3.2.1 抗癌药物敏感性基因组学数据库

3.2.2 癌症细胞系百科全书数据库

3.2.3 有机小分子生物活性数据库

3.3 构建癌症细胞系三层网络

3.3.1 基于基因表达构建癌症细胞系相似性网络

3.3.2 基于基因突变构建癌症细胞系相似性网络

3.3.3 基于拷贝数变异构建癌症细胞系相似性网络

3.4 构建药物二层网络

3.4.1 基于化学结构构建药物相似性网络

3.4.2 基于靶标构建药物相似性网络

3.5 节点特征向量学习

3.5.1 扩散成分分析算法

3.5.2 癌症细胞系和药物的低维表示

3.6 药物反应预测

3.6.1 已知药物敏感性关系

3.6.2 预测药物敏感性关系

3.7 本章小结

第四章药物反应预测方法性能分析与结果验证

4.1 药物反应预测方法性能分析

4.1.1 交叉验证分析

4.1.2 方法性能比较

4.1.3 组织敏感性分析

4.1.4 数据敏感性分析

4.1.5 癌症细胞系三层与二层网络性能比较

4.2 药物反应预测结果验证

4.2.1 文献验证

4.2.2 Pathway富集分析

4.3 本章小结

第五章总结与展望

5.1 总结

5.2 展望

参考文献

致谢

作者简介

文章来源

类型: 硕士论文

作者: 周丹丹

导师: 鱼亮

关键词: 药物反应,多层网络,癌症细胞系,扩散成分分析,低维特征向量

来源: 西安电子科技大学

年度: 2019

分类: 基础科学,医药卫生科技

专业: 数学,药学

单位: 西安电子科技大学

分类号: R96;O157.5

DOI: 10.27389/d.cnki.gxadu.2019.002073

总页数: 61

文件大小: 2208K

下载量: 53

基于多层网络的药物反应预测方法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢