[发明专利]一种基于通路的特异性组合药物靶标检测方法

摘要

本发明公开了一种基于通路的特异性组合药物靶标检测方法，该方法由五个执行过程和一个核心检测模块所组成，即使用基因芯片进行基因表达数据采集、通路数据库构建、通路表达谱构建、特异性组合药靶检测训练集和测试集构建、基于gbLR的通路特异性信号检测模块、以及特异性组合药靶辨识。在基于gbLR的通路特异性信号检测模块中，使用gbLR模型引入回归推广性反馈，并融合多次的局部特异性信号检测结果来避免非显著特异性噪声干扰，提高了通路特异性信号检测精度和可靠性。相比现有方法，本发明方法使用gbLR模型，克服了通路特异性信号检测中的小样本问题，并不受现有药物的限制，提供了一种较为可靠、精确、实用的药物靶标检测方法。

主权项

1.一种基于通路的特异性组合药物靶标检测方法，其特征在于：所述方法采用基于gbLR的通路特异性信号检测模块检测特异性组合药物靶标，方法的步骤是：A、使用基因芯片进行基因表达数据采集使用基因芯片进行组织样本的基因表达含量检测，通过扫描基因芯片上基因杂交信号，得到进一步处理的基因表达谱数据，基因表达数据包括标准基因表达谱数据和阳性基因表达谱数据；B、通路数据库构建从KEGG生物知识资源中收集通路信息，建立通路数据库，其中的每一条通路给出了一个潜在的特异性组合药物靶标；C、通路表达谱构建从采集的基因表达谱数据中提取通路中每个基因的表达水平，建立组织样本的通路表达谱；D、构建特异性组合药物靶标检测训练集和测试集将组织样本的标签归一化为一个分布在[0，1]上的变量，并以k∶1的比例分割所有组织样本为训练集和测试集，为了保证不同标签下的组织样本在训练集和测试集中均衡分布，要求具有相同标签的组织样本在训练集和测试集中的比例也为k∶1；E、基于gbLR的通路特异性信号检测模块使用通路表达谱回归组织样本标签并引入回归推广性反馈来检测通路的特异性信号，包括基于gbLR的通路特异性信号检测模块中，对每一个通路给出一个潜在的特异性组合药物靶标，循环执行下面例程：a、构建组织样本标签的罗切斯特回归模型，从通路中随机抽取p个基因作为预测因子，在训练集上建立组织样本标签的罗切斯特回归模型，其中，p取为0.5×min(N，m)，N为训练样本的数目、m为通路表达谱中的基因数目、min表示取最小值函数，重复L次，构建L个组织样本标签的罗切斯特回归模型：其中，x为组织样本的p个基因表达谱、为罗切斯特回归模型的线性回归系数、为组织样本的标签估计、e为数学常数；b、估计所有组织样本的标签，基于所建立的组织样本标签的罗切斯特回归模型对所有训练集和测试集中的组织样本的标签进行回归估计；c、计算罗切斯特回归模型负对数显著性，基于训练集和测试集中组织样本的标签真实值与估计值计算罗切斯特回归模型的p-Value负对数显著性，是对每一个罗切斯特回归模型，用所有组织样本估计其F统计量的p-Value值pV，然后依据pV计算罗切斯特回归模型的p-Value负对数显著性为lv＝-log10(pV)；d、获取通路特异性信号，L次循环结束后，通过基于L个组织样本标签罗切斯特回归模型的通路特异性检测，对所获得L个p-Value负对数显著性取中值，作为通路的特异性信号；F、特异性组合药物靶标辨识采用罗切斯特回归模型p-value负对数显著性阈值t，将步骤E所得到的通路特异性信号与该阈值t进行比较：当通路特异性信号大于阈值t时，则判定通路为特异性组合药物靶标，否则拒绝作为特异性组合药物靶标。