[发明专利]基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法

摘要

本发明属医学技术领域，涉及基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法。本发明方法包括建立基因共表达网络、划分共表达网络为模块、共表达网络性质和模块的癌症特异性计算和建立酶网络、预测关键酶和代谢物。本发明方法可预测对于癌症代谢的关建酶，作为癌症治疗的药物候选靶点；每一个预测的癌症关键酶基因可对应到所涉及反应的代谢物，作为每种癌症的关键代谢物预测结果，该代谢物也可作为候选的药物设计基础代谢物；本方法能明显缩小实验搜寻的范围并加快靶点寻找进程，节约时间及费用，可用于筛选癌症及其他与代谢重调相关的复杂疾病的药物靶点，具有推广价值。

主权项

一种基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法，其特征在于，其包括步骤：(1)选择具有人类癌症、正常样本对照的基因表达芯片数据，建立共表达网络；(2)将共表达网络划分为模块，并鉴定模块的癌症特异性；(3)将共表达网络模块与人类代谢网络整合，根据人类代谢网络，建立酶网络；(4)结合来自不同癌症、不同数据集的结果，给出高分酶作为预测结果，步骤为：将所述的酶网络对应到酶编码基因和共表达网络模块中后，对每一个数据集的每一个模块，计算每一个酶基因与模块内和模块外的酶基因在酶网络中的连接数；若一个酶基因与模块内其他酶基因在代谢网络中的连接数Cin大于基于总连接数Call的期待值，则该酶基因被认为是一个关键酶基因，采用下述打分公式衡量酶基因的重要程度：Sgene=|AR-0.5|*log2Cin/CallNin/Nall]]>在上述公式中，AR为基因所在模块区分癌症样本和正常样本的ROC曲线下面积AUC‑ROC，Cin是酶基因与模块内其他酶基因的在酶网络中的连接度，Call为酶基因与酶网络中存在于该数据集所有模块中的其他酶基因的连接度；Nin和Nall分别为在该模块内的酶基因数和在该数据集中所有模块中的酶基因数；若酶基因的连接数大于期待值，则该基因得到一个正分值，反之亦然；将同一种癌症的两个数据集所得到的酶的分值相加后进行排序；对每一种癌症选择分值较大的关键酶作为预测结果。