[发明专利]基于多维网络的癌症细胞系治疗药物预测方法

摘要

本发明公开了一种基于多维网络的癌症细胞系治疗药物预测方法，主要解决现有技术对癌症细胞系治疗药物预测结果准确率低的问题。其方案是：下载n个癌症细胞系的数据，构建癌症细胞系相似性网络；下载m个药物的数据，构建药物相似性网络；在癌症细胞系相似性网络中，利用扩散成分分析算法计算得到n个癌症细胞系的低维特征向量矩阵；在药物相似性网络中，利用扩散成分分析算法计算得到m个药物的低维特征向量矩阵；获得药物反应的逻辑回归模型；计算药物和癌症细胞系之间为敏感性关系的得分；通过敏感性关系得分判断药物对癌症细胞系是否具有治疗作用。本发明提高了对癌症细胞系治疗药物预测结果的准确率，可用于癌症对药物的反应预测实验。

主权项

1.一种基于多维网络的癌症细胞系治疗药物预测方法，其特征在于，包括如下：(1)下载癌症细胞系的数据，构建癌症细胞系相似性网络：(1a)从与癌症细胞系基因表达相关的任意一个数据库下载n个癌症细胞系和这n个癌症细胞系所对应的t个基因的表达数据，得到基因表达矩阵构建癌症细胞系基因表达相似性网络(1b)从与癌症细胞系突变相关的任意一个数据库下载n个癌症细胞系和这n个癌症细胞系所对应的p个基因的突变数据，得到突变矩阵构建癌症细胞系突变相似性网络(1c)从与癌症细胞系拷贝数变异相关的任意一个数据库下载n个癌症细胞系和这n个癌症细胞系所对应的q个基因的拷贝数变异数据，得到拷贝数变异矩阵构建癌症细胞系拷贝数变异相似性网络(2)下载药物的数据，构建药物相似性网络：(2a)从与药物化学结构相关的任意一个数据库下载m个药物的化学结构表达式数据CH_m，构建药物化学结构相似性网络(2b)从与药物靶标相关的任意一个数据库下载m个药物的靶标数据TA_m，构建药物靶标相似性网络(3)在癌症细胞系基因表达相似性网络癌症细胞系突变相似性网络和癌症细胞系拷贝数变异相似性网络中，利用扩散成分分析算法计算得到n个癌症细胞系的低维特征向量矩阵其中d_c表示癌症细胞系特征向量的维度数量；(4)在药物化学结构相似性网络和药物靶标相似性网络中，利用扩散成分分析算法计算得到m个药物的低维特征向量矩阵其中d_d表示药物特征向量的维度数量；(5)获得药物反应的逻辑回归模型：(5a)从癌症细胞系低维特征向量矩阵中的第i行得到第i个癌症细胞系的低维特征向量：其中，i＝1,2,3,...,n；(5b)从药物低维特征向量矩阵中的第x行得到第x个药物的低维特征向量：(5c)将第i个癌症细胞系的低维特征向量和第x个药物的低维特征向量组合为联合特征向量：(5d)从与药物反应相关的任意一个数据库下载已知药物与癌症细胞系的反应关系数据；(5e)基于已知药物与癌症细胞系的反应关系数据和其对应的联合特征向量，对逻辑回归模型进行训练，得到药物反应预测模型；(6)将未知反应关系的药物与癌症细胞系所对应的联合特征向量作为药物反应预测模型的输入，计算药物和癌症细胞系之间的敏感性关系得分；(7)判断敏感性关系得分是否大于0.5，如果是，则对应的药物对癌症细胞系有治疗作用，否则，对应的药物对癌症细胞系没有治疗效果。