基于最大流的癌细胞药物反应预测方法研究

发布时间：2023-04-27 22:10

　　研究癌细胞系对抗癌药物的反应是理解癌症生物学和研发新型抗癌疗法的关键,在癌症治疗中起着至关重要的作用。传统的研究癌细胞系-药物反应方法是基于临床实验的,这是一个时间和资金耗费巨大的过程。为了寻找一种投入低、周期短、临床前的方法,研究人员开始利用已知的生物数据对药物反应敏感性进行建模。研究表明,通过多种生物分子信息的有效整合能大幅提高细胞系-药物反应预测的准度率。本文主要研究通过有效整合多源数据,建立合适的模型,对细胞系-药物反应进行预测。所做的工作如下:(1)提出了一种基于异构网络的最大信息流模型用于预测细胞系-药物反应(Using Maximum Information Flow on Heterogeneous Network For Drug Response Prediction,MIF2DRP)。首先,下载得到多个数据库中的细胞系、药物和基因数据,通过对这些数据进行相似性度量和预处理,整合得到一个包含多源信息的三层异构网络。接着,将其转换为流网络,针对每种药物用最大流算法计算得到药物节点间和细胞系节点间的最大信息流,用该值来衡量细胞系-药物反应的作用关系。最后,通过阈值的设定...

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
ABSRTACT
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 研究内容
    1.4 论文组织结构
第2章 最大流算法和随机森林模型
    2.1 最大流算法
        2.1.1 流网络和流
        2.1.2 Ford-Fulkerson算法
        2.1.3 残存网络
        2.1.4 增广路径
    2.2 基于最大流的网络节点重要性度量指标
    2.3 随机森林模型
第3章 基于异构网络的最大信息流模型
    3.1 数据和异构网络的构建
        3.1.1 药物相似性网络
        3.1.2 细胞系相似性网络
        3.1.3 基因间相互作用网络
        3.1.4 细胞系-基因相互作用网络
        3.1.5 细胞系-药物反应网络
        3.1.6 构建异构网络
    3.2 MIF2DRP模型
    3.3 性能指标和实验结果比较分析
    3.4 实验结果
        3.4.1 参数调优
        3.4.2 模型性能比较
        3.4.3 不同信息对模型性能的影响
        3.4.4 案例研究
    3.5 本章小结
第4章 基于最大流的随机森林模型
    4.1 相关数据和关系网络的构建
        4.1.1 药物关系网络
        4.1.2 细胞系关系网络
        4.1.3 细胞系-药物反应网络
        4.1.4 细胞系特征和药物特征
    4.2 RFMMIF模型
    4.3 实验结果
        4.3.1 参数调优
        4.3.2 模型性能比较
    4.4 案例研究
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 未来工作
参考文献
附录(攻读学位期间发表的论文)
致谢



本文编号：3803162