识别基因相互作用并将其应用于药物的敏感性预测

发布时间：2021-06-09 11:24

　　随着高通量测序的发展,我们现在已掌握了大量生物学数据,而且基因和抗癌药物以及蛋白质与蛋白质相互作用网络方面的数据也在不断地更新及丰富。“面对生物大数据,如何建立数学模型进行大数据的快速处理与有效分析,从而最大程度地发现隐藏在数据中的重要信息”是当今生物数学领域的重要研究课题。通过数学模型来研究预测抗癌药物的敏感性是癌症研究中一项基本工作,更是预测抗癌药物敏感性的重要方法,对基因组学和医学也具有现实意义。众所周知,个性化医疗的一个持久的挑战是选择每一个患者自己适合的抗癌药物。患者在大型临床试验测试药物是评估其功效和毒性的一种方法,但是测试数百个目前正在开发的药物这是不切实际的。因此,临床前预测模型是被高度期望的,因为它能使药物同时响应于数百细胞系的预测。目前用基因表达数据来预测药物敏感性的方法,都是假设基因与基因之间彼此是相互独立的,他们没有考虑基因之间的相互作用,我们称这种预测方法为一元抗癌药物敏感性预测。我们构造了三种方法来研究基因与基因之间的相互作用,找到每个抗癌药物的基因作用关系,并将之应用于药物敏感性的预测中,称之为二元抗癌药物敏感性预测。这三种方法分别是DGCor Net、D... 

【文章来源】：河北科技大学河北省

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

药物敏感性测量指标6）10倍交叉验证

第 2 章 抗癌药物研究的基础 络算法简介及其数据来源络简介意义上来讲，蛋白质与蛋白质之间相互作用是指两个或多个生蛋白质复合物的过程。从图论知识来说，蛋白质与蛋白质之间连接的网络，就称之为 PPI 网络。由此可知，PPI 网络所观地展现生物组织中的蛋白质和蛋白质之间的相互作用，同、计算机科学和分析模型来处理 PPI 网络相关的问题[32]。图网络。

DGPPINet算法中药物Nilotinib在GO:0005667~transcriptionfactorcomplex上的全局网络图

【参考文献】：
期刊论文
[1]低秩矩阵填充典型算法[J]. 邓军,谢鲲.  电子制作. 2017(09)
[2]矩阵填充理论概述[J]. 李文浩,武龙冬,李丽娜.  科技展望. 2015(27)
[3]基于矩阵填充技术重构低秩密度矩阵[J]. 韦仙.  武汉工程大学学报. 2015(02)
[4]加强老干部医疗保健服务的做法[J]. 朱立章.  人民军医. 2014(11)
[5]医疗大数据驱动的个性化医疗服务引擎研究[J]. 黄新霆,包小源,俞国培,焦杜娟.  中国数字医学. 2014(08)
[6]基于KNN算法和10折交叉验证法的支持向量选取算法[J]. 牛晓太.  华中师范大学学报(自然科学版). 2014(03)
[7]矩阵填充理论及其研究进展[J]. 王会敏.  绍兴文理学院学报(自然科学). 2013(01)
[8]开展个性化医疗保健服务的做法[J]. 李红霞,张新英,邓君.  人民军医. 2010(06)

博士论文
[1]关于矩阵填充和非负矩阵的研究[D]. 方茂中.华东师范大学 2008

硕士论文
[1]交叉验证中数据分布对分类性能的影响分析[D]. 赵存秀.山西大学 2013
[2]矩阵填充理论方法分析[D]. 马晓慧.浙江大学 2012
[3]带弹性网的稀疏主成分分析[D]. 张勇进.华中科技大学 2006



本文编号：3220492