整合多组学数据的抗癌药物敏感性预测方法研究

发布时间：2023-11-14 18:19

　　在当今精准医疗技术发展的背景下,根据癌症患者自身的基因组学信息和临床表型特征研究癌症患者对治疗的反应至关重要,实现这一目标的关键在于准确预测抗癌药物对病人的敏感性。自大规模药物筛选数据发布以来,人们虽然已经提出了多种抗癌药物敏感性的预测方法,但大多数方法都是基于细胞内基因表达这一特征建立起来的。然而我们知道,描述一个样本的基因组状态除了基因表达之外,突变、拷贝数变异、DNA甲基化等信息同样对于决定药物敏感性提供了至关重要的信息。在此背景下,整合多组学数据建立抗癌药物敏感性的预测模型具有重要的科学意义。本文通过整合细胞系的基因表达、拷贝数变异、甲基化和小RNA的表达建立了药物敏感性预测的两个网络模型。第一个模型为GKEDM(Gaussian kernel Euclidean distance model)多组学网络模型。该模型首先计算了细胞之间的相关性,并通过细胞系的基因表达,拷贝数,小RNA表达等多组学特征分别预测了药物对细胞系的敏感性;然后采用网格法优化多组学特征的权重;最后将特征整合建立网络模型。第二个模型为GKCCM(Gaussian kernel correlation coe...

【文章页数】：46 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 药物敏感性的介绍
    1.2 药物敏感性的研究现状
        1.2.1 公共数据资源
        1.2.2 数据特征类型
        1.2.3 模型的方法
        1.2.4 模型的评价
    1.3 本文的主要工作
第2章 整合多组学药物敏感性模型
    2.1 数据材料的介绍和预处理
    2.2 基础模型结构
    2.3 参数的优化
    2.4 模型的评价
    2.5 整合多组学网络模型
        2.5.1 GKEDM多组学模型
        2.5.2 GKCCM多组学模型
第3章 模型的结论
    3.1 单特征的分析
    3.2 整合多组学分析
        3.2.1 热图分析
        3.2.2 CCLE数据的补充
第4章 结论和启示
    4.1 模型结论
    4.2 模型的展望
参考文献
附录
致谢



本文编号：3863960