[发明专利]一种指导个性化治疗研究的适应性评估标志物筛选算法

权利要求书

1.一种指导个性化治疗研究的适应性评估标志物筛选算法，其特征在于，包括网络构建和网络分析；

所述的网络构建包括如下步骤：

1）输入治疗有效组和治疗无效组的代谢数据；

2）对数据中的任意两个代谢特征f_i，f_j在每类样本上构建代谢比值特征r_ij；

3）根据公式（1）计算每个比值变量r_ij的均值S_ij；

定义r_ij表示代谢物f_i和代谢物f_j的比值特征，S_ij为r_ij在所有样本上的均值，其计算方式如公式（1）：

（1）

其中r_ijt表示代谢比值特征r_ij在样本t上的表达值；

4）根据每个代谢比值特征r_ij的均值S_ij，使用公式（2）和（3）计算该代谢比值特征在治疗有效组和治疗无效组中的△_ij值；

p_ij(c_l) = prob(r_ijtS_ij | y_t = c_l) （2）

△_ij = |p_ij(c₁) - p_ij(c₂)| （3）

其中p_ij(c_l)为在c_l类样本中事件r_ijtS_ij发生的先验概率；y_tC表示样本x_t的类标，t=1......n，n表示样本的个数，C = {c₁, c₂}定义为类标集合；c_l为c₁或c₂，c₁表示治疗有效组，c₂表示治疗无效组；△_ij 0表明代谢比值特征r_ij在大部分c₁类样本中的含量要小于在c₂类样本中的含量，反之亦然；△_ij绝对值越大，说明代谢比值特征r_ij在两类样本中差异性越大，即相对应的代谢通路反应活动越剧烈；

5）如果△_ij值大于等于ε，则网络图中两个节点f_i，f_j的连边以一种颜色表示，反之，如果△_ij值小于等于-ε，则网络图中两个节点f_i, f_j的连边以另一种颜色表示。