[发明专利]基于通路活性及弹性网的癌症药物敏感性预测方法

权利要求书

1.一种基于通路活性及弹性网的癌症药物敏感性预测方法，其特征在于：其包括如下步骤：

S1：获取癌症细胞系的基因表达特征数据和抗癌药物的化学特征数据；

S2：利用通路数据库得到每个通路中的基因间相互作用网络表，从该网络表中选择和癌症细胞系的基因表达特征数据基因连接紧密的关键基因；

S3：计算每一个通路的通路活性向量，合并所有通路活性向量得到通路活性特征矩阵；

S4：将步骤S1的抗癌药物的化学特征数据整合为药物化学特征矩阵，将所述药物化学特征矩阵和步骤S3的通路活性特征矩阵连接合并，得到包含癌症细胞系特征和药物化学特征的新矩阵；

S5：构建基于步骤S1-S4的预测抗癌药物敏感性的弹性网模型，把包含癌症细胞系特征和药物化学特征的新矩阵作为特征张量输入模型中进行训练与预测，同时验证模型的再现性。

2.根据权利要求1所述的基于通路活性及弹性网回归的癌症药物敏感性预测方法，其特征在于：在步骤S1中，从互联网搜集整合癌症细胞系的基因表达特征数据和抗癌药物的化学特征数据，从癌症细胞系的多维度特征中学习抗癌药物的敏感性水平。

3.根据权利要求1所述的基于通路活性及弹性网回归的癌症药物敏感性预测方法，其特征在于：在步骤S2中，选择通路中基因互作网络度较高的基因作为关键基因，并取这些基因在基因表达量的均值/方差。

4.根据权利要求1所述的基于通路活性及弹性网回归的癌症药物敏感性预测方法，其特征在于：在步骤S3中，根据基因表达量的均值/方差活性向量合并通路活性向量，得到通路活性特征矩阵。

5.根据权利要求1所述的基于通路活性及弹性网回归的癌症药物敏感性预测方法，其特征在于：在步骤S5中，整合步骤S2-S4中构建的弹性网模型，将包含癌症细胞系特征和药物化学特征的新矩阵作为模型输入值，将药物敏感性水平作为模型输出值，根据均方误差来调试优化模型的参数，进行训练与验证。