基于个性化网络标志物的药物推荐方法研究

发布时间：2025-06-26 23:55

　　 基于个性化标志物的药物推荐研究,有助于实现个性化用药及推动精准医疗的发展。该文利用基因表达谱数据及蛋白质网络信息,基于基因2维高斯分布方法筛选出个性化网络标志物。进而综合考虑靶基因的重要性和药物的副作用,提出了一种计算药物对个性化标志物影响权重的方法。将该方法应用于肺腺癌、肾透明细胞癌和子宫内膜癌数据集,通过启发式搜索方法,得到每个疾病样本重要药物推荐列表。结果表明,推荐的药物列表在同种癌症不同样本中既存在一致性,也表现出很大的差异性,如药物种类及药物排序差异,这说明个性化药物在疾病治疗中的重要性及必要性。通过从药物数据库中搜索药物组合对疾病治疗的影响作用表明,该文方法筛选得到的许多药物组合对具体疾病治疗具有积极影响,这进一步证明该文基于个性化网络标志物的药物推荐方法的准确性。该文的研究将有效促进精准化医疗的发展。

【文章页数】：8 页

【部分图文】：

图1 癌症个性化网络标志物获取流程

将基因表达数据和过滤的PPI网络数据相结合，提出基于基因2维高斯分布方法筛选出个性化网络标志物(2DSample-SpecificNetworks,SSN-2D)的方法。流程如图1所示，首先，根据式(1)得到所有基因对在正常样本和癌症样本中的概率密度函数；然后，根据式(2)构....

图2 3种癌症中药物靶基因数量与药物副作用数量之间的散点图

由图3可知，考虑药物副作用信息，得出副作用小的药物数量更多，且这些药物的平均排名普遍更加靠前，符合筛选副作用小但靶向更多更重要基因的药物的标准。为进一步分析两种方法的区别，本文分别考察在两种方法中排名前5的药物。在LUAD中，当考虑药物副作用的情况下，排名前5的药物是crizot....

图3 3种癌症中考虑药物副作用和不考虑药物副作用时药物的排名

为了更清楚地比较3类癌症得到的候选药物集合的分布，本文对各类癌症中各个样本筛选得到的候选药物进行统计。结果如图4所示，图4中行表示药物，列表示癌症样本，颜色的深浅表示某种药物在个性化样本推荐药物中排名，颜色越深排名越靠前。由图4可知，从样本角度出发，在同种癌症中，不同样本筛选得到....

图4 3类癌症得到的候选药物集合在各个样本中的具体分布

针对每一个癌症样本筛选得到的药物集合，分别分析这些药物组合在疾病治疗中的作用。图5展示了在3种癌症中，各个癌症样本中具有协同作用的药物关系分布。由图5可知，筛选出的药物集合中除KIRC得到的具有积极作用的药物关系比较少之外，LUAD和UCEC两种癌症样本获得的药物集合中，都有许多....

本文编号：4053472