【摘要】：新藥研發(fā)投入成本大,研發(fā)時(shí)間長,為此研究者們希望開發(fā)一種新的藥物發(fā)現(xiàn)方法,縮短研發(fā)周期的同時(shí)還能提供良好的收益。而藥物重定位方法可以加快藥物發(fā)現(xiàn)過程,因此越來越受到研究者們的重視。此外,隨著藥物疾病數(shù)據(jù)的日益增長,使得所有的藥物-疾病關(guān)聯(lián)都采用實(shí)驗(yàn)方法驗(yàn)證顯得不切實(shí)際。研究者們開發(fā)了很多計(jì)算方法為實(shí)驗(yàn)驗(yàn)證提供輔助和參考。研究表明,多種信息的整合有助于預(yù)測藥物-疾病相互作用關(guān)系,但是如何高效的整合不同來源的信息仍然是一個(gè)具有挑戰(zhàn)性的問題,已有的預(yù)測方法在預(yù)測性能上仍然存在缺陷,本文主要研究如何通過有效整合多種來源的數(shù)據(jù)預(yù)測藥物-疾病相互作用關(guān)系,進(jìn)而實(shí)現(xiàn)藥物重定位和新藥物適應(yīng)癥預(yù)測。主要工作總結(jié)如下:第一,提出了一種基于相似性網(wǎng)絡(luò)分析的藥物-疾病相互作用預(yù)測方法。首先,根據(jù)收集的多個(gè)來源的數(shù)據(jù)利用杰卡德相似系數(shù)構(gòu)建多個(gè)藥物相似性矩陣和疾病相似性矩陣。其次,根據(jù)得到的多個(gè)相似性矩陣建立不同的藥物相似性網(wǎng)絡(luò)和疾病相似性網(wǎng)絡(luò),并使用相似性網(wǎng)絡(luò)融合方法整合各個(gè)來源的藥物相似性網(wǎng)絡(luò)和疾病相似性網(wǎng)絡(luò)。最后,通過已知的藥物-疾病相互作用關(guān)系把整合后的藥物相似性網(wǎng)絡(luò)和疾病相似性網(wǎng)絡(luò)映射到一個(gè)大的空間,并采用隨機(jī)游走的方法預(yù)測未知的藥物-疾病相互作用關(guān)系。實(shí)驗(yàn)結(jié)果表明該模型的預(yù)測性能有所提高。第二,提出了一種基于集成學(xué)習(xí)的藥物-疾病相互作用預(yù)測方法。首先,根據(jù)收集的多個(gè)來源的數(shù)據(jù)利用本文提出的特征構(gòu)建方法構(gòu)建多組藥物-疾病對(duì)樣本特征。其次,利用多組藥物-疾病對(duì)樣本特征構(gòu)建多個(gè)分類器。最后,采用集成學(xué)習(xí)的思想整合多個(gè)分類器構(gòu)建集成模型來預(yù)測未知的藥物-疾病相互作用關(guān)系。交叉驗(yàn)證結(jié)果表明該模型在藥物重定位和新藥物適應(yīng)癥預(yù)測上都有較好表現(xiàn)。案例研究結(jié)果表明該模型具有一定的實(shí)用性。
【圖文】：

１．１課題研宄的背景及意義逡逑在過去的幾十年里，雖然藥物研發(fā)的實(shí)驗(yàn)技術(shù)取得了巨大的進(jìn)步，但是新藥逡逑研發(fā)費(fèi)用仍然十分昂貴并且周期十分漫長［１－３］，如圖１－１。據(jù)估計(jì)，，一種新藥物逡逑從研發(fā)到上市的整個(gè)周期大概需要１０年時(shí)間、花費(fèi)近１８億美元［４］。盡管每年逡逑的研發(fā)投入非常大，但是新藥產(chǎn)出卻非常少。自２０世紀(jì)９０年代末，每年獲得美逡逑國食品藥品監(jiān)督管理局（ＵＳ邋Ｆｏｏｄ邋ａｎｄ邋Ｄｒｕｇ邋Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，ＦＤＡ）批準(zhǔn)上市的逡逑藥物僅有２０種左右，并且數(shù)量還在逐年下降：。據(jù)ＣＭＲ邋Ｉｎｔｅｒｎａｔｉｏｎａ］邋＆邋ＩＭＳ逡逑Ｈｅａｌｔｈ數(shù)據(jù)統(tǒng)計(jì)：新藥研發(fā)呈現(xiàn)出耗時(shí)越來越長，投入越來越高，產(chǎn)出明顯減少逡逑的趨勢〃。于此同時(shí)，藥物的ＣＲＯ邋（Ｃｏｎｔｒａｃｔ邋Ｒｅｓｅａｒｃｈ邋Ｏｒｇａｎｉｚａｔｉｏｎ）n蟯嘎叔義弦蒼謚鵡甑納�。药物的Ｃ＿b吧嘎適侵溉死嗝磕甓孕亂┑男棖罅坑?xùn)V導(dǎo)市亂┎義銑雋康謀嚷�。所以，药物研发葎蚧是蕿懣w災(zāi)匾翁猓郟停蕁ｅ義瞎簨＂＾價(jià)值確效■＝＞動(dòng)物文驗(yàn)㈡邐0邋ｒ＿邐１１＾上市逡逑ｖ邐邐ｖ邐邋Ｖ邐邐Ｖ－邐邐Ｊｌ邐Ｖ邐邐＿＞／邋．邐Ｖ邋＊邐ｊ邐Ｖ逡逑靶標(biāo)篩選：；：ＤｉＳｔｔ邋：丨１）藥代動(dòng)力學(xué)ｉ丨化學(xué)制造ｉ逡逑．Ｄｆｅ邐ｉ邋；邐ｉ丨２）安全ｔｔ．藥押丨丨，逡逑：２商了■通邊丨：

進(jìn)行決策樹建模，每一個(gè)決策樹中采用獨(dú)立同分布的隨機(jī)變量決定了每棵樹的生逡逑長方向。通過整合這些決策樹結(jié)果的投票或預(yù)測結(jié)果進(jìn)行最終的分類和預(yù)測。具逡逑體流程如圖２－１所示。逡逑１２逡逑
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP181;R96

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐繼偉;楊云;;集成學(xué)習(xí)方法:研究綜述[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年06期

2 武玉英;嚴(yán)勇;蔣國瑞;;基于動(dòng)態(tài)選擇性集成學(xué)習(xí)的供應(yīng)鏈產(chǎn)銷協(xié)商優(yōu)化策略[J];計(jì)算機(jī)工程;2017年05期

3 張滄生;崔麗娟;楊剛;倪志宏;;集成學(xué)習(xí)算法的比較研究[J];河北大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

4 郭福亮;周鋼;;集成學(xué)習(xí)中預(yù)測精度的影響因素分析[J];兵工自動(dòng)化;2019年01期

5 曾一平;;基于集成學(xué)習(xí)的小麥識(shí)別研究[J];現(xiàn)代商貿(mào)工業(yè);2019年17期

6 米碩;孫瑞彬;李欣;明曉;;集成學(xué)習(xí)在文本分類問題中的應(yīng)用[J];中國新通信;2018年09期

7 李曄;劉勝利;張兆林;;基于漂移檢測和集成學(xué)習(xí)的木馬檢測模型[J];信息工程大學(xué)學(xué)報(bào);2017年06期

8 徐桂云;陳躍;張曉光;劉云楷;;基于選擇性集成學(xué)習(xí)的焊接缺陷識(shí)別研究[J];中國礦業(yè)大學(xué)學(xué)報(bào);2011年06期

9 張春霞;張講社;;選擇性集成學(xué)習(xí)算法綜述[J];計(jì)算機(jī)學(xué)報(bào);2011年08期

10 饒峰;;核機(jī)器集成學(xué)習(xí)算法的誤差分析[J];重慶文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年04期

相關(guān)會(huì)議論文 前10條

1 關(guān)鵬洲;王夢毫;李倩;;基于集成學(xué)習(xí)和深度學(xué)習(xí)的短期降雨預(yù)測模型[A];2017年（第五屆）全國大學(xué)生統(tǒng)計(jì)建模大賽獲獎(jiǎng)?wù)撐倪x[C];2017年

2 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學(xué)習(xí)[A];2011'中國西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2011年

3 倪志偉;張琛;倪麗萍;;基于螢火蟲群優(yōu)化算法的選擇性集成霾天氣預(yù)報(bào)方法[A];中國系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A12系統(tǒng)科學(xué)與系統(tǒng)工程理論在各個(gè)領(lǐng)域中的應(yīng)用研究[C];2014年

4 李燁;蔡云澤;許曉鳴;;基于支持向量機(jī)集成的故障診斷[A];第16屆中國過程控制學(xué)術(shù)年會(huì)暨第4屆全國故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

5 吳龍飛;孫浩;計(jì)科峰;;基于集成映射的半監(jiān)督圖像分類方法[A];第八屆全國信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議會(huì)刊[C];2014年

6 邱誠;倪子偉;陳珂;蘇旋;鄒權(quán);;基于聚類方法的基分類器選擇策略研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

7 張紅梅;;基于粗糙集特征約簡的SVM集成入侵檢測模型[A];2009中國控制與決策會(huì)議論文集（3）[C];2009年

8 程麗麗;張健沛;楊靜;馬駿;;一種提高支持向量機(jī)集成差異性的學(xué)習(xí)方法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（一）[C];2008年

9 劉錕;邢延;蔡延光;;一種針對(duì)交互式學(xué)習(xí)系統(tǒng)日志數(shù)據(jù)的輕型化挖掘方法[A];2011年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊）[C];2011年

10 劉伍穎;王挺;;一種多過濾器集成學(xué)習(xí)垃圾郵件過濾方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 張曄;人腦比電腦更重要[N];科技日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 李艷秋;基于集成學(xué)習(xí)的人臉識(shí)別研究[D];合肥工業(yè)大學(xué);2018年

2 趙鶴;面向高維大數(shù)據(jù)的子空間集成學(xué)習(xí)方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院);2017年

3 劉天羽;基于特征選擇技術(shù)的集成學(xué)習(xí)方法及其應(yīng)用研究[D];上海大學(xué);2007年

4 侯勇;特征提取與集成學(xué)習(xí)算法的研究及應(yīng)用[D];北京科技大學(xué);2015年

5 孫永宣;集成學(xué)習(xí)下的圖像分析關(guān)鍵問題研究[D];合肥工業(yè)大學(xué);2013年

6 尹華;面向高維和不平衡數(shù)據(jù)分類的集成學(xué)習(xí)研究[D];武漢大學(xué);2012年

7 阿里木·賽買提(Alim.Samat);基于集成學(xué)習(xí)的全極化SAR圖像分類研究[D];南京大學(xué);2015年

8 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

9 鈕冰;基于集成學(xué)習(xí)算法的若干生物信息學(xué)問題研究[D];上海大學(xué);2009年

10 程麗麗;支持向量機(jī)集成學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 呂克敵;基于集成學(xué)習(xí)與進(jìn)化算法的停車位預(yù)測算法研究[D];吉林大學(xué);2019年

2 沈先寶;基于集成學(xué)習(xí)的分類系統(tǒng)的研究及實(shí)現(xiàn)[D];江蘇大學(xué);2019年

3 董鳳偉;基于集成學(xué)習(xí)的傳染性肝病輔助診斷系統(tǒng)的研究與實(shí)現(xiàn)[D];江蘇大學(xué);2019年

4 袁婷婷;微博文本情感分析研究[D];新疆大學(xué);2019年

5 許召召;基于數(shù)據(jù)規(guī)約改進(jìn)的集成決策樹在醫(yī)療決策中的應(yīng)用[D];云南大學(xué);2018年

6 田文泉;基于標(biāo)記分布的年齡估計(jì)與實(shí)現(xiàn)[D];安慶師范大學(xué);2019年

7 趙杰;基于集成學(xué)習(xí)的電信套餐匹配問題研究[D];華中師范大學(xué);2019年

8 常建芳;基于集成學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的太陽能輻照度預(yù)測方法[D];天津大學(xué);2018年

9 葉明;基于集成學(xué)習(xí)的疾病輔助診斷關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];鄭州大學(xué);2019年

10 邸研哲;基于相似性方法的藥物—疾病相互作用關(guān)系預(yù)測[D];安徽大學(xué);2019年

本文編號(hào)：2626879