由于遺傳因素,環(huán)境因素和疾病的多樣性,癌癥病人會(huì)對(duì)每種癌癥的治療方案做出不同的反應(yīng)。利用基因信息預(yù)測(cè)藥物敏感性是個(gè)體化醫(yī)療中極為重要的一項(xiàng)任務(wù),已經(jīng)受到包括機(jī)器學(xué)習(xí),數(shù)據(jù)挖掘和計(jì)算生物學(xué)等多個(gè)領(lǐng)域的關(guān)注。通過(guò)預(yù)測(cè)藥物敏感性,腫瘤學(xué)家可以對(duì)每個(gè)病人的有效的治療方案有一個(gè)全方位的了解,這對(duì)精準(zhǔn)化醫(yī)療是非常有幫助的�，F(xiàn)階段藥物敏感性的預(yù)測(cè)主要是通過(guò)對(duì)被不同的藥物處理過(guò)后的癌癥細(xì)胞系進(jìn)行分析,然后選擇出一些基因或功能基因組特征,之后對(duì)藥物敏感性進(jìn)行回歸或者分類。然而,由于人類的基因組和分子環(huán)境是非常復(fù)雜的,現(xiàn)階段要對(duì)病人的治療方案做出一個(gè)準(zhǔn)確的預(yù)測(cè)仍然是一個(gè)挑戰(zhàn),在本文中,我們提出了一種迭代SIRS的方法,并且把它運(yùn)用到CCLE的數(shù)據(jù)集中去選擇和藥物敏感性有關(guān)的變量。對(duì)CCLE中的每一種藥物,我們考慮了不同的基因信息包括:基因的拷貝數(shù)信息,位點(diǎn)突變信息和基因表達(dá)數(shù)據(jù)。在所有的特征變量中,我們根據(jù)變量的邊際度量值只選取了 50個(gè)變量去預(yù)測(cè)藥物敏感性,這種變量選擇的方法僅僅關(guān)注響應(yīng)變量關(guān)于預(yù)測(cè)變量的條件分布。之后根據(jù)選擇的特征變量,我們建立了一種線性回歸模型,去預(yù)測(cè)藥物敏感性。這其中有些變量的邊際... 

【文章來(lái)源】：上海師范大學(xué)上海市

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景
    1.2 論文主要結(jié)構(gòu)
第二章 方法
    2.1 數(shù)據(jù)
    2.2 變量掃描過(guò)程
    2.3 通過(guò)ISIRS選擇變量
    2.4 交叉驗(yàn)證和評(píng)價(jià)準(zhǔn)則
    2.5 回歸系數(shù)顯著性的T檢驗(yàn)
第三章 結(jié)果
    3.1 ISIRS能夠獲得更低的平均標(biāo)準(zhǔn)誤差
    3.2 ISIRS能夠移除選擇變量之間的冗余
    3.3 ISIRS可以找出一些和藥物敏感性相關(guān)性較小的變量
    3.4 ISIRS的預(yù)測(cè)值和藥物敏感性真實(shí)值之間的相關(guān)性更高
第四章 結(jié)論
    4.1 結(jié)論
    4.2 進(jìn)一步的研究方向
參考文獻(xiàn)
附錄
致謝
附件



本文編號(hào)：3200897