腫瘤是嚴(yán)重威脅人類生命健康的重大疾病,其致病因素多樣,發(fā)展過程復(fù)雜,受到眾多因素的調(diào)控,而單一藥物的治療易使腫瘤對(duì)特定藥物產(chǎn)生耐藥表型,最終導(dǎo)致腫瘤治療的失敗。因此,目前腫瘤的藥物治療已從最初的單一用藥向聯(lián)合用藥方向轉(zhuǎn)變,在機(jī)制的互補(bǔ)、作用的協(xié)同、不良反應(yīng)的減輕等方面發(fā)揮更好的作用。然而,目前臨床上僅經(jīng)美國FDA認(rèn)證的癌癥化療藥物已超過200種,這些藥物之間的隨機(jī)配對(duì)組合高達(dá)19900種,依靠傳統(tǒng)實(shí)驗(yàn)方法進(jìn)行協(xié)同抗腫瘤藥物組合的篩選無論在時(shí)間、效率及成本方面都具有很大的挑戰(zhàn)性。本研究將深度神經(jīng)網(wǎng)絡(luò)與大規(guī)模生物醫(yī)學(xué)數(shù)據(jù)（包括不同腫瘤細(xì)胞的基因表達(dá)特征、抗腫瘤化學(xué)藥物、抗腫瘤中藥成分、相關(guān)的靶點(diǎn)信息以及藥物敏感性數(shù)據(jù)）有效結(jié)合,構(gòu)建一種高效、快速、準(zhǔn)確且不受藥物數(shù)量限制的協(xié)同抗腫瘤多藥組合深度學(xué)習(xí)預(yù)測(cè)模型,能夠在分子水平上為特定的腫瘤細(xì)胞系篩選出最優(yōu)的協(xié)同抗腫瘤藥物組合。1.綜述本章回顧了腫瘤耐藥的主要發(fā)生機(jī)制、腫瘤聯(lián)合治療策略以及機(jī)器學(xué)習(xí)等人工智能算法在生物醫(yī)藥特別是協(xié)同抗腫瘤藥物組合預(yù)測(cè)中的研究進(jìn)展。首先從腫瘤異質(zhì)性、腫瘤微環(huán)境、腫瘤干細(xì)胞、抗腫瘤藥物失活、藥物外排機(jī)制、藥物攝取的減少... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：110 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

建模數(shù)據(jù)的樣本特征

基于深度學(xué)習(xí)的協(xié)同抗腫瘤多藥組合預(yù)測(cè)模型研究20"by"Wlinearz（3.3）其中，y為隱藏層傳出的激活后的值，z為模型輸出結(jié)果，為轉(zhuǎn)置權(quán)重矩陣，為轉(zhuǎn)置偏差；模型的訓(xùn)練過程中，采用compile模塊對(duì)模型的學(xué)習(xí)過程進(jìn)行配置，其參數(shù)分別設(shè)置為：分類模型優(yōu)化器（optimizer）設(shè)為RootMeanSquareprop(RMSprop)，損失函數(shù)（lossfunction）設(shè)為binary_crossentropy；回歸模型優(yōu)化器（optimizer）設(shè)為Adaptivemomentestimation(Adam)，損失函數(shù)（lossfunction）設(shè)為MSE(meansquareerror)，其中損失函數(shù)的計(jì)算公式為：（3.4）其中，x為樣本對(duì)應(yīng)的真實(shí)值，z為樣本對(duì)應(yīng)的預(yù)測(cè)值，d為epoch數(shù)，k為第k個(gè)epoch，LH(x,z)為預(yù)測(cè)值與真實(shí)值的差異大��；將最終處理、整合得到的建模樣本作為模型的輸入，其中80%（161124個(gè)）作為訓(xùn)練集用來訓(xùn)練模型，20%（40281個(gè)）作為測(cè)試集用來測(cè)試模型性能；圖3.1深度學(xué)習(xí)預(yù)測(cè)模型的基本框架Fig3.1Thebasicarchitectureofdeeplearningbasedpredictionmodel

基于深度學(xué)習(xí)的協(xié)同抗腫瘤多藥組合預(yù)測(cè)模型研究36第六章多藥組合協(xié)同抗腫瘤作用的預(yù)測(cè)為了進(jìn)一步驗(yàn)證預(yù)測(cè)模型的準(zhǔn)確性和適用性，本研究分別使用協(xié)同抗腫瘤效果未知的化學(xué)藥及中藥成分對(duì)DeepMDS模型的性能進(jìn)行進(jìn)一步考察。首先，對(duì)于化學(xué)藥組合，選取臨床用于治療乳腺癌的常見化療藥物，并將不同藥物隨機(jī)組合；對(duì)于中藥成分，選取夏枯草中主要抗腫瘤成分，并隨機(jī)組合成不同組合。使用預(yù)測(cè)模型對(duì)各種組合的協(xié)同抗腫瘤效果進(jìn)行預(yù)測(cè)。此外，為了驗(yàn)證該模型是否能夠根據(jù)不同腫瘤細(xì)胞的特征基因信息篩選出特異的協(xié)同抗腫瘤多藥組合，本研究對(duì)所有藥物組合（包括中藥成分）均分別對(duì)三種不同的乳腺癌細(xì)胞預(yù)測(cè)并考察了其協(xié)同抗腫瘤效果。6.1化學(xué)藥組合協(xié)同抗腫瘤作用預(yù)測(cè)6.1.1化學(xué)藥組合預(yù)測(cè)樣本的構(gòu)建本研究參照《中國抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范》，選擇了七種臨床治療乳腺癌常用的化療藥物，包括多烯紫杉醇（docetaxel），紫杉醇（paclitaxel），多柔比星（doxorubicin），表柔比星（epirubicin），吉西他濱（gemcitabine），5-氟尿嘧啶（5-fluorouracil）和甲氨蝶呤（methotrexate）（圖6.1）。圖6.1化療藥物的化學(xué)結(jié)構(gòu)式Table6.1Thestructuresofchemicalcompounds

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器學(xué)習(xí)的抗纖維化中藥化合物篩選研究[J]. 王曦廷,李彧,張瀾,劉夢(mèng),李城,楊秋實(shí),杭曉屹,劉祎.  北京中醫(yī)藥大學(xué)學(xué)報(bào). 2019(01)
[2]基于XGBoost算法的2型糖尿病精準(zhǔn)預(yù)測(cè)模型研究[J]. 張洪俠,郭賀,王金霞,徐巖艷,呂斌,閆東,常佳,胡光瑞,王雪,李洪軍,劉天戟,李燕林,趙志強(qiáng),牛曉強(qiáng).  中國實(shí)驗(yàn)診斷學(xué). 2018(03)
[3]阿糖胞苷治療急性髓系白血病的耐藥機(jī)制研究進(jìn)展[J]. 任雨虹,李軍民.  臨床血液學(xué)雜志. 2017(02)
[4]腺苷酸活化蛋白激酶增強(qiáng)乳腺癌對(duì)多柔比星化療敏感性的機(jī)制[J]. 崔文賢,許柯青,李元國,陳桂金,陸小群.  中國癌癥雜志. 2016(11)
[5]基于支持向量機(jī)和樸素貝葉斯的甲型流感病毒（H1N1）神經(jīng)氨酸酶抑制劑分類模型構(gòu)建與藥物發(fā)現(xiàn)[J]. 連雯雯,劉艾林,杜冠華.  中國藥理學(xué)與毒理學(xué)雜志. 2016(10)
[6]腫瘤多藥耐藥機(jī)制的研究進(jìn)展[J]. 張偉,吳瑾.  實(shí)用腫瘤學(xué)雜志. 2015 (04)
[7]基于分子描述符和機(jī)器學(xué)習(xí)方法預(yù)測(cè)和虛擬篩選MMP-13對(duì)MMP-1的選擇性抑制劑[J]. 李秉軻,叢湧,田之悅,薛英.  物理化學(xué)學(xué)報(bào). 2014(01)



本文編號(hào)：3059716