[发明专利]一种基于深度遗传信息特征的药物敏感性预测方法及装置

说明书

本发明提供一种基于深度遗传信息特征的药物敏感性预测方法，包括：获取训练样本数据集；构建基因遗传信号转导深度神经网络；构建深度遗传信息特征编码器；对构建的基因遗传信号转导深度神经网络和深度遗传信息特征编码器进行训练；获取待测样本的基因遗传数据；提取待测样本的深度遗传信息特征；获得待测样本的抗肿瘤药物敏感性预测值。本发明还提供一种基于深度遗传信息特征的药物敏感性预测装置。本发明通过构建基因遗传信号转导深度神经网络，有助于提取样本的深度遗传信息特征，实现了基因水平上的药效预测，从而提高了样本的抗肿瘤药物敏感性的预测准确性。

技术领域

本发明涉及药物敏感性预测技术领域，具体是一种基于深度遗传信息特征的药物敏感性预测方法及装置。

背景技术

肿瘤严重威胁着人类的健康，已经成为人类的“头号杀手”。化学疗法是肿瘤临床治疗的主要方式之一。临床上主要依据理化指标或组织病理特征来评估化疗的敏感性。然而，大量临床应用表明，不同的肿瘤患者个体，甚至同一分期的患者，对同种药物的反应或疗效显著不同。盲目用药将引起严重的毒副作用，甚至造成过度治疗。

最新医学研究证实，不同个体的肿瘤化疗疗效不同的根本原因在于其遗传物质的差异性。如何利用遗传物质特异性来评估药物敏感性成为一项亟待解决的问题。现有的方法主要基于浅表性遗传信息进行药物敏感性预测，存在预测精度低下、鲁棒性不高等缺陷。

发明内容

本发明的目的在于提供一种基于深度遗传信息特征的药物敏感性预测方法及装置，通过有效提取肿瘤细胞的深度遗传信息特征来实现抗肿瘤药物敏感性的高可靠评估与预测。

本发明的技术方案为：

一种基于深度遗传信息特征的药物敏感性预测方法，该方法包括以下步骤：

(1)获取训练样本数据集，所述训练样本数据集由各个训练样本的基因遗传数据和抗肿瘤药物敏感性实际值构成；

(2)根据选取的生物分子网络构建基因遗传信号转导深度神经网络，所述基因遗传信号转导深度神经网络以样本的基因遗传数据为输入，以样本的深度遗传信息特征为输出；

(3)构建深度遗传信息特征编码器，所述深度遗传信息特征编码器以样本的深度遗传信息特征为输入，以样本的抗肿瘤药物敏感性预测值为输出；

(4)利用所述训练样本数据集对构建的基因遗传信号转导深度神经网络和深度遗传信息特征编码器进行训练；

(5)获取待测样本的基因遗传数据；

(6)将所述待测样本的基因遗传数据输入训练好的基因遗传信号转导深度神经网络，提取所述待测样本的深度遗传信息特征；

(7)将所述待测样本的深度遗传信息特征输入训练好的深度遗传信息特征编码器，获得所述待测样本的抗肿瘤药物敏感性预测值。

所述的基于深度遗传信息特征的药物敏感性预测方法，步骤(2)中，所述根据选取的生物分子网络构建基因遗传信号转导深度神经网络，具体包括：

(21)选取一个含有N个顶点的生物分子网络；

(22)利用切比雪夫多项式对所述生物分子网络进行快速谱滤波，构建第一个卷积层；

(23)对第一个卷积层进行图粗化处理，构建第一个池化层；

(24)依照步骤(22)的方法，在第一个池化层的基础上构建第二个卷积层；然后再依照步骤(23)的方法，在第二个卷积层的基础上构建第二个池化层；以此类推，以串联方式层叠多重{卷积层、池化层}，直至最后一个池化层的顶点数N_end小于预设数值N₀，构建完成基因遗传信号转导深度神经网络。

所述的基于深度遗传信息特征的药物敏感性预测方法，步骤(22)具体包括：