[发明专利]癌症药物敏感性预测方法、系统、存储介质及终端

说明书

本发明提供一种癌症药物敏感性预测方法、系统、存储介质及终端，包括以下步骤：获取多个患者的蛋白质组、磷酸化蛋白质组数据和药物敏感值；获取蛋白质组及磷酸化蛋白质组数据的边强度特征或节点特征值，将多个药效敏感值和对应的边强度特征或节点特征值划分为训练数据集和测试数据集；基于所述训练数据集训练弹性网络以预测癌症药物敏感性，基于所述测试数据集来验证所述弹性网络；基于训练好的弹性网络进行癌症药物敏感性的预测。本发明的癌症药物敏感性预测方法、系统、存储介质及终端采用基于激酶底物特征边的机器学习模型实现靶向药物的药效判别，从而提供癌症药物敏感性的准确预测。

技术领域

本发明涉及癌症药物敏感性预测的技术领域，特别是涉及一种癌症药物敏感性预测方法、系统、存储介质及终端。

背景技术

结直肠癌是世界范围内死亡率排名第四的癌症，每年约有900，000万人死于结直肠癌。人群的老龄化、不健康的现代饮食方式以及其它可变的环境因子(包括吸烟、肥胖以及体力活动过低等)都是增加结直肠癌患病率的风险因子。结直肠癌通常是由位于结肠或者直肠内壁的息肉产生的，从息肉到癌症的发生通常会持续10-20年之久。96％以上的结肠癌都是这种从内壁生长的类型，也称为腺癌。在肠道内的肿瘤一旦突破结肠或者直肠的壁，就可能扩散进入血液或者淋巴结，癌细胞可能随着循环系统进一步被带到其它组织或者器官，比如肝脏，肺或者腹膜，即癌症发生了转移。肝脏是结直肠癌转移的主要场所，而脑转移只占到了4％的比例，但是脑转移的病人只有3-6个月的存活期。研究表明，结直肠癌是一种高异质性的肿瘤并且根据分子特征定义了不同的亚型，不同的亚型间存在明显的预后和治疗响应的差异。不仅有肿瘤内异质性，转移组织之间以及不同的个体间也存在着巨大的异质性，这也给结直肠癌尤其是转移性结直肠癌的研究带来了巨大的挑战。

目前，虽然结直肠癌相关的预后标志物以及治疗取得了很大的进展，但是结直肠癌的死亡率，尤其是转移性结直肠，依然占据全球癌症相关死亡人数的10％。目前为止，只有DNA错配修复状态、RAS突变以及BRAF突变状态这几个分子标志物在临床治疗决策中被考虑。研究表明，肿瘤的转移灶和原发灶的突变模式和主要的驱动基因非常相似。蛋白质是行使生物功能的直接大分子，基于质谱(Mass Spectrum，MS)的蛋白质组学可以定量整体蛋白质的丰度以及翻译后修饰，从而提供基因组之外更丰富的信息。多组学数据的特征被认为能够贡献于每个病人对治疗的反应从而有助于个性化医疗以及精准医疗的实施。结合测序技术和质谱方法能够提供一个更为全面的图景，通过功能蛋白质组学和信号网络将癌症‘基因组’和‘表型’连接起来。

通过对146例结直肠患者的临床组织进行蛋白质基因组学的整合分析，获知蛋白质表达谱划分3个具有显著不同分子特征和预后的分子亚型，基因组和蛋白质组的整合分析也表明了不同亚型之间的体细胞突变和拷贝数变异差异以及对蛋白质表达水平的影响。磷酸化蛋白质数据能显著区分转移性结直肠癌和早发性结直肠癌，转移性结直肠癌的转移灶相比于原发灶在基因组水平上并没有明显差异，但是在蛋白质和磷酸化水平上却有明显不同。基于蛋白质磷酸化数据的激酶富集和网络分析说明了原发灶和转移灶的异质性。包括转移癌组织和原位癌组织的临床组织的体内异种移植药物实验能够验证组织的个性化药物反应。因此，如何实现不同药物的敏感性预测成为当前亟待解决的热点课题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种癌症药物敏感性预测方法、系统、存储介质及终端，采用基于激酶底物特征边的机器学习模型实现靶向药物的药效判别，从而提供癌症药物敏感性的准确预测。

为实现上述目的及其他相关目的，本发明提供一种癌症药物敏感性预测方法，包括以下步骤：获取多个患者的蛋白质组、磷酸化蛋白质组数据和药物敏感值；获取蛋白质组及磷酸化蛋白质组数据的边强度特征或节点特征值，将多个药效敏感值和对应的边强度特征或节点特征值划分为训练数据集和测试数据集；基于所述训练数据集训练弹性网络以预测癌症药物敏感性，基于所述测试数据集来验证所述弹性网络；基于训练好的弹性网络进行癌症药物敏感性的预测。

于本发明一实施例中，基于微型患者源异种移植模型获取所述药物敏感值。