基于隨機森林算法的抗癌藥物敏感性預測研究.pdf

1、基因是具有遺傳信息的DNA片段，研究表明，很多疾病的產(chǎn)生與人體的基因結(jié)構(gòu)或功能發(fā)生改變密切相關(guān)。生物信息學的迅猛發(fā)展，為人類提供了大量的基因組數(shù)據(jù)，有利于臨床的診斷以及藥物對應(yīng)靶點的尋找等。由于患者的特異性，同一種藥物對患有相同癌癥的病人作用情況也不盡相同。因此，在基因組時代，癌癥病人的個體化醫(yī)療已經(jīng)成為生物醫(yī)學的重要研究方向之一。近年來，基于NCI-60、CCLE以及CGP等基因組數(shù)據(jù)，研究者們采用了大量的方法來進行抗癌藥物的敏感性預

2、測。
　　在本文中，我們通過對每個基因與藥物反應(yīng)的相關(guān)系數(shù)作顯著性檢驗，初步篩選出與藥物敏感性相關(guān)的基因，隨后采用隨機森林算法，針對每種藥物建立了基因表達與藥物反應(yīng)之間的回歸模型。通過隨機森林的變量重要性排序，設(shè)定閾值篩選出特征基因，并且通過樣本間距離矩陣和藥物反應(yīng)差值的相關(guān)性篩選出與藥物敏感性相關(guān)的核心樣本。研究中多次建立回歸模型，逐步篩選，得到最終的預測結(jié)果。隨機森林內(nèi)部的OOB誤差估計，即可有效得到模型誤差的無偏估計，從而不

3、需要進行額外的交叉驗證，提高了計算效率。
　　通過模型預測的結(jié)果可以看出，在CCLE的24種藥物中，大部分藥物的預測值和真實值的相關(guān)系數(shù)都在0.6左右，其中有3種藥物達到了0.7以上，最高的為0.72（PD-0325901）。將幾種模型的預測結(jié)果進行比較，可以發(fā)現(xiàn)，隨機森林算法的預測效果整體優(yōu)于彈性網(wǎng)絡(luò)回歸的預測效果。同樣地，我們也采用該隨機森林算法對CGP中140種藥物建立了模型進行預測。為了檢驗?zāi)Ｐ偷姆夯芰Γ覀儗CLE中