一种基于自表达模型的药物敏感性预测方法

    公开(公告)号:CN112164474B

    公开(公告)日:2024-05-24

    申请号:CN202010671826.6

    申请日:2020-07-14

    Abstract: 本发明名为基于自表达模型的药物敏感性预测方法,属机器学习及药物基因组学研究领域。本发明目标是基于已知细胞系对药物的敏感性程度预测未知的细胞系和药物之间的敏感性分数。通过构建细胞系药物对的响应自表达模型,通过某些细胞系药物对的敏感度的线性或仿射组合实现未知敏感性分数的预测。该模型将复杂的优化问题转化为多个子空间,可以实现对包含缺失值数值矩阵的精准且高效的填补,进而实现对细胞系药物响应值的预测。本发明提出的算法能够为个性化精准医疗中重要的药物响应评估环节提供有力的参考。

    基于子空间学习的m7G与疾病的关联预测方法

    公开(公告)号:CN115705917A

    公开(公告)日:2023-02-17

    申请号:CN202110903743.X

    申请日:2021-08-06

    Abstract: 本发明为基于子空间学习的m7G位点与疾病的关联预测方法,涉及生物信息学研究领域。本发明以m7GDisAI数据库为依托,利用已知的m7G‑疾病关联信息、m7G位点相似性信息和疾病相似性信息,构建m7G‑疾病异构矩阵,降低关联矩阵的稀疏性,明晰m7G位点和疾病的关联模式。本发明建立的基于子空间学习的m7G位点与疾病的关联预测模型SpBLRSR意在从结构缺失、关联模式不清晰的高维异构子空间出发,习得体现其统计及结构特性的完备低维子空间,进而恢复不完备的高维关联矩阵,提取潜在的疾病相关m7G位点,为表观转录组层面探究肿瘤发生机制和致病通路提供参考。本发明有望为以m7G修饰位点为靶点的肿瘤治疗策略提供新思路。

    一种基于自表达模型的药物敏感性预测方法

    公开(公告)号:CN112164474A

    公开(公告)日:2021-01-01

    申请号:CN202010671826.6

    申请日:2020-07-14

    Abstract: 本发明名为基于自表达模型的药物敏感性预测方法,属机器学习及药物基因组学研究领域。本发明目标是基于已知细胞系对药物的敏感性程度预测未知的细胞系和药物之间的敏感性分数。通过构建细胞系药物对的响应自表达模型,通过某些细胞系药物对的敏感度的线性或仿射组合实现未知敏感性分数的预测。该模型将复杂的优化问题转化为多个子空间,可以实现对包含缺失值数值矩阵的精准且高效的填补,进而实现对细胞系药物响应值的预测。本发明提出的算法能够为个性化精准医疗中重要的药物响应评估环节提供有力的参考。

Patent Agency Ranking