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，很多疾病的產生與人體的基因結構或功能發(fā)生改變密切相關。生物信息學的迅猛發(fā)展，為人類提供了大量的基因組數據，有利于臨床的診斷以及藥物對應靶點的尋找等。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等基因組數據，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的相關系數作顯著性檢驗，初步篩選出與藥物敏感性相關的基因，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之間的回歸模型。通過隨機森林的變量重要性排序，設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差值的相關性篩選出與藥物敏感性相關的核心樣本。研究中多次建立回歸模型，逐步篩選，得到最終的預測結果。隨機森林內部的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系數都在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)于彈性網絡回歸的預測效果。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。為了檢驗模型的泛化能力，我們將CCLE中