最近找了一些,预测肿瘤药物靶点的文献看看,这篇我挺感兴趣。
我主要阅读了靶点预测部分,一些专业的东西还不理解,暂粗浅的记录下
用机器学习算法,找新的癌症药物靶点
中心思想:用已知的训练集学习得出一个分类器(模型),再对未知的数据集进行分类
特征
收集癌症药物靶点的基因级信息,包括:
作为机器学习的特征空间
原始数据集
1. 已知药物靶点数据集2.未知药物靶点数据集
已知药物靶点数据集:collecting anti-BrCa, -PaCa and -OvCa drugs, their targets were identified from DrugBank [31] and the Therapeutic Target Database. In total, 62 known BrCa drug targets, 69 known PaCa targets and known 45 OvCa targets constituted the positive dataset。
未知药物靶点数据集:相关蛋白,在DrugBank和Therapeutic Target Database 没有记录;没有注释为癌症相关蛋白;不与肿瘤药物靶点相互影响;没有分享Pfam功能域;与已知靶点序列相似。
用文本挖掘的方法,挖掘在肿瘤研究文献中的所研究的15663个基因,统计出5169个基因可作为未知药物靶点数据集。
机器学习和特征选择
算法:支持向量机(SVM)
目的:将要预测的数据集,分为有癌症药物靶点或无癌症药物靶点两类。
特征选择:用SVM-REF方法,对13个特征评分,根据评分,最终得到5个相关的特征,包括:Average gene essentiality,Average mRNA expression,Average DNA copy number,Mutation occurrence,Clustering coefficient。
在用最优的特征集,训练集来得出最优的预测模型。
BrCa prediction model
PaCa prediction model
OvCa prediction model
靶点预测
用生成的预测模型,对15663个人基因分类.
预测结果:1655个基因作为假定靶点,对不同的癌型有不同的预测分值,可根据分值选取后续验证的靶点。