基于腫瘤分類與生長建模的癌癥藥物療效預測平臺設計與應用.pdf

1、隨著當今社會的飛速發(fā)展，巨大的生存壓力與日益嚴重的環(huán)境問題使得人類的健康面臨巨大威脅，心血管，癌癥，艾滋病等疾病的發(fā)病率持續(xù)攀升。其中，廣泛而多樣的癌癥已成為當今社會人口死亡的主要原因之一，引起了全世界各國科學家的廣泛關注。然而，復雜的發(fā)病機理，異常生長模式，特殊組織特性和不均勻結構仍然使得腫瘤預防與治療缺乏有效手段。如何利用計算機等現(xiàn)代技術手段結合己知癌癥發(fā)病機理輔助癌癥的研究以及促進抗癌藥物的研發(fā)成為新的研究熱點。本文中我們主要討論

2、如何使用模式分類和計算機建模的方法來構建可用于癌癥類型診斷、癌癥治療藥物藥代動力學和藥效研究的集成預測系統(tǒng)，結合當前最新發(fā)現(xiàn)的腫瘤生長和調(diào)控機制，為腫瘤的生長預測和藥物治療效果的評價提供有效的研究平臺。文中的腫瘤分類測試和藥效預測實驗，充分體現(xiàn)了該系統(tǒng)良好的性能和潛力。
　　 本文主要內(nèi)容包括:
　　 1)介紹了癌癥機理和抗癌藥物研究的現(xiàn)狀、困境以及基于模式分類和計算機模擬的新方法。傳統(tǒng)的實驗方法因其較大的代價以及較長的

3、測試時間，在癌癥研究特別是在藥物的研發(fā)中表現(xiàn)了較大的瓶頸效應，嚴重制約癌癥的研究進程。而基于機器學習和計算機模擬的新方法則為高效低投入的開展大規(guī)模的機理測試與藥物篩選提供了可能。
　　 2)基于傳統(tǒng)模式分類方法，提出了了最小誤分準則降維算法，雙重無監(jiān)督判別投影法等數(shù)據(jù)降維算法，利用基因表達譜數(shù)據(jù)對腫瘤進行分類。
　　 3)在現(xiàn)行的腫瘤生長模型的基礎上，提出改進的腫瘤生長綜合模型。該綜合模型不僅細致的考慮了各種物理化學刺激