藥物肝毒性是導致新藥研究失敗和臨床藥物撤市的一個重要的因素。據(jù)統(tǒng)計在新藥研發(fā)過程中因候選藥物肝毒性而導致失敗的比例為37%,在臨床應用中因藥物肝毒性而導致藥物撤市的比例為18%,因此,在藥物研發(fā)早期以及臨床使用中對藥物肝毒性進行預測對于提高研發(fā)成功率和合理用藥具有重要意義。由于藥物肝毒性發(fā)生機制復雜,如何提高藥物肝毒性預測的準確性以及適用性特別對遲發(fā)性藥物肝毒性的預測依然面臨重大挑戰(zhàn)。在此,本研究嘗試結合基因表達數(shù)據(jù)和機器學習技術構建藥物肝毒性預測模型,以期在提高預測準確性的同時,提高肝毒性預測模型適用性以及實現(xiàn)遲發(fā)性藥物肝毒性的早期預測。1.綜述本章回顧了藥物肝毒性及其預測現(xiàn)狀。首先介紹了藥物肝毒性的概念,并闡明了對化合物肝毒性的預測在藥物的研發(fā)和應用中的重要性。其次,對藥物肝毒性預測的方法,包括體內(nèi)外生物實驗法、專家系統(tǒng)、基于化合物預測方法、機器學習預測方法和基于基因表達數(shù)據(jù)的預測方法進行了綜述,為本研究提供了理論支撐。2.肝毒性預測模型建模數(shù)據(jù)的搜集及處理本章旨在搜集建模所需的藥物（或化合物）肝毒性的基因表達數(shù)據(jù),并在預處理基礎上進行分組和特征基因的篩選。通過對TG-GATE數(shù)據(jù)... 

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
引言
第一章 綜述
    1.1 藥物肝毒性概述
    1.2 藥物肝臟毒性預測方法概述
        1.2.1 基于體內(nèi)外實驗方法預測肝毒性
        1.2.2 基于計算機方法預測肝毒性
    1.3 本論文研究目的和意義
第二章 肝毒性SVM預測模型建模數(shù)據(jù)的搜集及處理
    2.1 數(shù)據(jù)庫、軟件及相關程序包
    2.2 建模數(shù)據(jù)的搜集及處理
        2.2.1 數(shù)據(jù)的搜集
        2.2.2 數(shù)據(jù)的預處理
        2.2.3 建模數(shù)據(jù)的分組
    2.3 特征基因的篩選
        2.3.1 差異表達分析
        2.3.2 基于Boruta算法的特征基因篩選
    2.4 本章小結
第三章 肝毒性SVM預測模型的構建、優(yōu)化及性能測試
    3.1 軟件及程序
    3.2 肝毒性SVM預測模型的構筑及參數(shù)考察
        3.2.1 肝毒性SVM預測模型交叉驗證模式的選擇
        3.2.2 肝毒性SVM預測模型分類類型的選擇
        3.2.3 肝毒性SVM預測模型核函數(shù)的選擇
    3.3 肝毒性SVM預測模型的測試集驗證
    3.4 肝毒性SVM預測模型的優(yōu)化
        3.4.1 GA算法優(yōu)化肝毒性SVM預測模型性能參數(shù)
        3.4.2 GS算法優(yōu)化肝毒性SVM預測模型性能參數(shù)
        3.4.3 PSO算法優(yōu)化肝毒性SVM預測模型性能參數(shù)
        3.4.4 肝毒性SVM預測模型最優(yōu)參數(shù)選擇
    3.5 本章小結
第四章 最優(yōu)肝毒性SVM預測模型的文獻和實驗驗證
    4.1 材料
        4.1.1 數(shù)據(jù)庫、軟件及相關程序包
        4.1.2 儀器與試劑
        4.1.3 實驗動物
    4.2 基于文獻的化合物肝毒性預測
    4.3 長春堿的肝毒性預測和實驗驗證
        4.3.1 長春堿的肝毒性預測
        4.3.2 長春堿肝毒性的實驗驗證
    4.4 本章小結
第五章 全文總結
參考文獻
致謝



本文編號：3723155