基于遗传算法的药物数据建模分析方法研究

作     者：叶晓娜 

作者单位：厦门大学 

学位级别：硕士

导师姓名：刘昆宏

授予年度：2022年

学科分类：1007[医学-药学(可授医学、理学学位)] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：遗传算法 药物数据 联合用药 药物肝毒性 

摘      要：随着生物医药领域的快速发展,出现了越来越多基于生物医药数据的机器学习方法研究,从而可以解决实验周期长、实验环境及人力物力资源限制等问题的限制。本文针对生物医药中联合用药与药物肝毒副作用两种数据分析任务,分别基于数据特点设计基于遗传算法的预测模型,主要研究工作如下:1、联合用药作为治疗复杂疾病的有效临床治疗策略,需要分析药物之间的作用关系。本文提出了一种基于遗传算法的集成学习框架GA-DRUG,分析药物扰动下的细胞系特异性基因表达谱数据。GA-DRUG针对数据类别不平衡问题,将个体设计为三个并行OVA分类器。在基于HT29、A375、A549、MCF7、PC3这5个细胞系药物组合数据集的实验中进行综合评估,获得了比其余联合用药模型更优的分类性能,并挖掘到具有重要生物意义的特征子集。2、在药物发现过程中,药物性肝损伤是毒性评价研究中最常见和最重要的问题之一。本文整合现有数据集,提出一种新的数据抽取和处理方法,基于遗传算法和集成学习设计了算法模型Rotation-Ensemble-GA。算法基于Adaboost集成学习算法框架,以个体表达有效的特征空间旋转子集,搜索更具判别性的特征子集,从而实现有效的预测结果。实验结果表明,本文提出的算法获得了更优的药物化合物肝毒性预测准确率。