联合基因表达和临床信息的贝叶斯网络多源信息卵巢癌化疗反应预测模型研究

建立卵巢癌化疗反应预测模型对卵巢癌个性化治疗具有重要临床意义，从信息学的角度，建立这一模型的瓶颈在于缺乏有效手段整合包括基因表达、临床变量和领域先验在内的多源信息，辨识和定量描述基因和临床变量的调控关系，有效提取敏感表达基因。针对这些问题，本项目从分析卵巢癌微阵列数据入手，重点研究（a）全基因谱数据的数据校正和基因筛选；（b）基于有限数据和不完整信息，利用领域先验等"结构"约束，结合"主动学习"，综合辨识基因和临床变量贝叶斯网络结构的方法；（c）以贝叶斯网络为平台的卵巢癌敏感基因、临床变量和肿瘤先验多源信息融合。项目将利用测试数据，独立样本数据，从统计和生物学两方面对模型进行验证和修正。本研究建立的基于贝叶斯网络的多源信息预测模型，不但可以定量预测卵巢癌化疗反应结果，而且描述了基因和临床变量间的因果调控关系，为卵巢癌的个性化治疗提供了依据，并且可以推广到其它肿瘤诊治平台。