基于生物影像分析和多层次代理模型的脑癌发育模拟及优化方法的研究与应用

Computational biology of cancer research is to investigate the connections among various scales of the tumor system and develop a system model to understand the mechanism of tumor development. This research is investigating how to efficiently employ imaging data to optimize unknown parameters in the multi-scale agent based glioma cancer model and quantitatively explore the impact of EGFR signaling pathway and tumor angiogenesis on the cancer expansion. For this aim, we are going to integrate machine learning, data mining, numerical methods for differential equation and graphic programming unit based parallel computing algorithms with tumor and imaging research. In turn, this research will improve math algorithm and evaluate the efficacy of the model. The major aims the project are (1) development of a multi-scale, multi-resolution agent based Glioma cancer model with angiogenesis; (2) optimization for the key parameters of the model regarding to the clinical imaging data; (3)designing an evaluation standard for anti-tumor drug effect; (4) the versatility of the software development and website development.

肿瘤模型研究是系统生物学领域的一个重要方向。它试图通过对某一特定肿瘤系统中不同组成部分间相互关系和相互作用的分析，最终建立一个可理解的系统模型。 本项目以脑神经胶质瘤为研究对象，以机器学习、数据挖掘算法，微分方程数值方法及基于图形卡的并行计算算法研究为基础，结合生物影像学、肿瘤学相关领域知识，深入研究如何高效利用生物实验信息来优化未知的多层次代理模型参数，定量探索表皮生长因子和肿瘤新生血管对肿瘤发展的影响，建立一个复杂肿瘤的可信发育预测和抗癌药物评估模型。本研究通过生物实验数据来检验计算模型的效果。 这种方法也将对信息科学中所涉及的算法发展起到重要推动作用。本项目拟：（1）构建整合肿瘤细胞和肿瘤血管发育的多解析度、多层次肿瘤模型；（2）提出基于生物实验数据的复杂肿瘤模型评估方法和模型参数优化算法；（3）提出基于复杂肿瘤模型的抗脑癌药物效应评测方法；（4）研制通用性软件，开发相应网站.

本项目以脑神经胶质瘤为研究对象，以机器学习、数据挖掘算法，微分方程数值方法等计算算法研究为基础，深入研究复杂肿瘤模型的构建和优化方法，意图建立一个复杂肿瘤的可信发育预测和抗癌药物评估模型。项目研究工作主要包括以下四个部分：（1）基于代理的多层次多解析度肿瘤模型构建；（2）基于生物影像数据比对的肿瘤模型可靠性评估设计和模型参数优化；（3）基于复杂肿瘤模型的药物效应评测方法研究；（4）通用性软件研发和网站开发。.第一部分：（1）通过融合数据挖掘，并行计算和模拟仿真模型的优点，解决了无法使用试验数据训练代理模型参数，从而预测肿瘤发育的科学问题。（2）突破了代理模型在肿瘤实时模拟上的计算效率瓶颈。.第二部分；（1）解决了无法使用P38细胞信号通路定量预测多发性骨髓癌细胞表型变化的科学问题。通过使用随机微分方程组计算细胞间个体差异，突破了模型预测稳定性上的瓶颈和缺陷。（2）解决了使用DNA序列结合传统数据挖掘算法预测帕金森病，预测成本高，效率低的科学问题。（3）针对基因表达数据的 “高维低样本”特点，提出了CoxSisLasso算法，找出GBM的致癌关键基因。在理论上建立一套从生存时间，基因到信号通路的多尺度的基因和信号通路筛选算法。.第三部分：解决了通过有限的生物试验确定药物平台中的重要参数，从而替代使用大量试验来估计药效的科学问题。结合代理模型和药动力学索引的创新，突破了以往传统多药物效果预测，误差大的障碍。.第四部分：解决了关系数据库无法高效存储来自不同研究目的、异源异构的时间序列大数据问题。突破了时间序列大数据在查询，增加和删除上的时空瓶颈。为将来大数据关联分析和深度挖掘提供关键的数据储备，技术保障和共享资源。