馮熙然　李思婷　趙娜

摘 要：惡性胰腺癌（pancreaticcancer）其實是一種消化道惡性腫瘤，具有很高的惡性癌變程度，診斷和早期治療困難很大。近幾年來，發(fā)病率和患者死亡率顯著提高。胰腺癌的早期手術確診死亡率一般較低，手術晚期死亡率高，治愈性能也較低。胰腺癌是否發(fā)生的尚不清楚?？蒲袡C構希望利用與人工智能相關的大數(shù)據(jù)技術輔助放射科醫(yī)生進行醫(yī)學圖像識別，提高醫(yī)療成像數(shù)據(jù)的準確性，降低放射科醫(yī)生的壓力，達到早發(fā)現(xiàn)和治療疾病的目標。本課題采用大數(shù)據(jù)技術分布存儲胰腺光影像數(shù)據(jù)，利用深度學習技術將大量胰腺X光圖像從自動特征中提取，并通過大數(shù)據(jù)技術研究了癌癥藥物。

關鍵詞：胰腺癌;X光影像;大數(shù)據(jù)技術;對比治療機制

前言：

近幾年來，隨著大數(shù)據(jù)技術的迅速發(fā)展，基因組拷貝變化、突變、甲基化數(shù)據(jù)和轉錄組、蛋白質組、代謝群等與癌癥有關的組學數(shù)據(jù)也在迅速積累，為癌癥的研究和精確醫(yī)學的發(fā)展提供了大量的機會。通過前期的調查，胰腺癌是最差預后的惡性腫瘤之一，被稱為"癌中的王子"，在前期難以發(fā)現(xiàn)，藥物作用也不理想。針對目前存在的問題，我們對于胰腺癌前期X光片及藥物治療效果進行了大數(shù)據(jù)處理并構建了對比治療機制。

1.設計思路

對比 alexnet 神經(jīng)網(wǎng)絡， mobilenets 神經(jīng)網(wǎng)絡， vgg16 神經(jīng)網(wǎng)絡模型，以及胰腺 x 光圖像識別的精確度，根據(jù)分析效果優(yōu)劣，選擇 vgg16 網(wǎng)絡模型對算法進行改進，分別命名 vggy 和 vgg y1 ，標準卷在 vgg16 網(wǎng)絡上。積被 vggy 網(wǎng)絡模型改為深度分離的卷積，并將改進的網(wǎng)絡模型應用于胰腺梗阻性慢性胰腺炎，癥狀糖尿病，血栓型靜脈炎，黃疸性肝炎，膽石癥，膽囊病和正常七種類型的識別。

2.設計原理

2.1基于轉錄組大數(shù)據(jù)和深度學習的藥物重定位預測

在這部分研究中，基于 lincs 計劃的藥物刺激下細胞反應轉錄組的大數(shù)據(jù)，構建了一個基因共表達網(wǎng)，它由不同的治療性質組成，并由此基因共表達網(wǎng)絡構成，并由此基因共表達網(wǎng)絡的核心成分 dgcn 組成。 dgcn 基因共表達關系的聯(lián)結可以被用來探究基因誘導的藥物表達方式，從而使研究人員更深入地理解藥物作用的機制。接下來，利用 lincs 計劃的 l1000 數(shù)據(jù)集中的藥物擾動和基因沉默轉錄組中的大數(shù)據(jù)以及深度學習，構建了一個深度神經(jīng)網(wǎng)絡 dnn 模型，系統(tǒng)進行了藥物靶標的關聯(lián)預測。通過交叉驗證，發(fā)現(xiàn) dnn 模型的精確度比其他預測算法要高，而且所預測的藥物靶標相關聯(lián)系在其他相關的數(shù)據(jù)庫中明顯集合。

2.2基于多組學數(shù)據(jù)融合的癌癥共識分子亞型辨識的Web計算實現(xiàn)

在第二個部分的研究中，使用 tcga 、 icgc 和 target 國際大型項目的癌癥多組學資料和多聚類算法，建立了 comsuc 癌癥認識分子亞型的 web 計算工具。 comsuc 彌補了由不同測序平臺，預處理過程和聚類法等因素引起的分子亞型不一致缺陷，這是 comsuc 彌補的。 comsuc 實現(xiàn)了多個應用場景，多種聚類算法，可以展示并輸出分析的發(fā)表等級。以辨別腎上腺皮質癌 acc 的共識分子亞型為例，展示了 comsuc 在癌癥分子亞型識別方面的實用性。本研究展示了轉錄組和多組學數(shù)據(jù)融合的計算分析，并在藥物重定位預測和癌癥分子亞型識別方面的應用。

3.設計優(yōu)勢分析

3.1 構建了藥物誘導的基因共表達網(wǎng)絡

經(jīng)過一系列預處理的數(shù)據(jù)，構建了藥物擾動轉錄反應的表達譜數(shù)據(jù)。計算不同的藥物刺激細胞系中所有基因之間的 pearson 相關系數(shù)和 p 值，按一定篩選規(guī)則進行合并，構成了不同的治療性藥物刺激下基因共表達網(wǎng)，從而形成了一個核心藥物引導基因共表達網(wǎng)。該網(wǎng)絡幫助研究者更深入地理解了藥物作用的機制。

3.2 將深度學習方法引入到藥物重定位領域

相對傳統(tǒng)新藥研發(fā)模式，藥物重定位策略發(fā)現(xiàn)藥物新用途具有顯著的成本效益優(yōu)勢，能加快藥物上市步伐，滿足惡性腫瘤、罕見病、個性化醫(yī)療等特定領域藥物臨床用藥需求。而深度學習可以有效提取圖像隱含特征，在醫(yī)學影像識別方面的應用快速發(fā)展。采用遞增擴充卷積并且融合批量標準化和LeaklyReLU函數(shù)對輸入胰腺癌早期X光片及藥物效果數(shù)據(jù)進行特征提取與學習;然后通過結合遞減擴充卷積和ReLU函數(shù)對提取的特征進行圖像重構;二者結合，將深度學習方法引入到藥物重定位領域，可以提高藥物-靶標關聯(lián)關系預測的準確率。

3.3 搭建了包含多個組學數(shù)據(jù)和多個聚類方法的癌癥共識分子亞型Web計算工具

復雜性疾病常由環(huán)境因素和遺傳性因素（多組學層次）共同作用引起。對認知疾病發(fā)生的全面分析，對認知疾病發(fā)生的進程至關重要。多組學數(shù)據(jù)整合分析可以提高特征檢查的效率，提高疾病的預測精確度。癌癥共識分子亞型網(wǎng)絡計算工具可以將不一致的聚類方法融合到多個組學和聚類方法中，從而發(fā)現(xiàn)與癌癥共識分子亞型相關的生物標志和相關診斷，有助于對醫(yī)療進行針對性診斷。

4.可行性

近幾年來，隨著惡性功能腫瘤基因組學的迅速研究發(fā)展，與各種癌癥發(fā)病有關的基因組織科學分析數(shù)據(jù)也在迅速發(fā)展積累，這些基因組的科學分析數(shù)據(jù)與各種癌癥發(fā)病有關。為癌癥藥物的研發(fā)和精確醫(yī)學的發(fā)展創(chuàng)造了大量的機會。轉錄組數(shù)據(jù)是生物醫(yī)學的一個重要組成成分，在生物醫(yī)學和臨床應用中得到了廣泛的應用。而細胞擾動表達譜測量的轉錄組在各種擾動情況下的變化，通過對組織細胞不同的生理，病學，藥物作用等基因表達譜印記的對比分析，可以在不同的生理，病學作用和藥物作用中建立聯(lián)系。

5. 推廣前景

近幾年來，機器學習尤其是深度學習技術的發(fā)展，使得深度學習成為計算機視覺，語音識別，自然語言處理的成功。藥物大數(shù)據(jù)與深度學習相結合，將為生物醫(yī)學在包括藥物開發(fā)在內的各個領域帶來新的發(fā)展機會。隨著基因測序、高通量基因芯片和低成本轉錄組技術的迅速發(fā)展，積累了大量關于藥物擾動、基因沉默和癌癥的多組學資料，這些大量數(shù)據(jù)不僅對生物學基礎研究產生了深遠的影響，而且對藥物重定位、癌癥分子的分型等應用研究也產生了深遠的影響并為癌癥大數(shù)據(jù)提供重要的機遇。

參考文獻：

[1]宋欣雨，文昱琦，劉禎，何松，伯曉晨 基于LINCS轉錄組大數(shù)據(jù)的藥物誘導基因共表達網(wǎng)絡構建【J】軍事科學院軍事醫(yī)學研究院 2018（06）

[2]宋欣雨 基于組學大數(shù)據(jù)的藥物重定位預測和癌癥共識分子亞型辨識【J】軍事科學院 2019

[3]熊阿珍，孟光興 藥物重定位候選藥物篩選路徑【J】中國醫(yī)藥工業(yè)雜志 2020（02）

作者簡介：

姓名：馮熙然，性別：女，籍貫：云南省昆明市西山區(qū)，出生年月：2002年10月28日，學歷：本科;研究方向：醫(yī)學影像技術

姓名：李思婷，性別：女，籍貫：福建省漳州市薌城區(qū)，出生年月：2001年11月12日，

學歷：本科;研究方向：醫(yī)學影像技術

姓名：趙娜，性別：女，籍貫：山東省威海市環(huán)翠區(qū)，出生年月：1991年10月10日，學歷：本科，職稱：講師，研究方向：臨床醫(yī)學

（山東協(xié)和學院? 山東? 濟南? 250000）