简介:
本发明涉及一种药物预测方法(100),包括:接收从一个对象的肿瘤样本导出的基因组特征向量(130),所述基因组特征向量表示肿瘤的基因突变信息;接收从该肿瘤样本导出的转录组特征向量(140),所述转录组特征向量表示肿瘤的基因表达水平;根据一种药物的化学结构,导出该药物的分子结构特征向量(150);并且将所述基因组特征向量和转录组特征向量中的至少一个以及所述分子结构特征向量输入经训练的深度神经网络,以确定该药物对该肿瘤是否有效(160)。该方法能更加准确地为肿瘤患者预测药物。优选地,该方法还包括根据药物所针对的靶向通路及特点,确定药物的药物靶标特征向量(155);并额外地将药物靶标特征向量输入该深度神经网络来预测药物。
本发明涉及一种药物预测方法(100),包括:接收从一个对象的肿瘤样本导出的基因组特征向量(130),所述基因组特征向量表示肿瘤的基因突变信息;接收从该肿瘤样本导出的转录组特征向量(140),所述转录组特征向量表示肿瘤的基因表达水平;根据一种药物的化学结构,导出该药物的分子结构特征向量(150);并且将所述基因组特征向量和转录组特征向量中的至少一个以及所述分子结构特征向量输入经训练的深度神经网络,以确定该药物对该肿瘤是否有效(160)。该方法能更加准确地为肿瘤患者预测药物。优选地,该方法还包括根据药物所针对的靶向通路及特点,确定药物的药物靶标特征向量(155);并额外地将药物靶标特征向量输入该深度神经网络来预测药物。