APP下载
[00068328]融合电子病历与多组学数据的辅助诊疗
联系人： 山东师范大学
所在地：山东 济南市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
随着基因测序、高通量基因芯片和低成本转录组等技术的快速发展，积累了大量的有关药物扰 动、基因沉默和癌症的多组学数据（基因组、转录组、蛋白质组以及代谢组等），这些海量数据为 药物重定 位研究的发展提供了重要机遇。然而，由于多组学数据的复杂性和异构性，使得多组学数 据的高效分析技术仍然是制约其广泛应用于临床研究的关键。主要挑战包括：缺乏多源异构组学数 据的有效融合方法、缺乏基于多组学数据的个性化整合分析平台、缺乏面向大规模多组学数据的高 效计算方法等。针对这些挑战，本项目拟以目前已有的各种疾病多组学数据为基础，设计新的可适 用于大规模数据的机器学习算法来解决目前基于多组学数据的药物重定位研究中存在的关键问题， 探索对复杂疾病发生重要的生物分子及其协同作用机制，为患者的个性化临床诊治提供有价值的线 索。只有有效整合和分析不断积累的医疗大数据，才能将精准医疗落到实处，推动健康医疗相关产 业的快速发展。项目只要工作如下：
1、提出对电子病历数据进行可解释性表征和动态建模方法与系统，包括：基于医学概念表示 学习的时间序列事件临床预测模型算法、多模态抑郁倾向检测方法、基于特征最大最小依赖的COPD 诊断方法、基于知识图谱和集成模式的COPD诊断方法。
2、提出生物网络分析、网络子结构发现以及生物标志物的识别方法与系统，包括：调控网络 子结构发现算法、基于结构化图的聚类算法、基于矩阵分解和标记传播的miRNA-疾病关联预测算 法、基于 全局线性邻域的miRNA-疾病关联预测算法、基于L1范数图的miRNA疾病关联预测半 监督模型。
3、提出药物相关性分析、药物与疾病相关性识别方法与系统，包括：基于符号异构网络随机游 走的药物副作用预测算法、基于堆叠深度异构网络嵌入的药物副作用预测算法、基于多药副作用的 药物相互作用预测算法。
4、提出医学影像表征和分析方法与系统，包括：多模型皮肤图像血管恢复算法、基于血管比 较的皮肤纹理在法医应用中的特殊性方法。
5、提出微生物与疾病相关性分析方法与系统，包括：基于多视图多标签的半监督学习框架及 其在生物标志物预测与微生物中的应用、基于信息距离度量的基因表达谱数据特征选择与在微生物 中应用算法、基于噪声去除及图半监督学习模型的生物标志物识别算法。
6、已授权多项发明专利。
