《常微分方程的統計推斷及其在生物數據中的套用》是依託上海師範大學，由房雲擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：常微分方程的統計推斷及其在生物數據中的套用
- 項目類別：青年科學基金項目
- 項目負責人：房雲
- 依託單位：上海師範大學
項目摘要,結題摘要,
項目摘要
常微分方程模型在眾多領域有著廣泛的套用，尤其是生物數據中的愛滋病數據和基因晶片數據。常微分方程模型可以全局刻畫HIV病毒清除以及複製的過程；能夠合理描繪基因之間正向、反向的調控作用以及基因自身的反饋作用。本課題結合實際需要，研究常微分方程的統計推斷。本課題的研究內容將分三個方面：（1）利用兩步方法估計隨機係數常微分方程中的常參數和時變參數，其中協變數含測量誤差，可用於時變參數HIV病毒感染率的估計，為藥效評估提供佐證；（2）將分位數回歸用於常微分方程，達到穩健性目的，並能得到狀態變數導數的條件分位函式，對其條件分布函式作更全面地刻畫，臨床上可用於估計病毒濃度變化率的條件分位函式，為藥效對比提供更多信息；（3）對含高維參數的常微分方程系統作變數選擇，可用於基因調控網路的高維方程系統上。這些方法都適用於實際數據分析，為愛滋病的治療和基因功能的研究提供更多信息，具有相當的套用潛力和價值。
結題摘要
生物醫學數據的統計分析是目前統計研究的熱門方向之一。本項目對Cancer Cell Line Encyclopedia (CCLE)數據集分別建立了三種模型來預測癌症治療藥物敏感性。1.採用疊代SIS方法篩選重要的特徵來解釋藥物敏感性，經驗證該模型的預測精度比文獻中彈性網（elastic net）的預測精度高。2. 採用支持向量機(SVM)和遞歸特徵選擇方法進行建模,通過交叉核實法以及另一個獨立的數據集(Cancer Genome Project, CGP)，驗證了該模型預測效果。3. 我們更進一步提出了一個雙層網路模型，綜合使用細胞系相似性信息和藥物相似度信息來建立一個加權模型，經驗證該雙層網路模型亦明顯優於彈性網（elastic net）的預測精度。藥物敏感性預測是目前癌症研究的重要目的之一。對藥物敏感性有顯著影響作用的特徵的識別將更深入地揭示藥理作用。我們的模型可以被用於預測某些藥物的敏感性，並對個性化醫療的發展起到一定的輔助和推動作用。此外，本項目利用邏輯回歸等方法對抗A肝病毒的血清陽性率以及血清陽轉率作擬合及預測，對A肝疫苗的實施方案的修改提供了佐證意見。
