基于基因关系网络的单克隆抗体靶向抗肿瘤药物的药物警戒研究
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 缩略词表 | 第11-12页 |
| 前言 | 第12-15页 |
| 第一章 生物信息学在单抗药物不良反应研究中的应用 | 第15-23页 |
| 一、药物不良反应研究 | 第15-16页 |
| （一） 药物不良反应 | 第15页 |
| （二） 药物不良反应监测 | 第15-16页 |
| 二、生物信息学辅助ADR研究 | 第16-20页 |
| （一） 生物信息学研究 | 第16-17页 |
| （二） 生物信息数据库 | 第17-20页 |
| 三、肿瘤全球化增长趋势 | 第20-21页 |
| 四、单克隆抗体靶向抗肿瘤药物 | 第21-22页 |
| 五、本文研究目的及意义 | 第22-23页 |
| 第二章 单抗类药物-基因-不良反应关系网络的构建 | 第23-35页 |
| 一、基本路线 | 第23-24页 |
| （一） 思路来源 | 第23页 |
| （二） 操作步骤 | 第23-24页 |
| 二、数据的收集 | 第24-28页 |
| （一） 收集单抗药物-基因相互作用信息 | 第24-26页 |
| （二） 收集单抗药物-不良反应数据信息 | 第26-28页 |
| 三、数据预处理 | 第28-31页 |
| （一） 药物CAS编号比对 | 第28页 |
| （二） 药物不良反应名称标准化 | 第28-31页 |
| 四、数据纳入与整合 | 第31-35页 |
| （一） 数据纳入 | 第31页 |
| （二） 数据整合 | 第31-35页 |
| 第三章 基因--不良反应关系关联信号挖掘 | 第35-47页 |
| 一、关联信号挖掘算法 | 第35-38页 |
| （一） 关联规则挖掘算法 | 第35-36页 |
| （二） 频数法 | 第36-38页 |
| 二、关联信号挖掘结果 | 第38-42页 |
| （一） 关联规则算法排名靠前挖掘结果统计 | 第38-41页 |
| （二） 信号挖掘统计结果排名前二十 | 第41-42页 |
| 三、信号重合比对 | 第42-47页 |
| （一） 重合率统计 | 第42-43页 |
| （二） 重合率验证 | 第43-46页 |
| （三） 重合率验证结果 | 第46页 |
| （四） 结论 | 第46-47页 |
| 第四章 强关联信号单抗药物评价 | 第47-57页 |
| 一、阿柏西普各部位出血不良反应研究 | 第47-50页 |
| （一） 药物信息 | 第47页 |
| （二） 基因--不良反应相关数据 | 第47页 |
| （三） 关联规则及频数法统计结果对比 | 第47-49页 |
| （四） 讨论 | 第49-50页 |
| 二、派姆单抗皮肤不良反应研究 | 第50-54页 |
| （一） 药物信息 | 第50页 |
| （二） 基因--不良反应相关数据 | 第50页 |
| （三） 关联规则及频数法统计结果对比 | 第50-53页 |
| （四） 讨论 | 第53-54页 |
| 三、西妥昔单抗呼吸系统不良反应研究 | 第54-57页 |
| （一） 药物信息 | 第54页 |
| （二） 基因--不良反应相关数据 | 第54页 |
| （三） 关联规则及频数法统计结果对比 | 第54-56页 |
| （四） 讨论 | 第56-57页 |
| 第五章 结论与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 文献综述 药物不良反应监测及预测研究方法概述 | 第61-70页 |
| 参考文献 | 第67-70页 |
| 在读期间发表论文情况说明 | 第70-71页 |
| 致谢 | 第71页 |
