劑量-效應(yīng)曲線平均每試錯(cuò)496次完成一次曲線擬合，共試錯(cuò)擬合405232次。若采用傳統(tǒng)的 人工方式，假定非常熟練的操作人員，30秒完成一次人工碰撞嘗試，則需要時(shí)間為2612個(gè)小 時(shí)完成全部擬合。對(duì)非單調(diào)劑量-效應(yīng)曲線平均每試錯(cuò)722次完成一次曲線擬合，共試錯(cuò)擬 合133570次。若采用傳統(tǒng)的人工方式，假定非常熟練的操作人員，30秒完成一次人工試錯(cuò)嘗 試，則需要時(shí)間為1113個(gè)小時(shí)完成全部擬合。同傳統(tǒng)人工擬合方法相比，高頻試錯(cuò)擬合技術(shù) 在擬合速度及準(zhǔn)確度都有幾個(gè)數(shù)量級(jí)的提高。
[0051]
[0052] 表2.擬合參數(shù)數(shù)據(jù)庫(kù)SVCF中把11參數(shù)、財(cái)11_七￥〇參數(shù)、把11_讓代6參數(shù)和把11_ four參數(shù)
[0053]
[0054] 表3.擬合參數(shù)數(shù)據(jù)庫(kù)SVCF中Logit參數(shù)、Logit_three參數(shù)、Weibull_three參數(shù)、 Logit_four 參數(shù)
[0055]
[0057] 表4.擬合參數(shù)數(shù)據(jù)庫(kù)SVCF中We i bu 11參數(shù)、BCL參數(shù)、BCW參數(shù)、BCV參數(shù)
[0058]
[0059] 表5.擬合參數(shù)數(shù)據(jù)庫(kù)SVCF中Brain_Consens參數(shù)、Weibull_four參數(shù)、Beckon參數(shù)
[0060]
[0061]
[0062] 表6.擬合參數(shù)數(shù)據(jù)庫(kù)SVCF中Cedergreen參數(shù)、Biphasic參數(shù)
[0063]
[0064] 表7.擬合參數(shù)數(shù)據(jù)庫(kù)SVCF中Hill_six參數(shù)
[0065]
【主權(quán)項(xiàng)】
1. 一種非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，包括如下步驟： (1) 基礎(chǔ)劑量-效應(yīng)曲線數(shù)據(jù)庫(kù)的構(gòu)建：以公開(kāi)發(fā)表文獻(xiàn)和/或公開(kāi)的化合物毒性數(shù)據(jù) 庫(kù)中的劑量-效應(yīng)數(shù)據(jù)為基礎(chǔ)，選取不同的劑量范圍、劑量-效應(yīng)數(shù)據(jù)點(diǎn)構(gòu)建數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù) 同時(shí)包括單調(diào)與非單調(diào)的劑量-效應(yīng)數(shù)據(jù)； (2) 擬合參數(shù)數(shù)據(jù)庫(kù)的構(gòu)建:利用非線性函數(shù)擬合基礎(chǔ)劑量-效應(yīng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，得 到不同函數(shù)的最優(yōu)參數(shù)擬合值，利用這些擬合值作為擬合新型劑量-效應(yīng)曲線的初始值;包 括13組單調(diào)函數(shù)和6組非單調(diào)函數(shù)對(duì)基礎(chǔ)劑量-效應(yīng)曲線數(shù)據(jù)庫(kù)的擬合值； (3) 劑量-效應(yīng)數(shù)據(jù)讀取:對(duì)于包含大批量的劑量-效應(yīng)曲線數(shù)據(jù)的數(shù)據(jù)集采用高頻試 錯(cuò)擬合方法逐條擬合，計(jì)算機(jī)每次讀取一條劑量-效應(yīng)曲線數(shù)據(jù)，讀取的劑量數(shù)與效應(yīng)數(shù)一 致，且劑量與效應(yīng)--對(duì)應(yīng)； (4) 劑量-效應(yīng)數(shù)據(jù)單調(diào)性判別：利用Mann-kendall趨勢(shì)檢驗(yàn)法對(duì)單調(diào)劑量-效應(yīng)數(shù)據(jù) 進(jìn)行識(shí)別，利用非參數(shù)秩檢驗(yàn)法對(duì)非單調(diào)劑量-效應(yīng)曲線數(shù)據(jù)識(shí)別，若曲線為單調(diào)數(shù)據(jù)，則 標(biāo)記成單調(diào)標(biāo)簽，若為非單調(diào)數(shù)據(jù)，則標(biāo)記成非單調(diào)標(biāo)簽； (5) 單調(diào)函數(shù)高頻試錯(cuò)擬合:對(duì)步驟(4)中標(biāo)識(shí)為單調(diào)標(biāo)簽的數(shù)據(jù)，選擇13組單調(diào)函數(shù) 中一組或多組，調(diào)用擬合參數(shù)數(shù)據(jù)庫(kù)中相應(yīng)函數(shù)的初始值進(jìn)行擬合;具體流程如下:a.從13 組單調(diào)函數(shù)中任意選擇一組單調(diào)函數(shù)，利用擬合參數(shù)數(shù)據(jù)庫(kù)中相對(duì)應(yīng)函數(shù)參數(shù)值為初始 值，采用非線性最小二乘法對(duì)單調(diào)劑量-效應(yīng)曲線數(shù)據(jù)進(jìn)行擬合;b.擬合過(guò)程中若成功擬 合，記錄相應(yīng)擬合參數(shù)，效應(yīng)濃度及對(duì)應(yīng)置信區(qū)間，計(jì)算擬合優(yōu)度信息，包括校正后確定系 數(shù)R 2adj、均方誤差RMSE、赤池信息量AIC、偏差校正后赤池信息量AICc、貝葉斯信息量BIC，然 后跳出該函數(shù)擬合過(guò)程，選擇調(diào)用其它單調(diào)函數(shù)進(jìn)行擬合或直接進(jìn)行下一步；c.重復(fù)上一 步驟，直到所有單調(diào)標(biāo)簽數(shù)據(jù)全部擬合完畢，記錄所有成功擬合函數(shù)的擬合信息； (6) 非單調(diào)函數(shù)高頻試錯(cuò)擬合:對(duì)步驟(4)中標(biāo)識(shí)為非單調(diào)標(biāo)簽的數(shù)據(jù)，選擇6組非單調(diào) 函數(shù)中一組或多組，調(diào)用擬合參數(shù)數(shù)據(jù)庫(kù)中相應(yīng)函數(shù)的初始值進(jìn)行擬合;具體流程如下： a.從6組非單調(diào)函數(shù)中任意選擇一組非單調(diào)函數(shù)，利用擬合參數(shù)數(shù)據(jù)庫(kù)中相對(duì)應(yīng)函數(shù) 參數(shù)值為初始值，采用非線性最小二乘法對(duì)非單調(diào)劑量-效應(yīng)曲線數(shù)據(jù)進(jìn)行擬合;b.擬合過(guò) 程中若成功擬合，記錄相應(yīng)擬合優(yōu)度信息，包括校正后確定系數(shù)RU、均方誤差RMSE、赤池 信息量AIC、偏差校正后赤池信息量AICc、貝葉斯信息量BIC，然后跳出該函數(shù)擬合過(guò)程，選 擇調(diào)用其它非單調(diào)函數(shù)進(jìn)行擬合或直接進(jìn)行下一步；c.重復(fù)上一步驟，直到所有非單調(diào)標(biāo) 簽數(shù)據(jù)全部擬合完畢，記錄所有成功擬合函數(shù)的擬合信息； (7) 最優(yōu)擬合函數(shù)選擇:根據(jù)步驟(5)中所擬合單調(diào)函數(shù)的擬合優(yōu)度信息，選取擬合單 調(diào)劑量-效應(yīng)曲線的最優(yōu)函數(shù);根據(jù)步驟(6)中所擬合非單調(diào)函數(shù)的擬合優(yōu)度信息，選取擬 合非單調(diào)劑量-效應(yīng)曲線的最優(yōu)函數(shù)； (8) 批量擬合:重復(fù)步驟(3)-(7)，直至數(shù)據(jù)集中所有劑量-效應(yīng)曲線數(shù)據(jù)被擬合完畢。2. 根據(jù)權(quán)利要求1所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟（1) 中，所述不同劑量范圍為：1 X 10_12m〇VL~lmol/L之間，步驟（1)中效應(yīng)可為處理后的百分 比效應(yīng)或原始實(shí)驗(yàn)數(shù)據(jù)。3. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟 (1)中，所述劑量-效應(yīng)數(shù)據(jù)包括不同化學(xué)物質(zhì)對(duì)原核生物體、真核生物體、各種細(xì)胞、報(bào)告 基因、生物蛋白酶實(shí)驗(yàn)體系的劑量-效應(yīng)數(shù)據(jù)。4. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟 (1) 中，所述單調(diào)劑量-效應(yīng)數(shù)據(jù)中最低劑量數(shù)為5組，非單調(diào)劑量-效應(yīng)數(shù)據(jù)中最低劑量數(shù) 為8組。5. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟 (2) 中，所述13組單調(diào)函數(shù)為：四參數(shù)Weibull函數(shù)及變形的三參數(shù)與二參數(shù)Weibull函數(shù)，3 組分別表示為評(píng)6；1131111_；1^0111'、16；[131111_1：1^66和16；[131111;四參數(shù)1^^；[1：函數(shù)及變形的三參數(shù) 與二參數(shù)1^^;11:函數(shù)，3組分別表示為1^^;[1:_;1^〇111'、1^^;[1:_1:1^66和1^^;[1:;四參數(shù)!1;[11函數(shù)及 變形的一組三參數(shù)Hill函數(shù)和兩組二參數(shù)，其中Hill系數(shù)為1或不為1，4組函數(shù)分別表示為 Hi 1 l_f our、Hi 1 l_three、Hi 1 l_two、Hi 11;三參數(shù) Box-Cox-Weibul 函數(shù)，表不為 BCW;三參數(shù) Box-Cox-Logit函數(shù)，表示為BCL;三參數(shù)Generalised Logit函數(shù)，表示為GL〇6. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟 (2) 中，所述6組非單調(diào)函數(shù)為：三參數(shù)Brain_Consens函數(shù)，四參數(shù)由Vanewi jk改進(jìn)的 Brain_Consens函數(shù)，表示為BCV，四參數(shù)Cedergreen函數(shù)，五參數(shù)Beckon函數(shù)，藥理學(xué)中應(yīng) 用的五參數(shù)Biphasic函數(shù)，六參數(shù)的把11疊合函數(shù)，表示為!1;[11_811。7. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟 (3) 中，對(duì)于重復(fù)實(shí)驗(yàn)的劑量-效應(yīng)數(shù)據(jù)，先將效應(yīng)數(shù)據(jù)取平均值，再形成計(jì)算機(jī)可識(shí)別的劑 量與效應(yīng)一一對(duì)應(yīng)的數(shù)據(jù)形式。8. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟 (4) 中，Mann-kendall趨勢(shì)檢驗(yàn)與非參數(shù)秩檢驗(yàn)方法的檢驗(yàn)水平最高值為0.10。9. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步驟 (4)中，Mann-kendall趨勢(shì)檢驗(yàn)與非參數(shù)秩檢驗(yàn)方法的檢驗(yàn)水平取0.01或0.05。10. 根據(jù)權(quán)利要求1或2所述的非線性劑量-效應(yīng)曲線的批量擬合方法，其特征在于，步 驟(7)中，最優(yōu)擬合函數(shù)的選擇標(biāo)準(zhǔn)為:R 2adj最高或RMSE、AIC、AICc、BIC中任一個(gè)最低。
【專(zhuān)利摘要】本發(fā)明涉及一種非線性劑量-效應(yīng)曲線的批量擬合方法，包括如下步驟：基礎(chǔ)劑量-效應(yīng)數(shù)據(jù)庫(kù)的構(gòu)建、擬合參數(shù)數(shù)據(jù)庫(kù)的構(gòu)建、劑量-效應(yīng)數(shù)據(jù)讀取、劑量-效應(yīng)數(shù)據(jù)單調(diào)性判定、單調(diào)劑量-效應(yīng)數(shù)據(jù)高頻試錯(cuò)擬合、非單調(diào)劑量-效應(yīng)數(shù)據(jù)高頻試錯(cuò)擬合、最優(yōu)擬合函數(shù)選擇合等過(guò)程。本發(fā)明以非線性函數(shù)的擬合參數(shù)數(shù)據(jù)庫(kù)SVCF為基礎(chǔ)，采用高頻試錯(cuò)技術(shù)對(duì)劑量-效應(yīng)曲線數(shù)據(jù)進(jìn)行批量快速擬合，可在短時(shí)間內(nèi)處理大量數(shù)據(jù)。非常適用于當(dāng)前利用定量高通量篩選技術(shù)對(duì)化學(xué)物質(zhì)進(jìn)行毒性測(cè)試產(chǎn)生的大批量的劑量-效應(yīng)曲線數(shù)據(jù)。
【IPC分類(lèi)】G06F17/50
【公開(kāi)號(hào)】CN105512415
【申請(qǐng)?zhí)枴緾N201510945122
【發(fā)明人】朱祥偉, 曹煜彬
【申請(qǐng)人】青島農(nóng)業(yè)大學(xué)
【公開(kāi)日】2016年4月20日
【申請(qǐng)日】2015年12月17日