中文摘要：

宫颈癌患者经药物干预后，其内源小分子水平的变化为筛选化疗敏感性标志物的研究提供了丰富的信息。本项目通过构建多时点代谢组学数据的动态贝叶斯网络（DBN）模型，探索宫颈癌化疗敏感性反应的代谢通路，筛选相应的生物标志物。研究内容包括高维数据的动态贝叶斯网络模型、模型的参数估计与算法、模型变量的筛选与统计推断、贝叶斯网络模型的信息融合方法、生物标志物代谢通路的验证。本研究预期提出一种RF-DBN算法，这种算法能够对多时点动态检测的高维代谢组学数据，实现自动筛选潜在生物标志物和具有复杂交互作用的代谢物质；并能充分利用调控网络中代谢物质的时间延迟效应，给出不同生物标志物的网络调控关系。本研究还将给出一种新的含有隐变量的双层动态贝叶斯网络（TS-DBN）模型，这种模型能够有效地利用生物学先验信息，融合血浆和尿液不同来源的生物样本数据进行分析，更准确地对患者是否具有耐药性进行早期预测并给出生物学解释。