近日，我所尹继业课题组在《CNS Neuroscience & Thera-peutics》杂志上发表一篇名为Establishing Prediction model of antiepileptic drugs response using data mining approach的文章。
癫痫（Epilepsy）是当今世界一种治疗手段高度多样化的常见神经失常性疾病，伴随着大量的抗癫痫药物（antiepileptic drugs）被开发出来，对各种药物在不同患者中的疗效多样化的研究也日趋热门。因此，个体化抗癫痫药物疗效预测模型的建立对药物基因组学研究而言至关重要，数据挖掘技术（Data Mining Technique）作为在当今海量数据中找到我们需要的信息的重要手段被运用到此次研究当中，并为我们建立起多个有效的数学预测模型提供了有力帮助。这项研究对于癫痫患者的个体化治疗提供了理论基础，并在临床上得到了验证。
在本次研究中，经过前期工作基础发现和生物信息学预测后我们共纳入了699名癫痫患者并挑选了10个与癫痫相关基因的31个单核苷酸多态（SNP）进行分型，并运用了9种数据挖掘技术建立并检测了该预测模型表现出的敏感性、特异性、整体精密度以及受试者操作特性曲线（ROC curve）。最后，我们前期建模时未用到的独立的临床数据确证了这些模型。运用适应性提升算法所建立的模型表现最优，其卡马西平和丙戊酸类药物治疗的模型敏感性分别为：0.82,0.98；模型特异性分别为：0.59,0.46;ROC曲线下面积分别为：0.79,0.74。由此可见，这项研究为癫痫患者的个体化治疗提供了行之有效的预测模型。
原文链接：
https://www.ncbi.nlm.nih.gov/pubmed/term=Establishing+Prediction+model+of+antiepileptic+drugs+response+using+data+mining+approach
