基因是具有遗传信息的DNA片段,研究表明,很多疾病的产生与人体的基因结构或功能发生改变密切相关。生物信息学的迅猛发展,为人类提供了大量的基因组数据,有利于临床的诊断以及药物对应靶点的寻找等。由于患者的特异性,同一种药物对患有相同癌症的病人作用情况也不尽相同。因此,在基因组时代,癌症病人的个体化医疗已经成为生物医学的重要研究方向之一。近年来,基于NCI-60、CCLE以及CGP等基因组数据,研究者们采用了大量的方法来进行抗癌药物的敏感性预测。在本文中,我们通过对每个基因与药物反应的相关系数作显著性检验,初步筛选出与药物敏感性相关的基因,随后采用随机森林算法,针对每种药物建立了基因表达与药物反应之间的回归模型。通过随机森林的变量重要性排序,设定阈值筛选出特征基因,并且通过样本间距离矩阵和药物反应差值的相关性筛选出与药物敏感性相关的核心样本。研究中多次建立回归模型,逐步筛选,得到最终的预测结果。随机森林内部的OOB误差估计,即可有效得到模型误差的无偏估计,从而不需要进行额外的交叉验证,提高了计算效率。通过模型预测的结果可以看出,在CCLE的24种药物中,大部分药物的预测值和真实值的相关系数都在0.6左右,其中有3种药物达到了0.7以上,最高的为0.72(PD-0325901)。将几种模型的预测结果进行比较,可以发现,随机森林算法的预测效果整体优于弹性网络回归的预测效果。同样地,我们也采用该随机森林算法对CGP中140种药物建立了模型进行预测。为了检验模型的泛化能力,我们将CCLE中所建模型运用到CGP数据中进行独立集测试,结果表明在CCLE和CGP相同的11种药物中,有一种药物的预测值和真实值的相关系数达到了0.5以上(PD-0325901)。