基于机制和机器学习模型的比较,用于预测葡萄糖可访问性对瘤细胞增殖的影响

科学领域:

• 在瘤学瘤学.
• 计算生物学 计算生物学
• 生物物理学的生物物理.

背景情况:

• 葡萄糖对于瘤代谢和治疗点至关重要.
• 了解癌细胞对葡萄糖吸收阻断的反应,是新疗法的关键.
• 使用MDA-MB-231乳腺癌细胞来研究这些反应.

研究的目的:

• 描述癌细胞对葡萄糖吸收阻断的反应.
• 开发和验证一个数学模型,预测葡萄糖载体 (GLUT1) 抑制的效果.
• 将基于机制的模型与机器学习模型的预测精度进行比较.

主要方法:

• 收集时间解析显微镜数据来跟踪MDA-MB-231细胞生长.
• 开发了一种基于机制的数学模型,其中包含了剂量依赖抑制.
• 四个机器学习模型 (随机森林,决策树,KNN,线性回归) 用于预测.
• 模型被训练,验证,并使用R平方 (R2) 评估预测错误.

主要成果:

• 随机森林模型实现了最高的预测准确性 (R2 = 0.92).
• 决策树 (R2 = 0.89) 和KNN (R2 = 0.84) 也显示出强大的预测性能.
• 基于机制的模型 (R2 = 0.77) 显示了可比的预测能力.
• 线性回归产生了最低的精度 (R2 = 0.69).

结论:

• 基于机制的模型可以预测在葡萄糖限制下癌细胞生长动态,其准确性与机器学习相比较.
• 基于机制的模型提供了阐明潜在的生物学机制的优势.
• 数学建模和机器学习是了解癌症代谢和治疗反应的宝贵工具.