PANCDR:使用对抗网络进行精确的药物预测,用于癌症药物反应

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 精准医学是一门精准的医学.

背景情况:

• 药物基因组学旨在利用遗传变异来个性化癌症治疗.
• 预测癌症药物反应 (CDR) 很难,因为遗传异质性和临床数据有限.
• 临床前模型往往无法将其推广到临床环境中,从而阻碍了准确的药物反应预测.

研究的目的:

• 利用临床前和临床数据开发一个可靠的模型来预测癌症药物反应 (CDR).
• 解决药物反应预测中临床前和临床数据之间的数据集差异的挑战.
• 提高在瘤学中精准医学预测模型的可通用性.

主要方法:

• 提出了一个新的精准医学预测,使用对抗癌症药物反应网络 (PANCDR) 模型.
• PANCDR集成了一个对抗模型来最大限度地减少数据领域的差距,以及一个用于特征提取和响应预测的CDR预测模型.
• 在临床前数据和未标记的临床数据上训练PANCDR,然后在外部临床数据集上验证.

主要成果:

• 与其他机器学习模型相比,PANCDR在预测对外部临床数据的反应方面表现优越.
• 对抗组件有效地缩小了临床前和临床数据集之间的差距.
• 该模型显示出强度和推患者特定候选药物的潜力.

结论:

• PANCDR提供了一种强大的方法来克服癌症药物反应预测中的数据域差异.
• 该模型显示了通过使患者特定的药物推能够推进精准医学的巨大潜力.
• 开发的PANCDR模型和相关代码已公开供进一步研究和应用.