基于蒙面变异自编码器的域对齐方法,用于预测患者抗癌药物反应.
Wei Dai1, Gong Chen2, Wei Peng1
1Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650050, China; Computer Technology Application Key Lab of Yunnan Province, Kunming University of Science and Technology, Kunming 650050, China.
Methods (San Diego, Calif.)
|March 16, 2025
概括
这项研究引入了MVAEDA,一种新的方法,通过将细胞系和患者数据对齐来预测患者抗癌药物反应. MVAEDA有效地弥合了数据分布的差距,提高了个性化癌症治疗的预测准确度.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 药物基因组学 药物基因组学
背景情况:
- 准确预测患者对抗癌药物的反应对于个性化医学至关重要.
- 细胞系和患者数据之间的差异限制了预测模型的性能.
- 现有的转移学习方法尝试域调整,但可以改进.
研究的目的:
- 通过解决数据分布差异,开发一种可靠的方法来预测患者抗癌药物反应.
- 利用细胞系数据的知识,改善患者特异性预测.
- 引入一种使用面具变异自编码器的新型域调整方法.
主要方法:
- 提出了一个掩盖的变量自编码器域对齐 (MVAEDA) 方法.
- 采用多个变异自动编码器 (VAE) 和面具预测器来提取特征.
- 利用生成对抗训练来从基因表达数据中学习域不变特征.
主要成果:
- 在临床和临床前数据集上,MVAEDA在预测抗癌药物反应方面表现优异.
- 该方法有效地使细胞系和患者数据领域之间的特征保持一致.
- 实验结果表明,与现有最先进的方法相比,准确度有所提高.
结论:
- 在药物反应预测中,MVAEDA为弥合细胞系和患者数据之间的差距提供了一个有希望的解决方案.
- 开发的域调整策略增强了预测模型的通用性.
- 这种方法有可能通过更准确的药物反应预测来推进个性化癌症治疗.
