在个性化肺癌治疗中,用于基因组分析和药物发现的机器学习
Shaban Ahmad1, Syed Naseer Ahmad Shah1,2, Rafat Parveen1
1Department of Computer Science, Jamia Millia Islamia, New Delhi, India.
Journal of drug targeting
|July 11, 2025
概括
机器学习 (ML) 推进了肺癌基因组分析和药物发现,实现了高精度. 需要进一步优化和临床验证才能在现实世界中应用这些强大的ML工具.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 肺癌仍然是导致死亡的主要原因,需要在早期诊断和药物开发方面取得进展.
- 基因组方法对于理解瘤生物学和实现个性化医学策略至关重要.
- 肺癌的负担越来越大,这凸显了对创新研究方法的需求.
研究的目的:
- 探索机器学习 (ML) 在增强肺癌基因组分析中的作用.
- 研究ML算法的应用,以加速肺癌治疗的药物发现.
- 审查当前的ML技术及其对肺癌研究的影响.
主要方法:
- 在PubMed进行了全面的文献搜索,对过去10年发表的研究进行了搜索.
- 相关研究得到了批判性审查,以确定用于肺癌基因组学和药物发现的ML算法.
- 分析重点是用于模式识别和药物设计的ML技术.
主要成果:
- 随机森林,SVM,CNN和RNN等ML算法对肺癌中的基因组模式识别有效.
- 先进的ML技术包括深度神经网络,GAN和GNN用于药物发现.
- 在特定的肺癌应用中,ML模型的准确性高 (超过95%),尽管数据稀缺等挑战仍然存在.
结论:
- 机器学习显著增强了基因组分析和肺癌药物设计.
- ML为个性化医学和改进的治疗策略提供了有前途的途径.
- 进一步优化和临床验证ML模型对于有效的现实世界实施至关重要.


