基于机器学习的乳腺癌药物发现的最新进展和新兴方向:全面审查
Yan Cheng1, Jilin Kong1, Xiangjuan Liu1
1Breast Surgery Department of Yantaishan Hospital, Yantai, Shandong, 264100, People's Republic of China.
Breast cancer (Dove Medical Press)
|March 16, 2026
概括
机器学习 (ML) 通过分析复杂的数据来加速乳腺癌药物发现,以确定目标和优先考虑化合物. 本综述强调了ML方法,数据资源和用于改善乳腺癌治疗的翻译应用.
科学领域:
- 计算生物学是一种计算生物学.
- 在瘤学瘤学.
- 药理学 药理学是指药理学的学科.
背景情况:
- 机器学习 (ML) 正在彻底改变乳腺癌药物发现.
- 它影响了目标识别,化合物优先级和患者分层.
研究的目的:
- 审查最近在ML驱动的乳腺癌药物发现方面的进展.
- 专注于方法,数据资源和翻译相关性.
主要方法:
- 使用监督/无监督学习,深度神经网络,生成模型和多omics集成的研究的系统综合.
- 专注于机器学习,用于生物标志物发现,药物向相互作用预测,分子设计和药物反应建模.
- 公开数据集的摘要 (基因组,转录组,药物学,化学).
主要成果:
- ML方法在乳腺癌亚型中是有效的.
- 确定了关键挑战:数据偏差,模型通用性和临床适用性.
- 突出了翻译应用和工业努力.
结论:
- 在促进乳腺癌治疗方面,ML显示出显著的前景.
- 未来的工作应该专注于提高ML的稳定性,可解释性和临床整合性.
- 结合计算预测和临床应用对于有效的乳腺癌疗法至关重要.
