新的人工智能方法使用基因组学预测癌症药物反应

发表在 Nature Machine Intelligence 上的一项新研究展示了一种人工智能 (AI) 机器学习算法，该算法可以根据基因表达数据预测癌症药物反应——展示了最先进的药物基因组学可能会提高精准肿瘤学的准确性.

个人的 DNA 会影响对药物的反应是否有效.细胞表面药物受体蛋白的数量和类型由可能影响药物反应的人的 DNA 决定.一个人的 DNA 会影响药物吸收、分解、从组织和细胞中去除.

药物遗传学是精准医学中的一项研究，它着眼于一个或多个基因的变异如何导致对药物的不同反应，以便根据个人的遗传信息创建有针对性、更有效的药物疗法.药物基因组学还可以研究人群的遗传变异，以了解种族和民族如何影响药物反应.在药物基因组学中，开发药物是为了治疗问题，而不是治疗症状.药物遗传学和药物基因组学都旨在通过根据患者的个体基因定制治疗方法来提供更好、更个性化的药物.

在 AI 机器学习中，需要大量数据集来训练算法.对于精准肿瘤学，普遍缺乏具有药物反应的公开患者数据集.如果它们是公开可用的，这些数据集的规模往往很小.为了解决这个数据集问题，使用患者来源的异种移植物 (PDX) 或癌细胞系的临床前数据集可以用作患者的代理.患者来源的异种移植物是从一个物种中取出并移植到另一个物种上的组织切片或细胞.在个性化肿瘤学中，可以从患者的样本到小鼠的样本进行异种移植，以确定定制的治疗计划.癌细胞系是用于研究癌症生物学的体外模型系统.

然而，使用临床前数据集有其缺点，例如缺乏肿瘤和免疫系统微环境，生成海量高质量数据集费力、耗时且成本高昂.此外，这些并没有解决未来可能来到临床的患者的目标域，因此当在临床前数据集上训练算法时，未来患者的药物反应是未知的.

为了应对这一挑战，西蒙弗雷泽大学、温哥华前列腺中心、慕尼黑工业大学、汉堡大学和不列颠哥伦比亚大学的研究人员创建了一个名为 Velodrome 的深度神经网络.

Velodrome 使用来自细胞系的基因表达的标记数据和来自患者数据集的未标记数据来预测药物反应.

“据我们所知，Velodrome 是第一种从标记细胞系和未标记患者到不同临床前和临床数据集的半监督分布外泛化方法，"研究人员写道.

据科学家们称，他们的深度神经网络在各种临床前和临床药物基因组学数据集中对多种药物实现了最先进的性能，从而实现了更准确的精准肿瘤学.

Copyright © 2021 Cami Rosso 版权所有.