Nat. Commun. | 整合增强癌症依赖图谱，MOSA揭示癌症耐药机制

文章预览

DRUG AI 今天为大家介绍的是来自澳大利亚悉尼大学、葡萄牙里斯本INESC-ID研究所、英国维康桑格研究所团队的一篇论文。整合不同类型的生物学数据对于全面理解癌症生物学至关重要，但由于数据的异质性、复杂性和稀疏性，这一工作仍然充满挑战。为解决这个问题，作者的研究引入了一个无监督深度学习模型MOSA(Multi-Omic Synthetic Augmentation，多组学合成增强)，该模型专门设计用于整合和增强癌症依赖图谱(Dependency Map，DepMap)。通过利用正交的多组学信息，该模型成功生成了分子和表型谱，使多组学谱的数量增加了32.7%，从而为1523个癌症细胞系生成了完整的DepMap。这些人工合成增强的数据提高了统计检验效能，揭示了与药物耐药性相关的未被深入研究的机制，并完善了癌症细胞系的遗传关联性鉴定和聚类分析。通过应用SHAP进行模型解释，MOSA揭示了对以 ………………………………