《Nature communications》：机器学习预测癌细胞药物敏感性

文章预览

癌症治疗仍然是一项重大挑战，许多患者缺乏有效的治疗方法，并且面临耐药问题。癌细胞系（ CCL ）药物敏感性的高通量筛选为解决这一问题提供了潜在途径。 前天，比萨高等师范学校 Francesco Raimondi 通讯在《 Nature communications 》发表论文“ Learning and actioning general principles of cancer cell drug sensitivity ”，利用相关数据集，通过细胞系转录组学预测药物反应，并着重于模型的可解释性以及在患者数据中的应用。 作者利用最新的  GDSC  和 PRISM  数据集开发了一种可解释的机器学习框架，并探索了不同的建模策略。例如，在  GDSC  数据集上，经过预处理后，他们获得了  686  个细胞系对  286  种独特药物的反应数据。作者首先构建了一个综合考虑药物和细胞系特征的模型，发现  XGBoost  算法结合全基因表达向量和分子的独热编码时性能最佳。为了更好 ………………………………