《自然》子刊：推动精准抗癌药物的研发，哪些机器学习方法更好？

文章预览

近期，上海科技大学信息科学与技术学院郑杰课题组与合作者在《自然·通讯》（ Nature Communications ）发表了题为“ Benchmarking Machine Learning Methods for Synthetic Lethality Prediction in Cancer ”的研究论文。文章通过设计多个场景系统性比较了12种最新的机器学习方法在合成致死（Synthetic Lethality, SL）抗癌药物靶点预测中的表现。 该研究为科学家提供了详尽的指南，帮助他们选择最适合的SL预测工具，从而推动精准抗癌药物的研发。 合成致死（SL）是一种基因之间的遗传相互作用关系，即当两个基因同时发生突变或扰动时会导致细胞死亡，而单个基因被扰动并不会产生这一效果。这一特性使SL成为一种有潜力的癌症治疗策略，因为通过靶向癌症特异性突变基因的合成致死伙伴基因，可以杀死癌细胞而不影响健康细胞的生存。尽管SL现象已经被发现超过一个世纪， ………………………………