人工智能算法在药物细胞敏感性预测中的应用

发布时间：2021-01-06 08:26

　　开发基于癌症患者基因组信息预测有效治疗策略的计算模型是精准医学中的关键挑战.近年来,国际多个组织机构公开了针对数百种细胞系的多层次的基因组表征数据.将这类组学数据与体外肿瘤细胞系的药物细胞敏感性相结合,研究人员可以剖析癌症治疗药物的分子机制,并将其转化为精准医学所需的个性化诊疗策略.基于大数据的人工智能算法在基因组学与药物响应之间建立了新的桥梁,推进了肿瘤细胞中药物敏感性的预测算法的发展.本文首先对公开的基因组表征数据集进行了总结,随后介绍了基因组表征数据和包括机器学习算法、网络算法和多模态神经网络算法在内的人工智能算法在癌细胞的药物敏感性预测中的应用案例.基于网络的预测方法和多模态深度学习方法有利于实现多组学数据的系统性的整合和应用,能克服传统的机器学习方法在药物响应预测中的局限性,是今后药物敏感性研究的发展方向. 

【文章来源】：科学通报. 2020,65(32)北大核心

【文章页数】：11 页

【部分图文】：

使用多组学数据预测药物响应的三种多模态特征融合方式.(a)输入级特征融合(早期融合);(b)中级特征融合;(c)决策级融合(后期融合)


本文编号：2960256