開發(fā)基于癌癥患者基因組信息預(yù)測有效治療策略的計算模型是精準(zhǔn)醫(yī)學(xué)中的關(guān)鍵挑戰(zhàn).近年來,國際多個組織機構(gòu)公開了針對數(shù)百種細(xì)胞系的多層次的基因組表征數(shù)據(jù).將這類組學(xué)數(shù)據(jù)與體外腫瘤細(xì)胞系的藥物細(xì)胞敏感性相結(jié)合,研究人員可以剖析癌癥治療藥物的分子機制,并將其轉(zhuǎn)化為精準(zhǔn)醫(yī)學(xué)所需的個性化診療策略.基于大數(shù)據(jù)的人工智能算法在基因組學(xué)與藥物響應(yīng)之間建立了新的橋梁,推進了腫瘤細(xì)胞中藥物敏感性的預(yù)測算法的發(fā)展.本文首先對公開的基因組表征數(shù)據(jù)集進行了總結(jié),隨后介紹了基因組表征數(shù)據(jù)和包括機器學(xué)習(xí)算法、網(wǎng)絡(luò)算法和多模態(tài)神經(jīng)網(wǎng)絡(luò)算法在內(nèi)的人工智能算法在癌細(xì)胞的藥物敏感性預(yù)測中的應(yīng)用案例.基于網(wǎng)絡(luò)的預(yù)測方法和多模態(tài)深度學(xué)習(xí)方法有利于實現(xiàn)多組學(xué)數(shù)據(jù)的系統(tǒng)性的整合和應(yīng)用,能克服傳統(tǒng)的機器學(xué)習(xí)方法在藥物響應(yīng)預(yù)測中的局限性,是今后藥物敏感性研究的發(fā)展方向. 

【文章來源】：科學(xué)通報. 2020,65(32)北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

使用多組學(xué)數(shù)據(jù)預(yù)測藥物響應(yīng)的三種多模態(tài)特征融合方式.(a)輸入級特征融合(早期融合);(b)中級特征融合;(c)決策級融合(后期融合)


本文編號：2960256