開發(fā)基于癌癥患者基因組信息預測有效治療策略的計算模型是精準醫(yī)學中的關鍵挑戰(zhàn).近年來,國際多個組織機構公開了針對數(shù)百種細胞系的多層次的基因組表征數(shù)據(jù).將這類組學數(shù)據(jù)與體外腫瘤細胞系的藥物細胞敏感性相結合,研究人員可以剖析癌癥治療藥物的分子機制,并將其轉化為精準醫(yī)學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與藥物響應之間建立了新的橋梁,推進了腫瘤細胞中藥物敏感性的預測算法的發(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,隨后介紹了基因組表征數(shù)據(jù)和包括機器學習算法、網(wǎng)絡算法和多模態(tài)神經網(wǎng)絡算法在內的人工智能算法在癌細胞的藥物敏感性預測中的應用案例.基于網(wǎng)絡的預測方法和多模態(tài)深度學習方法有利于實現(xiàn)多組學數(shù)據(jù)的系統(tǒng)性的整合和應用,能克服傳統(tǒng)的機器學習方法在藥物響應預測中的局限性,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】：

使用多組學數(shù)據(jù)預測藥物響應的三種多模態(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