用于癌细胞系的药物推荐系统（Dr.S）
机器学习
2019-12-30 v1 机器学习
基因组学
定量方法
摘要
在癌症治疗中基于基因组信息实现个性化药物处方，需要将基因组标记与治疗效应相关联。这是一项尚未解决的挑战，需要尚不具备规模的基因组患者数据以及适当的定量方法。我们试图针对一个具有充足数据的实验替代对象解决此挑战：在 1018 个癌细胞系上测试的 42 种药物。我们的目标是开发一种方法，基于细胞系的基因组信息识别最有前景的药物。为此，我们需要为每种药物确定机器学习方法、超参数选择以及基因组特征，以实现最优预测性能。我们针对全部 42 种药物，广泛比较了基因集合（包括精选集合与随机集合）、遗传特征以及机器学习算法的组合。对于每种药物，选取性能最佳的组合（仅考虑精选基因集合）。我们利用每种药物的这些最优模型参数构建并演示了一个药物推荐系统（Dr.S）。由此分析得出的见解被归纳为开发药物推荐系统的最佳实践。称为 Cell Line Analyzer 的完整软件系统用 Python 编写，可在 github 上获取。
引用
@article{arxiv.1912.11548,
title = {A Drug Recommendation System (Dr.S) for cancer cell lines},
author = {Marleen Balvert and Georgios Patoulidis and Andrew Patti and Timo M. Deist and Christine Eyler and Bas E. Dutilh and Alexander Schönhuth and David Craft},
journal= {arXiv preprint arXiv:1912.11548},
year = {2019}
}