一种用于癌症药物敏感性预测的噪声过滤方法
机器学习
2016-12-06 v2 基因组学
机器学习
摘要
准确预测癌症的药物反应是影响肿瘤学家寻找最有效治疗癌症药物的重要问题，这也是精准医学的核心目标。科学界已聚焦于基于在人癌细胞系中测量的基因组、表观基因组和蛋白质组数据集来改进此预测。现实世界的癌细胞系包含噪声，这会降低机器学习算法的性能。现有方法很少解决此问题。在本文中，我们提出一种噪声过滤方法，其集成了来自数值线性代数和信息检索的技术，旨在过滤掉有噪声的癌细胞系。通过过滤掉有噪声的癌细胞系，我们可以在更高质量的癌细胞系上训练机器学习算法。我们使用临床试验数据上的受试者工作特征曲线下面积（AUC）评估我们方法的性能，并与现有方法进行比较。实验结果表明，我们提出的方法稳定，并且在统计显著水平上产生了最高的 AUC。
引用
@article{arxiv.1612.00525,
title = {A Noise-Filtering Approach for Cancer Drug Sensitivity Prediction},
author = {Turki Turki and Zhi Wei},
journal= {arXiv preprint arXiv:1612.00525},
year = {2016}
}
备注
Accepted at NIPS 2016 Workshop on Machine Learning for Health