用于肿瘤微环境对药物响应影响可解释建模的跨域特征解耦
机器学习
2023-11-17 v1 人工智能
定量方法
摘要
高通量筛选技术促进了数百个癌细胞系大规模药物响应的生成。然而，由于肿瘤由复杂细胞组成和组织病理学结构（称为肿瘤微环境（TME））构成，其极大影响药物对肿瘤细胞的细胞毒性，体外细胞系与实际体内肿瘤在药物治疗响应上存在显著差异。迄今尚无研究关注建模 TME 对临床药物响应的影响。本文提出一种用于特征解耦的域适应网络，以分离患者中肿瘤癌细胞与 TME 的表示。两个去噪自编码器分别用于从细胞系（源域）和肿瘤（目标域）提取特征，以进行部分域对齐与特征解耦。特定编码器被强制仅提取关于 TME 的信息。此外，为确保对新药的泛化性，我们应用图注意力网络学习药物的潜在表示，从而能在潜空间线性建模药物对细胞状态的扰动。我们在基准数据集上校准模型，并展示其在预测临床药物响应和剖析 TME 对药效影响方面的优越性能。
引用
@article{arxiv.2311.09264,
title = {Cross-domain feature disentanglement for interpretable modeling of tumor microenvironment impact on drug response},
author = {Jia Zhai and Hui Liu},
journal= {arXiv preprint arXiv:2311.09264},
year = {2023}
}