Dr.VAE：药物响应变分自编码器
机器学习
2017-07-07 v2
摘要
我们提出两种基于变分自编码器的深度生成模型，以提高药物响应预测的精度。我们的模型，扰动变分自编码器及其半监督扩展，药物响应变分自编码器(Dr.VAE)，学习药物应用前后潜在基因状态的潜在表示，这些表示取决于：(i) 每个基因的药物诱导生物学变化，以及 (ii) 总体治疗响应结果。我们基于 VAE 的模型比该领域当前已发表的基准在任何指标上高出 3% 到 11% 的 AUROC 和 2% 到 30% 的 AUPR。此外，我们发现更好的重建精度不一定带来分类精度的提升，并且联合训练的模型比独立最小化重建误差的模型表现更好。
引用
@article{arxiv.1706.08203,
title = {Dr.VAE: Drug Response Variational Autoencoder},
author = {Ladislav Rampasek and Daniel Hidru and Petr Smirnov and Benjamin Haibe-Kains and Anna Goldenberg},
journal= {arXiv preprint arXiv:1706.08203},
year = {2017}
}
备注
submitted to NIPS 2017