通过联合推举与学习排序进行药物选择
机器学习
2025-03-25 v2 机器学习
摘要
为合适的患者选择合适药物是精准医学的首要目标。在本稿中,我们在学习排序(learning-to-rank)框架下考虑癌症药物选择问题。我们将癌症药物选择问题表述为基于癌细胞系对癌症药物的响应,准确预测 1).敏感药物的排序位置,以及 2).敏感药物之间的排序顺序。我们开发了一种新的学习排序方法,记为 pLETORg,其通过使用药物隐向量和细胞系隐向量预测每个细胞系中的药物排序结构。pLETORg方法通过显式强制在每个细胞系的药物排序列表中,敏感药物被推至不敏感药物之上,同时敏感药物之间的排序顺序正确,来学习此类隐向量。细胞系的基因组学信息被用于学习隐向量。我们在基准细胞系-药物响应数据集上的实验结果表明,新 pLETORg 在优先排序新敏感药物方面显著优于最先进(state-of-the-art, SOTA)方法。
引用
@article{arxiv.1801.07691,
title = {Drug Selection via Joint Push and Learning to Rank},
author = {Yicheng He and Junfeng Liu and Xia Ning},
journal= {arXiv preprint arXiv:1801.07691},
year = {2025}
}