癌症药物反应的遗传特征 — — 探究集成特征选择方法

预测药物反应使用遗传和转录组特征对于增强个体化医学至关重要。在本研究中，我们实现了一个机器学习算法的集成，用于分析癌症细胞系的遗传和转录组特征与 IC50 值的相关性。IC50 是药物有效性的可靠指标。我们的分析涉及将特征集合从原始的 38,977 个特征中进行降低，显示遗传特征与药物反应之间存在强线性关系，这些关系在包括 SVR、线性回归和 Ridge 回归在内的各种算法中都成立。值得注意的是，拷贝数变异 (CNV) 比突变更具预测性，这表明需要重新评估药物反应预测的生物标志物。通过严格的统计方法，我们识别出一组高度降低的 421 个关键特征。这一集合提供了一种与传统癌症驱动基因相左的新视角，强调了这些生物标志物在设计靶向治疗方案中的潜力。此外，我们的发现支持将 IC50 值作为药物反应的可预测度量，并强调需要更多能够代表药物反应预测中基组数据维度的数据。未来工作将旨在扩大数据集并细化特征选择，以提高临床环境中预测模型的可推广性。