整合单细胞基础模型与图神经网络用于药物反应预测
机器学习
2025-05-14 v2 计算与语言
定量方法
摘要
AI驱动的药物反应预测在推动个性化癌症治疗方面具有巨大潜力。然而，癌症的内在异质性以及数据获取成本高，使得准确预测充满挑战。本研究探讨了是否可以将预训练的基础模型scGPT纳入现有药物反应预测框架中以提升性能。我们的方法基于DeepCDR框架，该框架从图结构中编码药物表征并从多组学数据中编码细胞表征。我们通过利用scGPT的预训练知识生成丰富的细胞表征，以弥补数据量有限的不足。我们采用IC值以Pearson相关系数（PCC）为评估指标，并采用留一药物验证策略，对比了原始DeepCDR框架和之前的scFoundation-based方法。结果表明，scGPT不仅超越了先前方法，还展现出更好的训练稳定性，凸显了在该领域利用scGPT派生知识的价值。
引用
@article{arxiv.2504.14361,
title = {Integrating Single-Cell Foundation Models with Graph Neural Networks for Drug Response Prediction},
author = {Till Rossner and Ziteng Li and Jonas Balke and Nikoo Salehfard and Tom Seifert and Ming Tang},
journal= {arXiv preprint arXiv:2504.14361},
year = {2025}
}
备注
8 pages, 6 figures