用于癌症治疗单克隆抗体制剂分类与定量的机器学习方法
定量方法
2017-06-01 v2 机器学习
摘要
单克隆抗体是治疗血液系统恶性肿瘤和实体瘤等癌症患者的最重要策略之一。为保证医院制备的这些制剂的质量，必须开展质量控制。本研究旨在探索一种非侵入性、无损且快速的分析方法，以确保最终制剂的质量而不造成流程延迟。我们使用拉曼光谱分析了四种在 0.9% 氯化钠溶液中稀释至治疗浓度的单克隆抗体（英夫利昔单抗、贝伐珠单抗、雷莫西尤单抗和利妥昔单抗）。为减少传统化学计量学数据分析的预测误差，我们探索了一种数据驱动方法，使用统计机器学习方法联合优化预处理和预测模型。我们准备了一个数据分析工作流，并将该问题提交至一个名为 Rapid Analytics and Model Prototyping (RAMP) 的协作数据挑战平台。这使得在五天的协作工作中利用了约 300 名数据科学家的解决方案。对四种单克隆抗体样本的预测得到了显著改善，误分类率和平均误差率分别为 0.8% 和 4%。
引用
@article{arxiv.1705.07099,
title = {Machine learning for classification and quantification of monoclonal antibody preparations for cancer therapy},
author = {Laetitia Le and Camille Marini and Alexandre Gramfort and David Nguyen and Mehdi Cherti and Sana Tfaili and Ali Tfayli and Arlette Baillet-Guffroy and Patrice Prognon and Pierre Chaminade and Eric Caudron and Balázs Kégl},
journal= {arXiv preprint arXiv:1705.07099},
year = {2017}
}