临床前药物筛选中药物响应预测的零样本学习
生物大分子
2023-12-21 v1 人工智能
机器学习
细胞行为
基因组学
摘要
常规深度学习方法通常采用监督学习进行药物响应预测（DRP），这依赖于来自药物的标记响应数据用于模型训练。然而，临床前药物筛选阶段的实际应用要求DRP模型对通常为未知药物响应的新化合物进行预测，这构成了挑战，使得监督深度学习方法不适用于此类场景。本文中，我们针对临床前药物筛选中的DRP任务提出一种零样本学习解决方案。具体而言，我们提出了一个名为MSDA的多分支多源域适应测试增强插件。MSDA可与常规DRP方法无缝集成，从相似药物的先验响应数据中学习不变特征，以增强对无标签化合物的实时预测。我们使用GDSCv2与CellMiner数据集进行了实验。结果表明MSDA高效预测新化合物的药物响应，在临床前药物筛选阶段带来5-10%的普遍性能提升。该解决方案的意义在于其加速药物发现进程、改进候选药物评估并促进药物发现成功的潜力。
引用
@article{arxiv.2310.12996,
title = {Zero-shot Learning of Drug Response Prediction for Preclinical Drug Screening},
author = {Kun Li and Yong Luo and Xiantao Cai and Wenbin Hu and Bo Du},
journal= {arXiv preprint arXiv:2310.12996},
year = {2023}
}
备注
16 pages, 3 figures, 3 tables