加載中........
×

PLOS ONE:隨機森林模型預測針對癌細胞的藥物活性

2019-7-14 作者:海北   來源:MedSci原創 我要評論0
Tags: 腫瘤    預測    精準醫學  

精準醫學的一個關鍵目標是從基因組信息預測特定患者的最佳藥物治療方案。

在腫瘤學中,病理學上看起來相似的癌癥在它們對相同藥物的反應方式上可能有很大差異。幸運的是,來自高通量篩選程序的數據經常揭示癌細胞的基因組變異性與其對藥物的反應之間的重要關系。

然而,許多當前用于預測針對癌細胞的化合物活性的計算方法需要開發和應用大量的基因組學,表觀基因組學和其他細胞數據。

最近,研究人員將最近的篩選數據和機器學習整合到訓練分類模型中,該模型基于僅145個致癌基因和一組復合結構描述符的突變狀態來預測化合物對抗癌細胞的活性/非活性。

使用1μM的IC50值作為活動截止值,研究人員的預測模型的靈敏度為87%,特異性為87%,并且在接收器操作特征曲線下產生的面積等于0.94。

研究人員還開發了回歸模型來預測癌細胞化合物的log(IC50)值;模型對交叉驗證的Pearson相關系數為0.86,對盲測試集的Pearson相關系數為0.65-0.73。

當包括50個致癌基因時,預測性能仍然很強。

最后,即使篩選數據中缺少40%的實驗IC50值,它們也可以充分可靠地估算出分類,精度不會降低。

因此,研究人員所呈現的模型可以快速生成,并且可以作為用于個性化腫瘤學醫學,藥物再利用和藥物發現的容易實施的篩選工具。


原始出處:

Lind AP et al. Predicting drug activity against cancer cells by random forest models based on minimal genomic information and chemical properties. PLOS ONE, 2019; doi: 10.1371/journal.pone.0219774. eCollection 2019.


本文系梅斯醫學(MedSci)原創編譯整理,轉載需授權



小提示:78%用戶已下載梅斯醫學APP,更方便閱讀和交流,請掃描二維碼直接下載APP

所屬期刊:PLOS ONE 期刊論壇:進入期刊論壇
版權聲明:本文系梅斯MedSci原創編譯整理,未經本網站授權不得轉載和使用。如需獲取授權,請點擊

只有APP中用戶,且經認證才能發表評論!馬上下載

web對話
500彩票网开奖结果