生物科学门户网站
BIO1000.COM

研究人员使用机器学习对癌症药物进行疗效排序

伦敦女王玛丽大学的研究人员开发了一种机器学习算法,可以根据药物在减少癌细胞生长方面的功效对药物进行排名。通过允许肿瘤学家选择治疗个体癌症患者的最佳药物,该方法在将来可能具有推进个性化疗法的潜力。

该方法名为“使用机器学习进行药物排名”(DRUML),今天在《自然通讯》上发表,该方法基于对研究癌细胞中表达的蛋白质的数据进行机器学习分析。在对这些细胞对400多种药物的反应进行了培训之后,DRUML预测了治疗给定癌症模型的最佳药物。

谈到这项新方法,负责这项研究的伦敦女王玛丽大学的佩德罗·卡迪亚斯教授说:“ DRUML预测了几种癌症模型以及不同实验室和临床数据集的数据中的药物功效。这些令人振奋的结果是因为以前的机器学习方法未能准确预测验证数据集中的药物反应,它们证明了我们方法的稳健性和广泛适用性。”

这项研究是由艾伦·图灵研究所,医学研究理事会,巴茨慈善基金会和英国癌症研究基金会资助的。

DRUML如何工作?

该团队使用蛋白质组学(对细胞内蛋白质的研究)和磷酸化蛋白质组学(对这些蛋白质如何修饰的研究)得出的数据集,对48种白血病,食道和肝癌细胞系进行了分析,以此作为DRUML的输入,从而建立了可应用的模型白血病和实体瘤。

通过使用这些细胞对药物反应库中列出的412种癌症药物的反应训练模型,DRUML能够根据药物减少癌细胞生长的有效性来生成有序列表。然后,研究小组使用从其他12个实验室获得的数据以及36个原发性急性髓性白血病样本的临床数据集,验证了模型的预测准确性。

重要的是,随着新药的不断发展,可以对DRUML进行再培训以捕获所有临床相关的癌症药物。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。