预测抗癌药物疗效的机器学习

随着药物基因组学的出现，机器学习研究正在顺利进行，以根据先前收集的药物反应数据得出的算法来预测患者因个体而异的药物反应。输入能够尽可能反映一个人的药物反应的高质量学习数据，是提高预测准确性的起点。此前，使用动物模型进行临床前研究，与人类临床数据相比，相对更容易获得。

有鉴于此，浦项科技大学生命科学系的 Sanguk Kim 教授领导的研究小组通过使用最接近真人反应的数据，成功提高了抗癌药物反应预测的准确性，从而引起了人们的关注。该团队通过算法开发了这种机器学习技术，该算法从来自实际患者而不是动物模型的人造器官中学习转录组信息。这些研究成果于10月30日发表在国际期刊《自然通讯》上。

即使患有相同癌症的患者对抗癌药物的反应也不同，因此定制治疗被认为在治疗开发中至关重要。然而，目前的预测是基于癌细胞的遗传信息，限制了其准确性。由于不必要的生物标记信息，机器学习存在基于错误信号的学习问题。

为了提高预测准确性，研究团队引入了机器学习算法，该算法使用可以与靶蛋白相互作用的蛋白质相互作用网络以及与药物靶点直接相关的单个蛋白质的转录组。它诱导学习功能上接近目标蛋白质的蛋白质的转录组产生。通过这种方式，只能学习选定的生物标记，而不是传统机器学习必须学习的错误生物标记，从而提高了准确性。