研究人员使用机器学习排名癌症药物的疗效

伦敦玛丽皇后大学的研究人员开发出一种机器学习算法,排名药物根据其功效减少癌细胞的生长。方法可能有潜力推动个性化疗法在未来通过允许肿瘤学家个体癌症患者选择最佳的药物来治疗。

使用机器学习方法,命名为药物排名(DRUML),发表在今天自然通讯和基于机器学习分析的数据来源于蛋白质表达的研究癌症细胞。已经训练了这些细胞的反应超过400药物,DRUML最好的预言药物对一个给定的癌症模型。

谈到新方法,教授佩德罗Cutillas从伦敦大学玛丽皇后,谁领导了这项研究,说:“DRUML预测药物功效在几个癌症模型和获得的数据从不同的实验室和临床数据集。这些都是令人兴奋的结果,因为以前的机器学习方法未能准确预测药物反应验证数据集,并证明我们的方法的鲁棒性和广泛适用性。”

研究由阿兰·图灵学院,医学研究委员会、巴慈善和英国癌症研究。ob欧宝直播nba

DRUML是如何工作的呢?

团队使用数据集来自蛋白质组学(研究细胞内的蛋白质)和phosphoproteomics(研究这些蛋白质是如何修改)分析48白血病,食管和肝癌细胞系作为输入DRUML建立模型,可以应用于白血病和固体肿瘤。

通过训练使用的反应模型细胞到412年癌症药物在药物上市响应存储库,DRUML能够产生有序列表基于药物的有效性降低癌细胞的生长。团队然后使用数据验证模型的预测精度从其它12个实验室和临床数据集获得36原发性急性髓系白血病样本。

重要的是,作为新药开发向前移动,可以重新训练DRUML捕获所有临床相关的癌症药物。

机器学习和个性化医学

相同类型的癌症表现出伟大的变化在他们的基因组成和特点在患者身上。在诊所里,这种变化转化为病人对治疗的反应也不同。为了解决这个问题,个人化药物旨在结合遗传领域的见解和其他临床诊断信息来识别模式,允许临床医生可以预测病人对治疗的反应,并选择最有效的干预措施。

人工智能和机器学习的应用个性化医学和生物医学承诺援助变换在未来如何诊断和治疗癌症。这项研究代表了人工智能在生物医学研究上的重要进步,并使用蛋白质组学和phosphoproteomics数据表明机器学习可能是一个有效的方法选择最佳的药物来治疗不同ob欧宝直播nba的癌症模型。

---

---