机器学习可以预测抗癌药物的疗效

有鉴于此，POSTECH生命科学系的Sanguk Kim教授领导的一个研究小组通过使用最接近真实人反应的数据，成功地提高了抗癌药物反应预测的准确性，引起了人们的关注。这个团队开发了这个机器学习技术通过算法它们从来自实际病人而不是动物模型的人造器官中学习转录组信息。

即使是患有同一种癌症的患者，对抗癌药物的反应也不同，因此，在治疗发展中，定制治疗被认为是最重要的。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学习的问题。

为了提高预测准确性，研究团队引入了机器学习算法，该算法使用蛋白质相互作用网络，可以与目标蛋白质以及与药物靶点直接相关的单个蛋白质转录组相互作用。它诱导学习功能上接近目标蛋白的蛋白质的转录组产生。通过这种方法，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虚假生物标记，从而提高了准确性。

此外，来自病人来源的器官(而不是动物模型)的数据被用来缩小实际病人的反应差异。用这种方法治疗大肠癌患者，5-氟尿嘧啶和膀胱癌用顺铂治疗的患者与实际临床结果具有可比性。

这项研究发表在自然通讯．