基于多任务学习模型的药物敏感性预测

摘要

cqvip:目前基于建模的抗癌药物敏感性预测研究较多,但这些模型大多使用传统单任务学习模型。这种模型在解决复杂问题时需将问题拆分成单个子问题,忽略了各个子问题之间存在的关联,因而模型精度会受到影响。大多数药物敏感性预测模型仅使用了基因表达数据,忽略了基因突变、甲基化以及拷贝数等数据对药物敏感性预测的影响。结合上述数据,并考虑到不同药物之间可能存在的相似性,利用多任务学习方法共享任务之间的信息,对抗癌药物敏感性进行预测,预测的平均精度达到56%以上,较普通的Lasso模型提高了35%左右。同时,针对每种药物找出一些敏感的生物标志物,这些生物标志物可为癌症治疗提供指导。