Jun, 2024
癌症中药物组合预测的置换不变多输出高斯过程
Permutation invariant multi-output Gaussian Processes for drug combination prediction in cancer
Leiv Rønneberg, Vidhi Lalchand, Paul D. W. Kirk
TL;DR在机器学习中，剂量 - 反应预测是癌症领域的一个活跃应用领域。该研究使用大型 extit {in-vitro} 药物敏感性筛选库，旨在开发准确的预测模型，用于指导实验设计或决策治疗。通过改进以前的工作，利用置换不变的多输出高斯过程，我们开发了一种变分近似模型，以提供可扩展性建模，并对缺失数据进行自然处理。此外，我们提出使用深度生成模型以连续方式编码化学空间，从而能够预测新药物和新组合。我们在简单的高通量数据集中展示了模型的性能，并证明该模型能够有效地借用输出信息。