基于多任务学习模型的药物敏感性预测

• 作者: 唐益翔
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 癌症 药物敏感性 个性化医疗 多任务学习 预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 软件设计、开发与应用
• 页码范围: 207-210
• 页数: 4页
• 分类号: TP319
• 字数: 3662字
• 语种: 中文
• DOI: 10.11907/rjdk.191337

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐益翔	上海理工大学管理学院	1	0	0.0	0.0