Predicción de sensibilidad a fármacos a partir de datos de farmacogenómica basados en líneas celulares: directrices para el desarrollo de modelos de aprendizaje automático

El objetivo de la oncología de precisión es adaptar el tratamiento para los pacientes de manera individual utilizando el perfil genómico de sus tumores. Los conjuntos de datos de farmacogenómica, como las líneas celulares de cáncer, son uno de los recursos más valiosos para la predicción de la sensibilidad a fármacos, una tarea crucial de la oncología de precisión. Se han empleado métodos de aprendizaje automático para predecir la sensibilidad a fármacos basándose en los múltiples datos ómicos disponibles para grandes paneles de líneas celulares de cáncer. Sin embargo, no existen directrices completas sobre cómo entrenar y validar adecuadamente tales modelos de aprendizaje automático para la predicción de la sensibilidad a fármacos. En este artículo, introducimos un conjunto de directrices para diferentes aspectos del entrenamiento de predictores basados en la expresión génica utilizando conjuntos de datos de líneas celulares. Estas directrices proporcionan un análisis extenso de la generalización de los predictores de sensibilidad a fármacos y cuestionan muchas prácticas actuales en la comunidad, incluida la elección del conjunto de datos de entrenamiento y la medida de la sensibilidad a fármacos. La aplicación de estas directrices en futuros estudios permitirá el desarrollo de biomarcadores preclínicos más robustos.