基于核贝叶斯矩阵因式分解的癌症整合与个性化QSAR分析

通过最近的大规模药物敏感性测量活动的数据，现在可以构建和测试模型，预测对超过一百种抗癌药物的反应，针对几百种人类癌细胞系。传统的定量构效关系（QSAR）方法专注于小分子，寻找其在单个细胞系或单个组织类型中预测生物活性的结构特性。我们在两个方向上扩展了这一研究方向： (1) 一种整合的QSAR方法，同时预测多个已知癌细胞系对新药的反应； (2) 一种个性化的QSAR方法，预测新癌细胞系对新药的反应。为了解决建模任务，我们应用了一种新颖的核贝叶斯矩阵分解方法。为了实现最大范围的适用性和预测性能，该方法可选地利用细胞系的基因组特征和药物的靶向信息，此外还包括化学药物描述符。在116种抗癌药物和650个细胞系的案例研究中，我们展示了该方法在几种相关预测场景中的实用性，涉及可用信息的量，并分析了各种药物特征对反应预测的重要性。此外，在预测数据集的缺失值后，探索了药物反应的完整全球图，以评估治疗潜力和治疗范围，以确定治疗上具有兴趣的抗癌药物。