基于迁移学习框架的单细胞药物反应预测
摘 要：肿瘤组织中存在多种类型的细胞，这些细胞在形态、功能和生物学特性上存在差异，诸如不同细胞类型对同一药物的敏感性反应不同，而这也是导致癌症治疗高复发率和低效力的重要原因。单细胞 RNA 测序技术是针对这一细胞类型异质性的重要研究工具，本文提出了一种基于变分自动编码器的迁移学习框架，并用于单细胞药物反应预测。该框架整合了混合测序的细胞系药物基因组数据和单细胞 RNA 测序数据，使用最大均值差异和最优传输，在低维潜在空间中对细胞系和单细胞进行特征对齐，从而在单细胞水平上准确预测药物反应。模型和最新的单细胞药物反应预测方法做基准比较，在 8 个数据集上进行训练验证，模型取得了较高的预测性能。消融实验和鲁棒性实验验证了模型各模块的有效性以及模型的稳定性。本研究提供了新的迁移学习思路，为个性化和精确的癌症治疗提供了一种新的策略，并有助于精准医学的发展。
论文下载：