1138-SiamCDR：基于对比学习的抗癌药物筛选优化

这项研究介绍了一种名为 SiamCDR 的机器学习框架，旨在通过对比学习和孪生神经网络提高癌症药物反应预测的准确性。该方法通过整合药物基因靶点和细胞系转录组数据，生成了比传统方法更具生物学意义的特征表示，有效克服了医疗数据稀缺的难题。实验结果表明，该模型在为特定患者推荐个性化精准治疗方案方面显著优于现有的深度学习模型。此外，研究人员利用该工具成功识别出多种具有潜力的老药新用候选药物，可用于治疗膀胱癌和前列腺癌等难治性癌症。这种数据驱动的方法不仅能识别药物抗性信号，还为临床肿瘤精准医疗提供了强有力的决策支持。References:Lawrence, P.J., Burns, B. & Ning, X. Enhancing drug and cell line representations via contrastive learning for improved anti-cancer drug prioritization. npj Precis. Onc. 8, 106 (2024). https://doi.org/10.1038/s41698-024-00589-8前往小宇宙评论区与主播互动