抗がん剤感受性予測におけるディープラーニングの現在の進歩と限界

Current Advances and Limitations of Deep Learning in Anticancer Drug Sensitivity Prediction.

• Xian Tan
• Yang Yu
• Kaiwen Duan
• Jingbo Zhang
• Pingping Sun
• Hui Sun

抄録

抗がん剤スクリーニングは、がん患者の命を救うために創薬を加速させることができるが、がんの不均一性がそれを困難にしている。抗がん剤感受性の予測は、抗がん剤開発やバイオマーカー探索に役立つ。機械学習の一分野であるディープラーニングは、インシリコ研究において重要な役割を果たしています。その優れた計算性能は、医療画像認識、生物学的配列解析、創薬など、多くの生物医学的問題の解決に応用されていることを意味します。これまでにも、深層学習アルゴリズムに基づいた抗がん剤感受性予測の研究がいくつか行われています。ディープラーニングは、モデル性能やマルチオミクスデータの融合においてある程度の進歩を遂げている。しかし、ディープラーニングは実施された研究の数や利用可能なデータソースが限られているため、抗がん剤スクリーニングの前臨床モデルとしては完璧とは言えません。いかにディープラーニングモデルの性能を向上させるかが研究者の喫緊の課題となっている。本レビューでは、抗がん剤感受性予測の研究の歴史と、抗がん剤予測におけるディープラーニングの応用について紹介する。また、今後の研究の参考となるように、いくつかの一般的なデータソースやこれまでの機械学習手法についてもレビューする。最後に、ディープラーニングの長所と短所、そしてこのアプローチの限界と将来の展望について論じる。

Anticancer drug screening can accelerate drug discovery to save the lives of cancer patients, but cancer heterogeneity makes it challenging. Prediction of anticancer drug sensitivity is useful for anticancer drug development and biomarker discovery. Deep learning, as a branch of machine learning, is an important part of in silico studies. Its outstanding computational performance means that deep learning has been applied to solving many biomedical problems, such as medical image recognition, biological sequence analysis, and drug discovery. There have been some studies of anticancer drug sensitivity prediction based on deep learning algorithms. Deep learning has made some progress in model performance and multi-omics data fusion. However, deep learning is limited by the number of studies performed and data sources available so it is not perfect as a pre-clinical model for screening anticancer drugs. How to improve the performance of deep learning models is a pressing problem for researchers. In this review, we introduce the research history of anticancer drug sensitivity prediction and the applications of deep learning in anticancer drug prediction. To provide reference for future research, we also review some common data sources and previous machine learning methods. Lastly, we discuss the advantages and disadvantages of deep learning, as well as the limitations and future perspectives of this approach.

Copyright© Bentham Science Publishers; For any queries, please email at epub@benthamscience.net.