0
0这项研究对机器学习在药物反应预测 (DRP) 中的特征降维方法进行了系统性比较评估。作者对比了九种数据驱动型和基于知识型的特征提取技术，并结合六种不同的预测模型，在癌症细胞系和人类肿瘤数据集上进行了数千次实验。研究发现，虽然不同场景下的最佳方案有所差异，但岭回归 (Ridge Regression) 在各种任务中均表现出稳健的预测效能。特别是在临床相关的肿瘤样本评估中，转录因子活性 (TF activities) 被证明是最有效的预测特征，能够更精准地识别药物敏感型和耐药型肿瘤。该研究强调了利用生物学先验知识减少数据维度的重要性，这不仅能提升模型的预测能力，还能显著增强其解释性。通过探索转录因子与药物作用的关系，这项工作为实现精准医学和个体化治疗方案提供了重要的计算指南。
References:
Firoozbakht, F., Yousefi, B., Tsoy, O. et al. Comparative evaluation of feature reduction methods for drug response prediction. Sci Rep 14, 30885 (2024). doi.org
