【儀表網(wǎng) 研發(fā)快訊】近期，上?？萍即髮W信息科學與技術學院鄭杰課題組與合作者在《自然·通訊》(Nature Communications)發(fā)表了題為“Benchmarking Machine Learning Methods for Synthetic Lethality Prediction in Cancer”的研究論文。文章通過設計多個場景系統(tǒng)性比較了12種最新的機器學習方法在合成致死(Synthetic Lethality, SL)抗癌藥物靶點預測中的表現(xiàn)。該研究為科學家提供了詳盡的指南，幫助他們選擇最適合的SL預測工具，從而推動精準抗癌藥物的研發(fā)。
 

圖1 文章標題
 

　　合成致死(SL)是一種基因之間的遺傳相互作用關系，即當兩個基因同時發(fā)生突變或擾動時會導致細胞死亡，而單個基因被擾動并不會產(chǎn)生這一效果。這一特性使SL成為一種有潛力的癌癥治療策略，因為通過靶向癌癥特異性突變基因的合成致死伙伴基因，可以殺死癌細胞而不影響健康細胞的生存。盡管SL現(xiàn)象已經(jīng)被發(fā)現(xiàn)超過一個世紀，但其實際應用仍然面臨挑戰(zhàn)，尤其是在快速、精準地識別與癌癥相關的SL基因對(SL gene pairs)方面。
 

　　為了加速實驗篩選并降低其成本，近年來，越來越多的研究人員應用機器學習技術來預測SL基因對。這些方法通過使用大量生物學數(shù)據(jù)，快速篩選出潛在的SL相互作用關系，以縮小實驗驗證的范圍。然而，盡管已經(jīng)提出了多種機器學習模型和算法，它們在不同情境下的性能缺乏系統(tǒng)性評估，這給研究人員在實際應用中選擇合適的人工智能工具帶來了困擾。
 

　　為填補這一空白，信息學院鄭杰團隊與合作者系統(tǒng)性地評估了12種最新的機器學習方法，涵蓋了從傳統(tǒng)機器學習到深度學習的多種算法。研究人員首先收集并建立了一個基準測試數(shù)據(jù)集，設計了多個不同的實驗場景，包括3種數(shù)據(jù)劃分方式，4種正負樣本比例和3種負樣本采樣方法，從而評估這些模型在多種場景組合下的分類和排序候選SL基因對的能力(圖2)。通過對比各種模型，研究團隊發(fā)現(xiàn)，數(shù)據(jù)質量的提升，比如負樣本的優(yōu)化，對所有方法的表現(xiàn)均有顯著提升。
 

圖2 基準研究的數(shù)據(jù)集構建以及場景設計
 

　　在所有評估的方法中，SLMGAE(SL prediction with Multi-view Graph Auto-Encoder)算法表現(xiàn)總體最佳。然而，當在面對更加復雜的實際應用時這些方法均存在一定的局限性。特別是在“冷啟動”測試中——即當模型在從未見過的新數(shù)據(jù)集上進行測試時，所有方法的表現(xiàn)均有所下降。此外，對于特定癌癥背景下(例如細胞系特異性的SL預測任務)，模型的預測準確度和泛化能力也有待進一步提升。
 

　　這些基準測試的結果不僅為科學家提供了選擇SL預測方法的實用指南，還揭示了當前機器學習方法在實際應用中的瓶頸和不足。這為未來研究開發(fā)更加精準、可靠的SL基因對預測工具提供了寶貴的參考，為合成致死抗癌藥物領域的研究人員提供了重要的數(shù)字資源和見解，從而有助于加速癌癥靶向治療的發(fā)展。
 

　　上?？萍即髮W信息學院與臨港實驗室聯(lián)合培養(yǎng)的2022級博士研究生馮藝苗(鄭杰課題組)為該論文第一作者，新加坡科學技術研究局生物信息學研究所助理研究員龍亞輝，上?？萍即髮W信息學院研究員李權，信息學院兩位碩士研究生王鶴、歐陽陽(李權課題組)參與了本課題的研究。上?？萍即髮W信息學院研究生毛偉帆、岳臻、陶思宇和楊揚為本工作的完成提供了幫助。上?？萍即髮W圖信中心和寧夏西云算力科技有限公司為本工作提供了算力支持。該工作最初依托于CS286 (AI for Science & Engineering)的課程項目。新加坡科學技術研究局信息通訊研究所首席科學家吳敏和上?？萍即髮W信息學院研究員鄭杰為論文共同通訊作者。上?？萍即髮W為第一完成單位。