[论文解读] A Noise-Filtering Approach for Cancer Drug Sensitivity Prediction

Turki Turki, Zhi Wei|arXiv (Cornell University)|Dec 2, 2016

Computational Drug Discovery Methods参考文献 12被引用 3

一句话总结

本文提出了一种用于癌症药物敏感性预测的噪声过滤方法，通过使用数值线性代数和信息检索技术识别并去除噪声细胞系，从而提升机器学习性能。在模型训练前过滤掉低质量样本后，该方法在乳腺癌和多发性骨髓瘤的临床试验数据中实现了显著更高的AUC分数——最高达0.878，展现出更优的稳定性和预测准确性。

ABSTRACT

Accurately predicting drug responses to cancer is an important problem hindering oncologists' efforts to find the most effective drugs to treat cancer, which is a core goal in precision medicine. The scientific community has focused on improving this prediction based on genomic, epigenomic, and proteomic datasets measured in human cancer cell lines. Real-world cancer cell lines contain noise, which degrades the performance of machine learning algorithms. This problem is rarely addressed in the existing approaches. In this paper, we present a noise-filtering approach that integrates techniques from numerical linear algebra and information retrieval targeted at filtering out noisy cancer cell lines. By filtering out noisy cancer cell lines, we can train machine learning algorithms on better quality cancer cell lines. We evaluate the performance of our approach and compare it with an existing approach using the Area Under the ROC Curve (AUC) on clinical trial data. The experimental results show that our proposed approach is stable and also yields the highest AUC at a statistically significant level.

研究动机与目标

• 解决因噪声或低质量的癌细胞系导致机器学习在癌症药物敏感性预测中性能下降的问题。
• 通过在训练前过滤掉噪声样本，提升预测模型的准确性和稳定性。
• 整合数值线性代数与信息检索技术，从基因组数据和药物反应数据中识别高质量细胞系。
• 利用乳腺癌和多发性骨髓瘤的真实临床试验数据，将所提方法与现有方法进行对比评估。

提出的方法

• 使用训练集中所有细胞系特征向量之间的曼哈顿距离构建距离矩阵 D。
• 对 D 进行谱分解，获得特征向量和特征值，利用最小特征向量将数据投影到噪声过滤后的特征空间。
• 利用距离矩阵的主要特征向量对原始训练输入进行变换，以突出低噪声特征。
• 通过原始特征向量与变换后特征向量之间的余弦相似度，基于最小角度偏差对细胞系进行排序和检索，选出最高质量的样本。
• 在过滤后的高质量细胞系子集中，使用支持向量回归和岭回归等机器学习模型进行训练。
• 将训练好的模型应用于测试集，通过临床试验结果的AUC评估预测性能。

实验结果

研究问题

• RQ1 过滤掉噪声癌细胞系是否能提升机器学习模型在药物敏感性预测中的预测性能？
• RQ2 数值线性代数与信息检索技术的结合如何增强对高质量细胞系的识别能力？
• RQ3 在真实临床数据中，所提出的噪声过滤方法是否相比现有基线方法产生更稳定、更准确的预测？
• RQ4 去除低质量样本在预测乳腺癌患者多西他赛敏感性及多发性骨髓瘤患者硼替佐米敏感性方面，AUC提升程度如何？

主要发现

• 在乳腺癌中，该方法对多西他赛敏感性预测的AUC达到0.878，显著优于基线方法B+SVR+S（AUC 0.857）和B+RR（AUC 0.821）。
• 在多发性骨髓瘤中，PA+SVR+S模型对硼替佐米敏感性预测的AUC达到0.658，优于基线方法B+SVR+S（AUC 0.602）和B+RR（AUC 0.608）。
• 在乳腺癌中，PA+SVR+S模型的平均AUC（MAUC）为0.871，高于基线方法B+SVR+S的0.858，表明其性能具有一致优势。
• PA+SVR+S模型在区分敏感与耐药患者方面具有极高的显著性水平（p = 117 × 10⁻⁵），证实了其统计可靠性。
• 该方法通过过滤掉低质量细胞系减少了训练集规模，其中 q+PA 值在459至478之间，同时保持或提升了预测性能。
• 所有所提模型在预测敏感性差异上，对反应者与非反应者进行t检验的p值均极显著（p < 0.0001），证实了其鲁棒性。