数据科学在癌症合并预测中占据中心地位

联合疗法正迅速成为下一波癌症治疗的基石，但为什么它们如此重要?我们知道，精确地瞄准癌症的驱动因素可以改善患者的反应——一个很好的例子是在表皮生长因子受体突变的肿瘤- - - - - -然而，癌症是一种复杂的、不断发展的疾病，这限制了单一疗法的有效性。使用药物组合来抑制不同的癌症途径有可能针对不同的肿瘤细胞群，并关闭使癌细胞逃避死亡的旁路机制。这个概念听起来很简单，但癌症基因组的大量可能组合和复杂性意味着识别最有希望的组合不是一项小任务。

今天，我们可以很容易地在细胞面板上筛选大量的药物-药物组合，然而，我们需要找到更有效的方法来理解结果数据，预测最佳组合，并了解哪些患者最有可能受益。这就是数据科学占据了中心舞台。

作为欧洲杯微信买球阿斯利康-桑格药物组合预测梦挑战，我们分享了超过11000种经过实验测试的药物组合的药物靶标信息，这些药物组合来自85个分子特征癌细胞系。这是迄今为止所有公司或组织共享的最大、最多样化的数据集之一，使参与者能够训练和测试预测药物协同作用的计算模型。这项挑战的结果发表在最近的一份出版物上自然通讯，该数据现已通过突触．

众包的力量在这个项目中发挥了充分的作用——我们看到了>100种不同的方法，我们可能从来没有在内部尝试过。通过了解哪种方法在不同的细胞和药物环境下表现更好，有很多东西需要学习。最成功的模型将机器学习与过滤与癌症或药物靶点相关的分子特征的创新方法配对，并根据靶点或信号通路对药物进行分组，使算法能够在它们之间共享学习。在获胜的模型中，超过60%的联合用药能很好地预测药物之间的联合协同作用。一个特别有趣的观察是，当两种药物靶向一个共同调控因子下游的平行节点时，具有更大的普遍可预测性。

该挑战还提供了对潜在可用于临床的反应生物标志物的见解。在激活突变的细胞中，AKT抑制剂和pan-PI3K抑制剂之间一致存在协同作用PIK3CA或PTEN缺失，并与EGFR抑制剂在细胞中具有激活作用表皮生长因子受体或ERBB2突变。当然，还有许多癌症生物学的方面没有被细胞模型捕捉到——例如免疫介导的耐药机制，但通过公开这些数据和算法，我们希望这为加速该领域的进一步研究提供一个平台。

^{Veeva ID: z4 - 17750
下一次审查日期19/6/2021}