基于自监督深度学习的抗癌药物敏感性评估方法研究
提出了一种基于对比学习的抗癌药物敏感性评估框架(SSLGP).首先,设计了一种结合对比学习策略的深度自编码器,用于提取高维基因表达特征的有效信息,之后将其放入XGBoost算法中进行训练,构建药物敏感性预测模型.为了评估本框架的预测性能,在8种抗癌药物公开数据集中测试了该方法,并与其他方法进行比较.实验结果表明,本框架总体上取得了较高的AUC指标得分(0.670),和其他方法相比最高提高了10.56%,平均提高了5.18%,证明了其应用于临床辅助指导患者用药选择的价值.
精准医学、对比学习、抗癌药物、深度学习
42
R979.1(药品)
2024-02-27（万方平台首次上网日期，不代表论文的发表时间）
共7页
19-25
