SYNDEEP: a deep learning approach for the prediction of cancer drugs synergy

SYNDEEP: a deep learning approach for the prediction of cancer drugs synergy - Scientific Reports

薬剤の組み合わせは、がん治療において初期治療の選択肢を増やすための重要な戦略である。しかし、実験的アプローチによる組み合わせの特定は、非常に手間とコストがかかる。特に、in vitroやin vivoで可能な限りの組み合わせを検討することは、現実的でない可能性があります。本研究では、相乗効果のある薬剤の組み合わせを予測するための新しい計算機的アプローチを提示しました。具体的には、ディープニューラルネットワークに基づく二値分類を利用してモデルを開発した。様々な物理化学的情報、ゲノム情報、タンパク質間相互作用、タンパク質代謝物間相互作用の情報を用いて、異なる薬剤の組み合わせの相乗効果を予測した。構築したモデルの性能を、浅いニューラルネットワーク（SNN）、k-nearest neighbors（KNN）、ランダムフォレスト（RF）、サポートベクターマシン（SVM）、gradient boosting classifiers（GBC）と比較しました。その結果、提案したディープニューラルネットワークモデルは、相乗効果のある薬剤の組み合わせを高い精度で予測できることが判明しました。本モデルの予測精度は92.21％、AUC指標は10重クロスバリデーションで97.32％であった。この結果によると、異なる種類の物理化学的特徴とゲノミクス的特徴の統合は、抗がん剤の相乗効果をより正確に予測することにつながる。