第37周-药物反应可以由基因组特性预测

Posted on by

2015发在BMC Cancer的文章：Anticancer drug sensitivity prediction in cell lines from baseline gene expression through recursive feature selection
主要就是整合了 Cancer Cell Line Encyclopedia (CCLE) 和 Cancer Genome Project (CGP) 这两个数据库，使用 支持向量机来预测药物反应。

  • CCLE (www.broadinstitute.org/ccle/)
  • CGP (www.cancerrxgene.org/)

    值得一提的是我在我的生信菜鸟团博客也介绍过它们：
  • 使用CGP数据库的表达矩阵进行药物反应预测
  • 详细了解GDSC数据库
    通常人们关心的是药物在病人的反应是敏感还是耐受，而不是具体的某个值，所以是二分类变量，而不是回归。所以作者把CCLE数据库的药敏反应值划分为3个等级，构建SVM模型，可以得到80%的accuracy，还使用了CGP数据库的同样的药物来做验证，效果也很不错。

    药物反应分类

    对每一个药物来说，各种细胞系的反应值先zscore，然后根据0.8倍的sd来进行分类，分成该药物敏感的组，还有耐药的组，处于中间值的那些细胞系剔走。

    去除批次差异

    对 Cancer Cell Line Encyclopedia (CCLE) 和 Cancer Genome Project (CGP) 这两个数据库的表达矩阵，使用ComBat来去除批次效应。

    机器学习基本概念

    混淆矩阵

  • True Positive(真正，TP)：将正类预测为正类数
  • True Negative(真负，TN)：将负类预测为负类数
  • False Positive(假正，FP)：将负类预测为正类数→误报 (Type I error)
  • False Negative(假负，FN)：将正类预测为负类数→漏报 (Type II error)
    1、准确率（Accuracy）
    准确率是我们最常见的评价指标，而且很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好。 在正负样本不平衡的情况下，准确率这个评价指标有很大的缺陷。
    2、错误率（Error rate）
    错误率则与准确率相反，描述被分类器错分的比例，error rate = (FP+FN)/(TP+TN+FP+FN)，对某一个实例来说，分对与分错是互斥事件，所以accuracy =1 - error rate。
    3、灵敏度（sensitive）
    sensitive = TP/P，表示的是所有正例中被分对的比例，衡量了分类器对正例的识别能力。
    4、特效度（specificity）
    specificity = TN/N，表示的是所有负例中被分对的比例，衡量了分类器对负例的识别能力。
    5、精确率、精度（Precision）
    表示被分为正例的示例中实际为正例的比例。
    6、召回率（recall）
    召回率是覆盖面的度量，度量有多个正例被分为正例，recall=TP/(TP+FN)=TP/P=sensitive，可以看到召回率与灵敏度是一样的。
    7、综合评价指标（F-Measure）
    P和R指标有时候会出现的矛盾的情况，这样就需要综合考虑他们，最常见的方法就是F-Measure（又称为F-Score）。
    F-Measure是Precision和Recall加权调和平均
    8、其他评价指标
    计算速度：分类器训练和预测需要的时间；
    鲁棒性：处理缺失值和异常值的能力；
    可扩展性：处理大数据集的能力；
    可解释性：分类器的预测标准的可理解性，像决策树产生的规则就是很容易理解的，而神经网络的一堆参数就不好理解，我们只好把它看成一个黑盒子。
    参考：https://blog.csdn.net/quiet_girl/article/details/70830796

    每个药物都有单独的SVM模型

    模型效果还不错，By 10-fold cross validation, accuracies of our model are around 80 % for most drugs in CCLE, and the highest accuracy of 91.73 % was attained for a pathway targeted compound, the topoisomerase 1 inhibitor Irinotecan.
    这里作者只是统计了accuracy，其实蛮片面的，应该是考虑其它机器学习指标。
    而且，上面的是在自己的数据集做验证，还应该在另外一个独立的数据集继续验证SVM模型效果。
    虽然只测试了11个药物，但是效果惨不忍睹：

  • 3 of these 11 drugs (AZD6244, Erlotinib and PD-0325901) achieve a relatively good performance of AUC from 0.57 to 0.7
  • the rest eight drugs only give the AUC values around 0.5
    同时，作者也把顺序反过来分析了，在CGP数据库来构建模型，然后去CCLE数据库验证。
    还有就是两个模型都会对自己的数据库的基因进行排序，比较了两次构建模型的top1500基因的重合情况，如下：

    个人觉得不好。
    而且，这篇文章很明显比不上 Clinical drug response can be predicted using baseline gene expression levels and in vitro drug sensitivity in cell lines ，Genome Biology 2014 https://doi.org/10.1186/gb-2014-15-3-r47
​

 

Comments are closed.