DeepMoDRP：一个基于多组学的深度学习框架，用于预测脑癌中的药物反应

《Molecular Informatics》：DeepMoDRP: A Multi-Omics-Based Deep Learning Framework for Drug Response Prediction in Brain Cancer

脑肿瘤药物响应预测模型DeepMoDRP整合基因组、转录组和表观基因组数据，采用稀疏自编码器、1D卷积神经网络和多尺度图神经网络处理高维、低维及药物相关数据，实验表明其预测性能优于现有pan-cancer模型，为脑肿瘤治疗提供新工具。

图形摘要

本文介绍了一种名为DeepMoDRP的新型药物反应预测模型，该模型专为脑癌设计。它将来自脑肿瘤细胞系的多组学数据与药物的分子结构信息相结合。

摘要

鉴于现有药物治疗脑肿瘤的效果有限，开发准确的预测模型对于推进神经肿瘤学治疗策略至关重要。在本文中，我们介绍了一种专为脑癌设计的药物反应预测模型DeepMoDRP。该模型整合了来自多种脑肿瘤细胞系（包括低级别胶质瘤、多形性胶质母细胞瘤和弥漫性大B细胞淋巴瘤）的基因组、转录组和表观基因组数据。为了解决细胞系数据中基因表达和拷贝数变化所固有的高维复杂性，我们使用了稀疏自编码器（AEs）和去噪自编码器来减少噪声和冗余。同时，一维卷积神经网络被用来处理低维的突变和DNA甲基化数据。此外，还实现了一个多尺度图神经网络来处理与药物相关的数据。最后，全连接网络被用来生成药物反应的预测结果。我们使用从公共数据库中提取和整理的脑肿瘤数据集进行了一系列实验。实验结果表明，所提出的DeepMoDRP在预测脑肿瘤的药物反应方面优于现有的泛癌症基线模型。后续分析表明，DeepMoDRP在脑肿瘤的治疗中具有显著潜力。

利益冲突

作者声明没有利益冲突。

数据可用性声明

本研究中使用和整理的脑肿瘤数据集可在GitHub上的仓库中公开获取：https://github.com/ShiLab-GitHub/DeepMoDRP。细胞系-药物反应数据集来源于癌症药物敏感性基因组学（GDSC）数据库，该数据库的访问地址为：https://www.cancerrxgene.org。此外，多组学数据集还来自GDSC数据库和癌症细胞系百科全书（CCLE），后者可以在https://sites.broadinstitute.org/ccle/datasets找到。源代码也可在https://github.com/ShiLab-GitHub/DeepMoDRP公开获取。