Predicting Single-cell Drug Sensitivity by Adaptive Weighted Feature for Adversarial Multi-source Domain Adaptation

要約

単一細胞配列決定技術の開発により、大量の単一細胞転写プロファイルの生成が促進され、腫瘍内の薬剤耐性細胞部分集団を探索する貴重な機会が提供されました。
しかし、単一細胞レベルでの薬剤感受性データは現時点でもまだ不足しており、個々の細胞に対する薬剤感受性を計算機で予測するという緊急かつ非常に困難な課題が迫られています。
この論文では、単一細胞の薬物感受性を予測するためのマルチソース適応重み付けモデルである scAdaDrug を提案しました。
私たちはオートエンコーダーを使用して、敵対的ドメイン適応を利用して複数のソースドメインから薬物感受性に関連するドメイン不変の特徴を抽出しました。
特に、重要性を認識した相互に独立した重みを生成する適応重みジェネレーターを導入しました。これにより、ソース ドメインとターゲット ドメインの両方について次元レベルで各サンプルの埋め込みを適応的に調整できます。
広範な実験結果により、私たちのモデルは単細胞データセットだけでなく、細胞株や患者のデータセットでも薬剤感受性を予測する際に最先端の性能を達成したことが示されました。

要約(オリジナル)

The development of single-cell sequencing technology had promoted the generation of a large amount of single-cell transcriptional profiles, providing valuable opportunities to explore drug-resistant cell subpopulations in a tumor. However, the drug sensitivity data in single-cell level is still scarce to date, pressing an urgent and highly challenging task for computational prediction of the drug sensitivity to individual cells. This paper proposed scAdaDrug, a multi-source adaptive weighting model to predict single-cell drug sensitivity. We used an autoencoder to extract domain-invariant features related to drug sensitivity from multiple source domains by exploiting adversarial domain adaptation. Especially, we introduced an adaptive weight generator to produce importance-aware and mutual independent weights, which could adaptively modulate the embedding of each sample in dimension-level for both source and target domains. Extensive experimental results showed that our model achieved state-of-the-art performance in predicting drug sensitivity on sinle-cell datasets, as well as on cell line and patient datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google