Variational and Explanatory Neural Networks for Encoding Cancer Profiles and Predicting Drug Responses

要約

ヒトのがんは公衆衛生上の重要な課題であり、トランスレーショナルリサーチによる新薬の発見が求められている。腫瘍や癌細胞株における分子活動を記述するトランスクリプトミクス・プロファイリングデータは、抗癌剤の反応を予測するために広く利用されている。しかし、既存のAIモデルは、トランスクリプトミクスデータのノイズや生物学的解釈可能性の欠如による課題に直面している。これらの限界を克服するために、我々は、ノイズの影響を緩和するために変分要素を組み込み、癌トランスクリプトミクスデータを符号化するためのニューラルネットワークアーキテクチャに追跡可能な遺伝子オントロジーを統合した新しいニューラルネットワークフレームワークであるVETE（Variational and Explanatory Transcriptomics Encoder）を紹介する。主な革新的技術には、オントロジーパスを特定するための局所的解釈可能性誘導法、薬物反応の生物学的メカニズムを解明するための可視化ツール、集中化された大規模ハイパーパラメータ最適化の適用などがある。VETEは、がん細胞株の分類と薬物反応予測において確かな精度を実証した。さらに、両タスクについて追跡可能な生物学的説明を提供し、予測の基礎となるメカニズムについての洞察を提供した。VETEは、がん研究におけるAI主導の予測と生物学的に意味のある洞察との間のギャップを埋めるものであり、この分野における有望な進歩である。

要約(オリジナル)

Human cancers present a significant public health challenge and require the discovery of novel drugs through translational research. Transcriptomics profiling data that describes molecular activities in tumors and cancer cell lines are widely utilized for predicting anti-cancer drug responses. However, existing AI models face challenges due to noise in transcriptomics data and lack of biological interpretability. To overcome these limitations, we introduce VETE (Variational and Explanatory Transcriptomics Encoder), a novel neural network framework that incorporates a variational component to mitigate noise effects and integrates traceable gene ontology into the neural network architecture for encoding cancer transcriptomics data. Key innovations include a local interpretability-guided method for identifying ontology paths, a visualization tool to elucidate biological mechanisms of drug responses, and the application of centralized large scale hyperparameter optimization. VETE demonstrated robust accuracy in cancer cell line classification and drug response prediction. Additionally, it provided traceable biological explanations for both tasks and offers insights into the mechanisms underlying its predictions. VETE bridges the gap between AI-driven predictions and biologically meaningful insights in cancer research, which represents a promising advancement in the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL