New methods for drug synergy prediction: a mini-review

要約

このミニレビューでは、ハイスループットの組み合わせスクリーニングに依存した薬物組み合わせの相乗効果の新しい予測方法を探索します。
この分野の急速な進歩は、2021 年以降に公開された 30 を超える独自の機械学習手法で証明されており、その明らかに大多数は深層学習技術に基づいています。
私たちは、コアテクノロジー、データソース、手法で使用される入力データタイプと相乗効果スコア、および論文で扱われる予測シナリオと評価プロトコルに焦点を当てることで、これらの論文を統一的なレンズの下に置くことを目指しています。
私たちの発見は、最良の方法は既知の薬剤または細胞株が関与する相乗効果予測シナリオを正確に解決する一方で、新薬または細胞株が関与するシナリオは依然として正確な予測レベルに達していないということです。

要約(オリジナル)

In this mini-review, we explore the new prediction methods for drug combination synergy relying on high-throughput combinatorial screens. The fast progress of the field is witnessed in the more than thirty original machine learning methods published since 2021, a clear majority of them based on deep learning techniques. We aim to put these papers under a unifying lens by highlighting the core technologies, the data sources, the input data types and synergy scores used in the methods, as well as the prediction scenarios and evaluation protocols that the papers deal with. Our finding is that the best methods accurately solve the synergy prediction scenarios involving known drugs or cell lines while the scenarios involving new drugs or cell lines still fall short of an accurate prediction level.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google