李少达 李玉双

（燕山大学理学院，秦皇岛 066004）

癌症的异质性和遗传多样性，导致同种癌症的患者即使采用相同的治疗方法，也有可能得到不同的疗效［1‑3］。从患者的角度，更希望了解给定药物是否有效。针对特定癌症类型，如何在分子水平上探索癌细胞系对抗癌药物的反应已成为精准医疗的研究热点之一［4］。基因组学的快速发展及人类基因组计划的顺利实施，诞生了海量的生物学数据，为在分子水平上预测抗癌药物临床反应提供了良好的数据基础［5］。特别值得一提的是，2012年《自然》（Nature）杂志发表了两项系统的大规模研究，癌症基因组计划（CGP）［6］和癌细胞百科全书（CCLE）［7］，研究中所涉及到的细胞系几乎涵盖所有常见的癌症类型，使得完全以数据驱动、计算建模的方式自动识别生物标志物，系统解析抗癌药物反应与癌症细胞系基因谱之间的关系成为可能。

研究人员借助这些数据集开发抗癌药物反应预测计算模型［8‑11］的主要思想有两种，一种是基于核方法预测药物敏感性，其中最具有代表性的模型之一为支持向量机（SVM）。如Hejase 等［12］基于美国国家癌症研究中心（NCI）数据，应用非线性SVM成功预测了药物化合物对乳腺癌细胞的影响；Wang等［13］基于CCLE数据集，利用基因突变、拷贝数变异和基因表达等数据，通过组合SVM 模型对三类特定组织下的细胞系进行了敏感性分类。另一种是基于特征提取方法预测抗癌药物反应。如最近Su等［14］融合基因表达和拷贝数变异，构建了两类 深 度 反 应 森 林（Deep‑Resp‑Forest） 模 型MIMGS1 和MIMGS2，成功预测抗癌药物对细胞系的敏感或抑制。……