Kanser hücre hatlarında OTX015 (MK-8628/Birabresib) ilaç yanıtının makine öğrenme modeli ile tahmini

Amaç: Deneysel süreçlerin optimize edilmesi, zaman ve maliyetin önemli ölçüde azaltılması, sağlık hizmetlerinde bireyselleştirilmiş tedavilere katkıda bulunulması için bileşik yanıtını temsil eden IC50 değerlerini tahmin etmek adına makine öğrenimi modelleri geliştirmeye ve bu modellerin Bromodomain Ekstra Terminal İnhibitörü olarak görev yapan OTX015'e ve farklı 6 bileşiğe (RVX-208, PFI-1, JQ1, I-BRD9, I-BET-762 ve AZD5153) uygulanarak performanslarının değerlendirilmesine odaklanılmıştır. Yöntem: Kanser hücre hatlarının gen ekspresyon seviyeleri ile OTX015 ve diğer bileşiklerin, kanser hücreleri için IC50 değerlerinin, R programı kullanılarak makine öğrenmesi modelleri oluşturuldu. Modeller, hiperparametre optimizasyonu ile iyileştirildi. Eğitilen modeller, daha önce hiç görmedikleri doğrulama verileri kullanılarak test edildi. Modellerin performansları, gerçek değerler ile tahmin değerlerinin mutlak farklarının ortalaması kullanılarak değerlendirildi. Bulgular: Çalışma, kanser hücre hatlarının gen ekspresyon seviyelerini ve bileşiklerin IC50 değerlerini kullanan makine öğrenmesi modellerinin analizleri sonucu özellikle SVM modelinin hem laboratuvar çalışmaları öncesi kanser hücre hatları için hem de bireyselleştirilmiş IC50 değerlerinin tahmin edilmesinde düşük hata skorları ile tutarlı ve genellenebilir bir performans sergilediği göstermektedir. Sonuç: Sonuçlar, makine öğrenme modellerinin ilaç keşfi süreçlerinde ve kişiselleştirilmiş tıptaki kullanılabilirliğini ortaya koymaktadır. Bu modeller, maliyetleri azaltarak hızlı sonuçlar sağlayabilir, bireyselleştirilmiş IC50 değerleri sunabilir; ancak daha güvenilir sonuçlar için modellerin geliştirilmesi, ek veri toplanması ve farklı bileşikler ile değerlendirilmesinin yanı sıra gerçek dünya verileri ile de deneyler yapılması gerekebilir. Anahtar Kelimeler: makine öğrenmesi, tahmin yöntemleri, kanser, ic50, r programlama