Machine learning in onco-pharmacogenomics: a path to precision medicine with many challenges.
Machine learning in onco-pharmacogenomics: a path to precision medicine with many challenges.
复制标题
DOI：
10.3389/fphar.2023.1260276
复制
发表时间：
2023
影响因子：
5.6
通讯作者：
中科院分区：
文献类型：
--
作者：
在过去的二十年里，下一代测序（NGS）彻底改变了癌症研究的方法。NGS的应用包括鉴定可以影响肿瘤病理生物学并且还影响诊断、预后和治疗选择的肿瘤特异性改变。药物基因组学（PGx）研究了个体遗传模式在药物反应中的作用，并利用了NGS技术，因为它提供了对高通量数据的访问，然而，这些数据可能难以管理。机器学习（ML）最近已被用于生命科学，从复杂的NGS数据中发现隐藏模式，并解决各种PGx问题。在这篇综述中，我们提供了一个全面的概述，可以采用的NGS方法和不同的PGx研究涉及使用NGS数据。我们还提供了ML算法的简介，这些算法可以作为PGx领域的基本策略发挥作用，以改善癌症的个性化医疗。
Over the past two decades, Next-Generation Sequencing (NGS) has revolutionized the approach to cancer research. Applications of NGS include the identification of tumor specific alterations that can influence tumor pathobiology and also impact diagnosis, prognosis and therapeutic options. Pharmacogenomics (PGx) studies the role of inheritance of individual genetic patterns in drug response and has taken advantage of NGS technology as it provides access to high-throughput data that can, however, be difficult to manage. Machine learning (ML) has recently been used in the life sciences to discover hidden patterns from complex NGS data and to solve various PGx problems. In this review, we provide a comprehensive overview of the NGS approaches that can be employed and the different PGx studies implicating the use of NGS data. We also provide an excursus of the ML algorithms that can exert a role as fundamental strategies in the PGx field to improve personalized medicine in cancer.
登录
查看更多内容
影响因子：
4.7
作者：
Cui, Yunpeng;Wang, Qiwei;Shi, Xuedong;Ye, Qianwen;Lei, Mingxing;Wang, Bailin
通讯作者：
Wang, Bailin
影响因子：
3
作者：
Zhu, Eliot Y.;Dupuy, Adam J.
通讯作者：
Dupuy, Adam J.
基于无混杂因素因果推理模型识别关键体细胞致癌突变
影响因子：
4.3
作者：
通讯作者：
--
影响因子：
3.7
作者：
Abou Tabl, Ashraf;Alkhateeb, Abedalrhman;Ngom, Alioune
通讯作者：
Ngom, Alioune
影响因子：
--
作者：
Auwerx C;Sadler MC;Reymond A;Kutalik Z
通讯作者：
Kutalik Z