前列腺癌是出自前列腺的惡性腫瘤。大多數(shù)前列腺癌生長(zhǎng)速度較為緩慢，但仍有些生長(zhǎng)相對(duì)快速，癌細(xì)胞可轉(zhuǎn)移到骨頭和淋巴結(jié)等部位。前列腺癌早期可能沒有癥狀，晚期可能出現(xiàn)排尿困難、尿血、背痛等癥狀。

近日，美國(guó)丹娜法伯癌癥研究院、麻省理工學(xué)院和哈佛大學(xué)的研究團(tuán)隊(duì)，利用前列腺癌患者的多組學(xué)數(shù)據(jù)，開發(fā)了一款可用于前列腺癌預(yù)測(cè)與評(píng)估的機(jī)器學(xué)習(xí)分析模型P-NET（Pathway-aware multi-layered hierarchical network）。

該研究團(tuán)隊(duì)基于1013例前列腺癌患者數(shù)據(jù)，通過(guò)分析基因突變、基因拷貝數(shù)、基因融合等信息，構(gòu)建了基于生物信息學(xué)的深度學(xué)習(xí)模型。利用該模型可對(duì)前列腺癌患者進(jìn)行危險(xiǎn)分層，評(píng)估靶向治療相關(guān)分子驅(qū)動(dòng)因素狀況，以及預(yù)測(cè)癌癥狀態(tài)等。 

研究證明，P-NET其性能優(yōu)于其他建模方法。此外，P-NET內(nèi)的生物可解釋性揭示了既定的和新的分子改變候選者，如MDM4和FGFR1，這些候選者涉及晚期疾病的預(yù)測(cè)，并在體外得到驗(yàn)證。從廣義上講，生物學(xué)上的全面可解釋神經(jīng)網(wǎng)絡(luò)使前列腺癌的臨床前發(fā)現(xiàn)和臨床預(yù)測(cè)成為可能，還可能具有跨癌癥類型的普遍適用性。

題為Biologically informed deep neural network for prostate cancer discovery的相關(guān)研究論文發(fā)表在《自然》雜志上。

前瞻經(jīng)濟(jì)學(xué)人APP資訊組

論文原文：

https://www.nature.com/articles/s41586-021-03922-4

標(biāo)簽： 科學(xué)家 開發(fā) 新機(jī)器 機(jī)器