《AI》:DP-FDT: The Drug Pair-Based Fuzzy Decision Tree for Accurate Drug Combination Prediction
编辑推荐:
本文提出了一种新颖的算法——基于药物配对的模糊决策树(Drug Pair-based Fuzzy Decision Tree, DP-FDT),旨在提升不平衡药物组合数据集上的分类性能。与传统决策树不同,DP-FDT将药物组合特征对(feature pairs
本文提出了一种新颖的算法——基于药物配对的模糊决策树(Drug Pair-based Fuzzy Decision Tree, DP-FDT),旨在提升不平衡药物组合数据集上的分类性能。与传统决策树不同,DP-FDT将药物组合特征对(feature pairs)整合至特征选择与节点构建过程中,从而更好地捕获不同药物特征之间的内在关联。该算法采用模糊分裂规则(fuzzy splitting rule),使样本能够以一定概率被同时分配至两个子节点,从而增强模型的容错能力。此外,在不纯叶节点(impure leaf nodes)处引入逻辑回归(logistic regression)分类器,为无法被完全划分的样本提供额外的分离手段。在两个细胞系数据集(A375与A549)上的实验结果表明,与若干最先进的斜决策树(oblique decision trees)及深度学习基线方法相比,DP-FDT在AUC与F1分数等指标上取得了更优性能,并显著提升了对少数类(minority classes)的召回率。消融研究(ablation studies)进一步证实了其关键组件的积极贡献。此外,初步的生物信息学分析为模型识别的最具影响力特征所关联的生物学过程提供了深入见解。总体而言,DP-FDT为分析复杂药物组合数据提供了一种有效且可解释的方法。
论文解读:基于药物配对模糊决策树的药物组合预测研究
一、研究背景与问题提出
药物发现及其相关新应用近年来显著推动了药物开发进程。然而,大多数疾病具有多基因致病特性,单一药物疗法往往难以实现完全治愈;同时,疾病的内在复杂性常导致耐药性的产生,成为有效治疗的主要障碍。联合疗法(combination therapy),即同时或序贯给予两种或多种药物,能够协同增强治疗效果并减少不良反应,从而克服单一药物方案的局限性。因此,如何准确量化两种药物联合使用时产生的效应——是加性(additive)、协同(synergistic)还是拮抗(antagonistic)——成为药物组合研究的关键问题。
计算资源与专用数据库的快速发展极大地推动了药物组合研究。例如,DrugComb作为开放平台用于存储和管理药物筛选数据,DDInter 2.0涵盖2310种药物的302,516条相互作用记录。在计算方法方面,Preuer等人率先将深度神经网络应用于联合疗法预测,提出DeepSynergy模型;Kuru等人提出Matchmaker,采用三个子网络分别编码药物特征并输出协同效应;Chen等人提出基于网络的拉普拉斯正则化最小二乘方法NLLSS。然而,深度神经网络虽然预测性能强大,却常因缺乏可解释性而受到批评。此外,现有方法往往未能充分解决数据集不平衡问题,尤其是在样本量较小时,容易导致过拟合,进而影响少数类样本的预测准确性。
值得特别关注的是,药物组合数据集中的样本由两种药物合成,不同药物的对应特征之间可能存在交互作用。传统机器学习方法逐一分析特征,忽略了特征对之间的关联。目前仅有少量研究关注这一特征配对问题。CPDT采用自适应网格聚类算法划分配对特征空间,但其在类别不平衡的生物医学数据集上表现有限;NEDT作为神经决策树虽性能较高,但其规则为复杂参数权重,可解释性中等。此外,这两种算法均忽略了特征在配对中的顺序问题,而顺序可能影响预测性能。
二、研究内容与核心结论
针对上述问题,研究人员提出了基于药物配对的模糊决策树算法DP-FDT。该算法将药物组合特征对的概念引入特征选择与决策树节点构建过程,通过筛选具有强相互作用的特征对来构建非叶节点,从而更好地建模药物组合并发现生物医学相互作用预测中的潜在规律。DP-FDT引入模糊决策树概念,使样本以概率形式进行决策,增加纠错可能性;同时在叶节点添加分类器,为无法完全分离的样本提供进一步区分的额外机会。
在A375黑色素瘤细胞系与A549肺癌细胞系两个数据集上的实验结果表明,DP-FDT在AUC和F1分数等关键指标上优于或匹配所有对比算法,包括OC1、CO2、WODT、HHCART、RandCART、DT-GINI、DT-ID3、DeepSynergy、CPDT和NEDT。与最强基线NEDT相比,DP-FDT在A375和A549上分别将AUC提升了1.46和0.88个百分点;与其他基线方法相比,AUC提升幅度为3.1至5.3个百分点。尤为重要的是,DP-FDT在少数类F1分数上显著更高,表明其能更好地识别协同和拮抗药物组合样本。消融研究证实,SMOTE过采样、多特征对分裂规则和叶节点逻辑回归三个模块均对算法性能有正向贡献。生物信息学分析进一步揭示了模型识别的最具影响力特征所关联的生物学过程,与黑色素瘤和肺癌的已知生物学特性一致。
三、主要技术方法
研究人员构建数据集时,从DrugComb(v1.4)数据库获取数据,采用L1000项目中978个标志基因的药物诱导基因表达谱Z-score特征,通过MODZ方法提取每种药物的独特基因表达谱,将两种药物特征拼接形成1956维特征向量,并结合细胞系特征构成最终数据集。算法核心流程包括:基于卡方检验的特征选择,保留排名前50的特征对;应用SMOTE过采样技术平衡类别分布;基于方差准则确定药物排列顺序并选取前30个特征对;通过模糊分裂规则(FSR)算法构建决策树,该算法结合线性判别分析(LDA)将特征对投影至一维空间并确定最优分裂阈值;在不纯叶节点处引入逻辑回归分类器。实验采用五折分层交叉验证评估性能。
四、研究结果
性能比较。 在A375与A549两个数据集上,DP-FDT在AUC、F1-macro和F1-minority等指标上均优于或匹配所有对比算法,尤其显著提升了少数类样本的识别能力。
特征选择数量与叶节点最小样本数的影响。 当所选特征对数量增加时,F1分数在30附近达到峰值后持续波动,因此选择前30个特征对可在保证性能的同时减少计算时间。叶节点最小样本数与总样本数的比值在0.04至0.2范围内变化时,F1分数无显著变化,最终设定该比值为0.2以防止过拟合并控制树深度。
消融研究。 通过设置六个版本算法对比,发现算法性能随模块添加呈线性增长。多特征对分裂规则、SMOTE过采样和叶节点逻辑回归均对性能有显著正向贡献,其中多特征对分裂与SMOTE的组合在两个数据集上表现出最大的性能差异。
生物信息学分析。 基于特征选择频率,为两个细胞系各识别出前134个关键特征并进行基因本体论(GO)生物学过程富集分析。A375细胞系富集于神经发生、胶质细胞生成、神经系统发育、蛋白聚合和ephrin受体信号通路等过程,与黑色素细胞的神经嵴起源一致;A549细胞系富集于DNA损伤响应、细胞-基质粘附、黏着斑组装和胰岛素受体信号通路等过程,反映肺癌的基因组不稳定性和上皮-间质转化特征。
药物顺序效应分析。 将随机药物排序与基于方差的方法对比,随机排序在两个细胞系上均持续降低AUC、F1-macro和F1-minority指标,而基于方差的方法恢复了报告性能。交换药物特征子集顺序后,预测一致率较高且残差间隙较小,表明该排序方法在很大程度上稳定了预测结果。
五、讨论与结论
DP-FDT为药物组合预测提供了一种可解释的计算方法,在高维特征空间和类别不平衡两大挑战下均表现出优越性能。该算法的特征对框架可推广至其他涉及配对实体的生物医学相互作用预测任务,如药物-靶点、蛋白质-蛋白质或miRNA-疾病相互作用。生物信息学分析将模型内部特征重要性与已知癌症生物学联系起来,表明DP-FDT不仅能预测,还能产生具有生物学意义的假设。未来工作将致力于将方法扩展到更多细胞系、整合更多组学层数据,并通过前瞻性实验研究验证所识别的生物学过程。此外,尽管基于方差的排序提高了稳定性,仍存在微小的顺序依赖差异,未来研究可更直接地实现置换不变性。