یادگیری ماشین زیست‌پزشکی
DuoDose
یک مدل معکوس آزمایشی که بیان ژنِ ردهٔ سلولی، ویژگی‌های داروها و مقدار مهار هدف را می‌گیرد و توزیعی روی مختصات دوز دو دارو می‌آموزد. هدف، نمایش چند پاسخ ممکن به یک مسئلهٔ معکوس است.
سهم من
نیاز پژوهشی و طراحی با همکاری همکاران و استادان راهنما در آزمایشگاه ComputImm شکل گرفته است. پیاده‌سازی و استقرار نرم‌افزار را من انجام داده‌ام.
نحوهٔ کار
بیان ژن ردهٔ سلولی
VAE ثابت و رمزگذار سلول
ویژگی‌های داروی A و B
رمزگذار مشترک دارو
مهار هدف
رمزگذار مهار
فضای لگاریتم دوزِ مقیاس‌بندی‌شده؛ برای ارزیابی گذشته‌نگر
جزئیات فنی
نمایش زمینهٔ سلولی
یک خودرمزگذار واریاسیونی بر پروفایل‌های مجاز بیان ژن آموزش داده می‌شود؛ سپس رمزگذار آن ثابت نگه داشته می‌شود. رمزگذارهای سلول، دارو و مهار، نمایش شرطی مدل را می‌سازند.
مدل‌سازی توزیع
رمزگذار مشترک دارو و شاخه‌های برهم‌کنش جفتی، ورودی شبکهٔ چگالی مخلوط دوبعدی هم‌بسته را در فضای لگاریتم دوزِ مقیاس‌بندی‌شده فراهم می‌کنند.
ارزیابی تعمیم‌پذیری
ارزیابی رده‌های سلولی کنارگذاشته‌شده از ارزیابی گروه‌بندی‌شدهٔ سلول/جفت‌دارو جداست. پیش‌پردازش فقط بر هویت‌های آموزشی مجاز برازش می‌شود و منشأ داده و موارد حذف‌شده ثبت می‌شوند. DREAM، NCI-ALMANAC و O’Neil–Merck گردش‌کارهای مستقلی دارند.
شواهد و دامنهٔ کاربرد
مخزن، ارزیابی‌های گذشته‌نگر روی رده‌های سلولی دیده‌نشده و گروه‌های سلول/جفت‌دارو را گزارش می‌کند. نرخ دستیابی به مهار هدف پایین است؛ این یکی از محدودیت‌های اصلی مدل کنونی است. جزئیات ارزیابی مستند شده‌اند، اما فایل‌های تولیدشدهٔ آزمایش‌ها در مخزن عمومی نیستند.
محدودیت‌ها
- ارزیابی روی شبکهٔ دوزِ آزمون‌های گذشته، پاسخ در دوزهای اندازه‌گیری‌نشده را اثبات نمی‌کند. پاسخ‌های مفقود یا حذف‌شده قابل‌امتیازدهی نیستند و خطای مختصات به‌تنهایی نشان‌دهندهٔ دستیابی به مهار هدف نیست.
- مدل می‌تواند به مختصات دوز خارج از ناحیهٔ نامنفیِ معتبر احتمال بدهد. بخش نهایی مدل، هم‌وردایی نسبت به جابه‌جایی دو دارو را تضمین نمی‌کند.
- مدل‌سازی مستقیم، مسیر پژوهشی جداگانه‌ای است. DuoDose یک مدل معکوس آزمایشی است و اعتبارسنجی بالینی یا توصیهٔ درمانی ارائه نمی‌کند.
کد و مستندات
نسخهٔ مستندات بررسی‌شده در ۲۸ اکتبر ۲۰۲۶ · 2a623dad2142