Optimización del descubrimiento de fármacos basada en datos para el cáncer de mama mediante modelos de aprendizaje automático interpretables

Dyuti Banerjee; Sivaneasan Bala Krishnan; Kamal Upreti; Sumegh Shrikant Tharewal; Uma Shankar; Pravin Kshirsagar; Manoj Kumar

doi:10.3791/68705

Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

Optimización del descubrimiento de fármacos basada en datos para el cáncer de mama mediante modelos de aprendizaje automático interpretables

855 vistas

⸱

DOI:

10.3791/68705

⸱

12 de septiembre de 2025

Dyuti Banerjee¹ , Sivaneasan Bala Krishnan² , Kamal Upreti³ , Sumegh Shrikant Tharewal⁴ , Uma Shankar⁵ , Pravin Kshirsagar⁶ , Manoj Kumar⁷

¹Koneru Lakshmaiah Education Foundation, ²Singapore Institute of Technology, ³Christ University, ⁴DBS Global University, ⁵Qaiwan International University, ⁶J D College of Engineering & Management, ⁷Gurukula Kangri University

En este artículo

Resumen

Este protocolo presenta una línea de aprendizaje automático que utiliza XGBoost y SHAP para predecir la sensibilidad a los medicamentos en el cáncer de mama. El flujo de trabajo incluye preprocesamiento de datos, modelado híbrido, interpretación basada en SHAP, puntuación de sinergias y agrupación de PCA para identificar fármacos potentes y comprender los factores biológicos clave que influyen en la respuesta terapéutica.

Resumen

El cáncer de mama sigue siendo una de las neoplasias malignas más prevalentes en todo el mundo, lo que plantea importantes desafíos terapéuticos debido a la heterogeneidad tumoral y la resistencia a los medicamentos. Este estudio presenta un protocolo de aprendizaje automático reproducible y basado en datos para predecir la sensibilidad a los fármacos en líneas celulares de cáncer de mama, con el doble objetivo de identificar potentes agentes únicos y combinaciones sinérgicas de fármacos. Utilizando conjuntos de datos seleccionados de la Genómica de la Sensibilidad a los Medicamentos en el Cáncer (GDSC), se implementaron dos enfoques predictivos: un regresor XGBoost independiente y una canalización híbrida Autoencoder-XGBoost. El preprocesamiento incluyó codificación de etiquetas, codificación en un solo momento, estandarización de puntuación Z, imputación de valores faltantes y reducción de dimensionalidad a través de PCA. La evaluación del modelo demostró que XGBoost logró un rendimiento superior (MSE = 1.3789, R² = 0.8145) en comparación con el modelo híbrido (MSE = 4.0322, R² = 0.4577). La interpretabilidad se abordó utilizando SHapley Additive exPlanations (SHAP), que identificó TARGET_PATHWAY, DRUG_ID, TARGET y CELL_LINE_NAME como características predictivas clave, alineándose con los mecanismos farmacológicos establecidos. Las puntuaciones de sinergia predichas, derivadas de la combinación de los resultados del modelo con los datos de DrugComb y SynergyDB, destacaron pares de fármacos prometedores como Bortezomib + Romidepsina y Paclitaxel + Bortezomib. Estos hallazgos fueron respaldados por la agrupación farmacológica basada en PCA, que revela agrupaciones biológicamente relevantes de fármacos con mecanismos de acción similares. El protocolo propuesto proporciona un marco transparente y adaptable para la investigación oncológica de precisión, lo que permite tanto la precisión predictiva como la interpretabilidad biológica. Al integrar un riguroso preprocesamiento, validación de modelos, explicabilidad y análisis de sinergia de fármacos, este flujo de trabajo ofrece una base escalable para el descubrimiento y la reutilización traslacional de fármacos en el tratamiento del cáncer de mama.

Introducción

El cáncer de mama sigue siendo el cáncer más comúnmente diagnosticado y la segunda causa principal de muerte relacionada con el cáncer entre las mujeres en todo el mundo¹. Solo en los Estados Unidos, representa casi el 30% de todas las neoplasias malignas femeninas nuevas, con más de 280,000 nuevos casos diagnosticados anualmente². A pesar de los avances terapéuticos, particularmente en los subtipos HER2 positivo y receptor hormonal positivo, la resistencia al tratamiento y la recurrencia siguen siendo desafíos críticos, especialmente para subtipos agresivos como el cáncer de mama triple....