人细胞转录组与分子特征的大鼠 BUN 预测
结合人源细胞处理后的表达特征和分子结构，在回归预测中同时报告不确定性。
用途与模型
- 研究用途
- 化合物相关大鼠血尿素氮变化的计算评价。
- 模型与细胞来源
- L1000 人细胞表达、MACCS 分子指纹与高斯过程回归；目标为大鼠 BUN。
- 方法版本
- 2020 年高斯过程与 DrugMatrix 研究
- 实验形式
- 已有数据库匹配、降维、训练/测试划分与回归比较。
材料与平台
- 输入数据
- 964 个表达特征、166 位 MACCS 指纹；8 种人细胞系，使用所选最高浓度和最长处理条件。
- 参照与分析
- DrugMatrix 大鼠 BUN、截断 SVD 与高斯过程回归，并比较其他回归算法。
测量指标与分析
- BUN 预测值
- 误差与 R²
- 预测不确定性
- 特征贡献
80% 数据用于训练，20% 保留测试；在训练数据中交叉验证并比较特征降维和算法。
研究设计与结果
训练集与交叉验证
- 研究设计
- 匹配化合物处理后的表达与大鼠 BUN 记录，比较回归预测及不确定性。
- 测试范围
- 429 个 BUN 匹配记录/化合物；输入资源含 31,029 个扰动，但模型目标集使用匹配子集。
- 参照体系
- 保留测试记录、不同特征组合及回归模型。
- 研究结果
- 高斯过程提供与其他模型相近的点预测，并给出样本相关的不确定性与特征贡献。
适用条件与研究局限
- 目标是大鼠 BUN，不能直接登记为人肾毒性诊断性能。
- 人细胞与大鼠暴露条件没有逐剂量匹配；不确定性指标与普通误差指标分别使用。
来源与原文
- Using human in vitro transcriptome analysis to build trustworthy machine learning models for prediction of animal drug toxicity原始研究 · Scientific Reports · 2020-06-12