Transfer learning with multiomics integration and deep neural networks reveals drug resistance mechanisms in cancer
8.0
来源：
Nature
关键字：
multi-omics
发布时间：
2025-11-28 04:04
摘要：
本研究采用深度神经网络和多组学整合的方法，成功预测了癌症药物的反应，并揭示了耐药机制。研究表明，LDHB介导的丙酮酸代谢可能在紫杉醇耐药中起关键作用，而PINK1介导的线粒体自噬可能在5-FU耐药中发挥重要作用。通过对多组学数据的整合，研究为个性化治疗策略提供了重要的生物学见解，具有显著的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
1.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
1.0
关键证据
研究采用深度神经网络和多组学整合的方法，预测药物反应。
研究揭示了药物耐药机制，提供了临床相关的生物学见解。
研究基于国际数据集（GDSC, PDX, TCGA）进行。
真实性检查
否
AI评分总结
本研究采用深度神经网络和多组学整合的方法，成功预测了癌症药物的反应，并揭示了耐药机制。研究表明，LDHB介导的丙酮酸代谢可能在紫杉醇耐药中起关键作用，而PINK1介导的线粒体自噬可能在5-FU耐药中发挥重要作用。通过对多组学数据的整合，研究为个性化治疗策略提供了重要的生物学见解，具有显著的临床应用潜力。