机构名称：
¥ 1.0
合成致死性（SL）是一种遗传相互作用，当两个基因中的缺陷导致细胞死亡时发生，而单个基因中的缺陷则不会。靶向在癌症中突变的基因的SL伴侣可以选择性地杀死肿瘤细胞。用于SL筛查的传统湿lab实验是资源密集的。因此，已经开发了许多计算方法来虚拟筛选SL基因对。这项研究基准了用于SL预测的最新机器学习方法，包括三个矩阵分解和八个深度学习模型。我们使用各种数据拆分方案，负样本比例以及分类和排名任务的负抽样方法来仔细检查模型性能，以评估模型的通用性和鲁棒性。我们的基准分析了模型之间的性能差异，并强调了数据和现实情况的重要性。最后，我们建议将来以预测能力和解释性来改善SL发现的机器学习方法的未来方向。
基准的机器学习方法用于癌症的合成致死性预测
主要关键词
相关文件推荐
