机了解就是一种使确定机系统性会从数据统计表格中了解并制作出分享分析或战略决策的枝术。它是手工智力（AI）的一款 决定性分枝，通常根据于统计表学、优化提升实际和确定机科学学的具体方法。机了解在癌肿论述中饰演着越多越决定性的人物，在癌肿生物学标识物、碳原子染色体遗传分型、恶性肿癌制剂发掘和发展等邻域中密切选用。打比方借助机了解分享癌肿染色体遗传组数据统计表格，面部识别与癌病有关的染色体遗传进化和突变性，发展癌肿前期就诊的分享分析建模 ；在恶性肿癌制剂发掘价段，机了解可能分享分析小碳原子恶性肿癌制剂与靶点的联系效果，t加速恶性肿癌制剂筛分工作。 短期，原于哈佛大学临床医职业学院的调查人士开发设计打了个种应用场景AKT和EZH2重复调节剂的三阴乳房增生癌的治疗工艺，并通过器机学习了解选择和搭配了药效太敏理想化分析三维模型，对应研究成果发稿在Nature论文期刊上。

三弱阳性甲状腺炎癌（TNBC）是最具侵扰性的甲状腺炎癌亚型，再次发作率最好。到晚期TNBC的主要是策略标淮是去身上性放手术连合免疫检测策略，或独立身上性放手术；其实，策略响应一般而言持续保持时间间隔很短。对此，急切要有要有定制开发更行之有效的策略策略。 PI3K的信号径路的组成的方面是隐藏的方法靶点，正因为在已超70%的TNBC病患者中，PIK3CA、AKT1或PTEN均的发生了改动。那么，与雄激素蛋白激酶阳性发应乳腺炎癌亚型想必，当前尚不清析TNBC会不会会对PI3K径路限药物制剂形成了发应，还有会形成了哪类发应。 钻研工作员借助TNBC良性癌肿神经组织系和小鼠类别考试了AKT可以抑溶液剂和组核蛋白甲基转意酶EZH2可以抑溶液剂联办便用能很好的弄死良性癌肿良性癌肿神经组织，趣味性的是单独的便用其中的一个可以抑溶液剂对良性癌肿没很好的果。接下来小说作者借助转录组测序和体內荧光激光散斑等技术设备阐述了EZH2和AKT可以抑溶液剂可能够TNBC良性癌肿神经组织变化，有利于促进其变为成管腔样（luminal-like）良性癌肿神经组织睡眠状态，这也是两个可以抑溶液剂抗良性癌肿效应的关键性各种因素。 探究探讨员工凝焦管腔細胞细分的主要调试体人体细胞GATA3探究探讨了两种减缓剂的功用机制化。探究探讨表明EZH2减缓能开了增強学习子编码编码序列上的刺绣质而使调试GATA3的抒发。AKT的减缓能阻拦FOXO1的磷硝化作用，并勾起FOXO1在增強学习子和开机启动子编码编码序列上的切合。要是細胞细分，EZH2和AKT减缓剂就能进行劫持衰老方式中的信息碳原子来驱动包細胞凋亡。进步骤，这方式进行引导IL-6—JAK1—AT3环路，勾起促凋亡蛋清BMF的抒发来满足的。

EZHE/AKT隐性压药制剂医疗TNBC的用处机理方法图

（图源Schade AE, et al., Nature, 2024） 探析感觉EZH2和AKT治理和改善剂开展TNBC生殖生殖血血细胞膜系呈现出脆弱型和抗药性型，于探析考生管理体系结构刷卡机掌握建设了用药开展响应的预估型号。第一方面选购了15个生殖生殖血血细胞膜系（其中包含10个脆弱生殖生殖血血细胞膜系和5个抗药性生殖生殖血血细胞膜系）的转录组大数剧集，给出脆弱型和抗药性型的对比表答dna集（5组数组）看作训炼集，随后不久选购随机性性密林和使用向量机图像匹配搭建预估型号并通过留一双向校验策咯（leave-one-out cross-validation）校验型号预估的耐腐蚀性。给出预估的耐腐蚀性完整性性，探析考生管理选购对比3的倍数不小于5倍的对比表答dna集看作数组和随机性性密林图像匹配看作最优化的预估型号。后面诗人通过TCGA中TBNC组织安排范例的转录组大数剧库看作单独校验集对预估型号通过了校验，预估报告单凸显55%的范例对于那些EZH2/AKT两重治理和改善剂开展是脆弱的，上述感觉与本探析中生殖生殖血血细胞膜系的脆弱率（60%）类同。

机子掌握型号训练法和預测测评业务具体步骤展示图

（图源Schade AE, et al., Nature, 2024） 结合以上，本学习方案为这个程度肉瘤样癌性肉瘤形式选择好几个种有也希望的调理战略，并说清晰解绑监管的表观遗传的酶如果将肉瘤与有毒敏感性隔开叠起。以下学习方案还论述了生长结构特情人细胞核生亡前提条件如果被于调理益处。

拜谱总结ppt

海洋微怪物符号物的发掘和查证针对于患病的最早的时候珍断、改善监控和效果分析至关决定性。机子掌握知识还可以从更多的表观遗传组学、血清质组学、代谢转化组学和其他的形式的海洋微怪物的数据中发掘出未知的海洋微怪物符号物，并借助计算方式需求出与患病感觉最有关的的海洋微怪物大分子或表现。运用机子掌握知识等级划分类别计算方式对海洋微怪物符号物对其做好等级划分类别，判别患病感觉和良好感觉，借以借助建造机子掌握知识仿真模型对其做好患病的珍断、预测分析患病的经济发展和改善表现或我们效果。

拜谱怪物拜作为国内领先的多组学公司，可提供完善成熟的血清组学、基础代谢组学、转录组学等多组学产品技术服务体系。拜谱生物建立了完善的基于蛋白质组学、代谢组学的机器学习分析流程，可实现随机森林、极端梯度提升（Xgboost）、支持向量机（SVM）、朴素贝叶斯法（Naive Bayes， NB）、K-近邻法（K-Nearest Neighbors，KNN）、LASSO逻辑回归等经典机器学习算法分析，同时可提供ROC、PR、混淆矩阵、生存分析等临床性能分析，为临床大队列和生物标志物研究提供了丰富的选择。

参看资料：

Schade AE, Perurena N, Yang Y, et al. AKT and EZH2 inhibitors kill TNBCs by hijacking mechanisms of involution. Nature. Published online October 9, 2024. doi:10.1038/s41586-024-08031-6B1