集成框架能改善跨癌种药物反应预测吗？

未见药物与新数据集造成最大损失

论文的起点是基准评测，而不是新架构。作者从 12 种代表性架构整理出 18 种药物反应预测配置，覆盖不同的分子输入、药物表示和模型设计，并在三种测试情景下比较：混合、细胞盲和药物盲。细胞盲指模型在未见过的细胞系上测试；药物盲指模型在未见过的化合物上测试。

在六项指标（RMSE、R2、PCC、SCC、NDCG 和 NWPC）上，各方法之间以及不同评估设置之间的表现差异很大。作者报告，最大损失出现在模型被测试于此前未见过的药物或不同数据集时。这一区分对读者很重要：一个能在熟悉化合物上排序良好的模型，并不自动成为能对新化合物库做优先排序的模型。

基准评测还纳入了一个弹性网回归基线，使用处理后的细胞系基因表达和化合物 Morgan 指纹训练，并在相同的混合、细胞盲和药物盲设置下评估。这提供了一个非深度学习的参照点，从而可以把改进与更简单的正则化回归已经能达到的水平区分开。

留出预测如何训练投票层

DRIVE 指 Drug Response Integration and Voting Ensemble（药物反应整合与投票集成）。它是一个元学习框架：不依赖单一架构，而是学习如何为多个基础模型的预测加权。基础模型在药物–细胞系数据上训练，它们在留出数据上的预测成为元学习器的输入，元学习器从 RidgeCV、随机森林、KNN、LightGBM 和 XGBoost 等候选池中选出。

训练数据为 85,560 个药物–细胞系配对，覆盖 155 种化合物和 552 个癌细胞系，药物反应用 log10 转换后的 IC50 量化。分子特征来自 DepMap（基因表达、体细胞突变、拷贝数变异）以及 CCLE 遗留图谱（DNA 甲基化和 miRNA 表达），药物结构由规范 SMILES 字符串编码。

集成规模并非预设。作者比较了主要元学习器在不同模型数量下的 RMSE 曲线，发现训练阶段的最优配置因策略而异，九模型配置并非普遍最优。随机森林也未在每个集成规模下都取得最低训练 RMSE。因此最终配置是在一个外部验证集上选出的，该验证集包含有反应测量值但一个或多个输入模态覆盖不完整的药物–细胞系配对，且未用于训练或集成优化。在该验证集上，九模型随机森林集成在所评估策略中取得最低 RMSE。

增益来自互补误差而非单一主导模型

论文检验了集成是否只是对相似模型取平均。利用随机森林投票策略的 SHAP 值，九个组成模型表现出不同的贡献特征。Precily 和 DIPK 的平均 SHAP 值最大（分别为 0.7052 ± 0.0287 和 0.6583 ± 0.0181），而九个模型的平均 SHAP 值范围为 0.0147 至 0.7052。因此贡献并不均等，也没有单一模型占主导。

九个模型的相对重要性在交叉验证折之间基本保持一致，主要贡献者的折间波动较小。更直接地，预测残差之间的两两 Spearman 相关系数范围为 0.29 至 0.75，均值 0.50，中位数 0.49，表明误差一致性中等且异质。

最强的机制证据将多样性与增益联系起来：新加入模型的平均残差相关性越低，PCC 的边际提升越大（r = −0.93，P = 1.9E-7）。这是跨集成扩展步骤的相关关系，而非受控因果实验，但它支持作者的解读：DRIVE 的收益来自整合非冗余的预测信号，而非来自任何单一架构。

组织与化学留出下性能仍保持

随机五折划分可能高估模型，因为生物学或化学上相似的样本可能同时出现在训练集和测试集中。因此作者增加了组织感知和化学相似性感知的留组设置。在组织感知分析中，选定组织组的反应记录被排除出训练，用于内部留出评估；在化学相似性感知分析中，被归入特定化学相似组的化合物依次留出。

DRIVE 在留组织出和留化学簇出两种设置下均保持较强的内部性能，表明其表现不限于随机配对划分。在相应的外部验证子集上，组织感知留出中的表现相对稳定，提示跨谱系泛化仍然稳健；化学相似性感知留出则表现出相对更强的外部验证性能。

这些是论文自身的受限泛化情景，它们决定了结果能外推到多远：证据支持在相关组织或化学簇被整体留出时的稳健性，并不支持该集成能同等预测任意新化学结构的说法。

资源库混合了实测与预测反应

作者将 DRIVE 实现为 Nextflow 工作流，整合预处理、特征与样本协调、基础模型推理和集成投票，并带有硬件感知调度。随后用它构建了一个药物反应资源库，覆盖癌细胞系、患者来源样本和化合物库。报告的覆盖范围包括 1,382 个细胞系、10,645 名患者、6,532 种化合物和 2,000,821 种天然产物。

对读者而言一个关键区分是哪些是实测、哪些是预测。该资源库将实验数据与 DRIVE 预测结合，对于天然产物库，药物反应被量化为 DRIVE 预测的 log10 转换 IC50 值，而非实验测得的剂量反应参数。该库中的预测 IC50 值是模型输出，不是实验测定结果。

可扩展性有一个实测边界。在仅 CPU 和 GPU 加速执行下，小工作负载的运行时间和峰值内存都稳定；但当药物–细胞系配对数量超过 50 时，两种模式下执行时间和峰值内存都显著增加。作者据此指出需要工作负载分区和资源感知调度。

结直肠癌命中在细胞和动物中得到确认

转化验证聚焦于结直肠癌。该框架识别出在细胞和动物模型中具有确认抗肿瘤活性的治疗。在小鼠实验中，MC38 细胞（4 × 10^5）被皮下植入，当肿瘤体积达到约 50 mm3 时开始治疗，每 2–3 天用卡尺测量肿瘤大小，体积按 (长 × 宽2)/2 计算。

三种化合物按特定方案测试：头花千金藤碱（cephalomannine）2 mg/kg 每周两次瘤周注射，贝洛替康（belotecan）20 mg/kg 每周两次腹腔注射，alisporivir 5 mg/kg 每日一次瘤周注射。5-FU 作为阳性对照，其给药根据各实验的途径和方案调整。

该验证支持论文的主张：DRIVE 能在特定癌症背景下优先选出具有真实抗肿瘤活性的化合物。它并未确立临床获益，确认的活性是在细胞和动物模型而非患者中报告的。

为外部泛化选择九模型集成

论文的决策规则很具体：最终 DRIVE 配置被选中，是因为九模型随机森林集成在外部验证集上取得最低 RMSE，而不是因为它最小化了训练误差。训练阶段的最优配置因元学习器而异，随机森林也并非在每个集成规模下都领先，因此比较集成策略的读者应在输入模态覆盖不完整的留出数据上评估它们，而不是看训练曲线。

同样的逻辑界定了结论的边界。报告的增益是相对于单一模型和简单集成基线，在预测准确度、药物排序和稳定性上的提升，测量于论文的基准和留出情景。结直肠癌结果将这一点扩展到选定化合物在细胞和动物模型中的确认抗肿瘤活性。

因此，对于决定是否采用该框架的读者，相关比较不是抽象意义上的深度学习与集成之争，而是在与预期用途相匹配的评估设置下，依据外部验证选出的九模型集成是否优于单一模型或简单平均，尤其是当目标包含未见药物或不同数据集时。

本文引用的文献