对应论文
ScreenShot: A Foundation Model for Few-Shot Combination Drug Screening
视频简介
药物组合治疗可降低耐药性风险,但组合空间巨大,传统筛选成本高、耗时且常不可行。现有预测模型依赖分子谱和逐队列训练,在时间和样本稀缺时受限。 ScreenShot 是一种分层Transformer,预训练于40个药物筛选数据集,架构模拟筛选数据的嵌套结构。通过上下文学习,可在仅少量新患者观测数据下预测组合治疗反应,无需微调或分子谱,直接在功能测量上操作。 在四个保留数据集上,ScreenShot 在预测准确性和选择性有效治疗方案识别上均优于所有基线。基于其内部表示,采用加权k-means++主动学习策略仅用三分之一预算即可达到与均匀筛查相当的命中检测。 该方法为药物组合筛选提供可复用的基础模型和实验设计工具,具有显著的实际应用价值。局限在于领域特定性,尚未证明跨领域通用性,且缺乏明确的临床验证。