预测ICI治疗响应的凹惩罚Logistic回归模型

摘要

为提升黑色素瘤患者对免疫检查点抑制剂(ICI)治疗响应的预测准确性，提出了一种整合批量RNA测序和单细胞RNA测序数据的新方法。首先，通过皮尔逊相关性分析构建患者-细胞相关性矩阵，采用Louvain算法对单细胞RNA测序数据进行细胞分群；其次利用CellChat工具量化细胞群在免疫响应相关通路中的重要性；最后，通过引入基于细胞间通信网络构建的细胞群重要性评价准则，并结合群极小极大凹惩罚，提出了二重群极小极大凹惩罚Logistic回归模型(DMCPLR)。在GSE35640数据集上的实验表明，DMCPLR模型的预测准确率达到80.18%,精确率、召回率和F1分数分别为82.24%,89.71%和85.11%,显著优于包括Lasso回归和随机森林在内的14种对比方法的性能，同时，将致命错误率降至8.30%。消融分析实验证实，细胞群权重机制和L2正则化项的引入能够提高模型的性能。

关键词

黑色素瘤 / 免疫检查点抑制剂 / 批量RNA测序和单细胞RNA测序数据 / 数据整合 / 细胞间通信