大规模AI就绪数据用于抗癌药物反应建模

摘要

药物反应预测模型的性能常受限于数据集规模及癌症、化学空间覆盖不足。本研究大幅扩展IMPROVE基准，主要整合PharmacoDB等药物基因组学数据源，形成包含数百万条药物反应测量、更广泛多组学覆盖及超过5万种新增化合物的资源。使用共同测试集和多种评估策略比较新旧数据训练的模型：癌症盲表现与原始基准相当，而药物盲和disjoint划分下的表现一致提升，表明模型对训练中未见过化合物的泛化能力增强。该扩展数据集可作为社区资源，为开发旨在辅助新抗癌药物发现的预测模型提供更丰富基础。