用于碎片化癌症药物反应矩阵的稀疏性稳健排序的逆向项目反应理论
Reverse Item Response Theory for Sparsity-Robust Ranking in Fragmented Cancer Drug-Response Matrices
精选理由
提出反向IRT，提升稀疏药物反应数据中抗药性与药物活性排序的稳健性。
AI 摘要
arXiv:2610.00002v1 公告类型：new 摘要：我们将逆向项目反应理论（IRT）引入药物基因组学药物反应分析，将癌症类型视为具有耐药能力的潜在“受试者”，将药物视为具有逃逸难度的“项目”。应用于 Genomics of Drug Sensitivity in Cancer (GDSC2) 数据库中的242,036条药物敏感性测量结果时，该模型在共享潜在尺度上估计癌症类型层面的体外耐药性和药物层面的广泛活性。在四种缺失机制下进行的验证表明，与简单平均相比，逆向 IRT 能更好地恢复完整数据的潜在排序；在 MCAR、癌症偏倚和药物偏倚稀疏性条件下、缺失率为60%时，其 Delta-rho 优势为 +0.089 至 +0.095。留出预测表明，在评估的五种方法中，IRT 获得了最佳 Brier 分数。Bootstrap 置信区间显示，28种癌症类型中有19种的耐药/敏感分类具有稳定性。跨平台 PRISM 复现显示，方向一致性为82%，但排序相关性较弱（rho = 0.25），这表明该工作的贡献在于碎片化评估条件下的方法学稳健性，而非构建一个普适的临床耐药排行榜。