Training distribution determines the ceiling of drug-blind cancer sensitivity prediction

Resumen Técnico: La Distribución de Entrenamiento Determina el Techo de la Predicción de Sensibilidad al Cáncer a Ciegas de Fármacos

Enunciado del Problema
La oncología de precisión depende de predecir la sensibilidad tumoral a fármacos a partir de perfiles moleculares. En el escenario "a ciegas de fármacos", los modelos deben generalizar a compuestos ausentes de los datos de entrenamiento. A pesar de una década de desarrollo de representaciones de fármacos cada vez más complejas (codificadores), el rendimiento se ha estancado en una correlación de Pearson global ($r$) de aproximadamente 0.45–0.55. Este estancamiento ha generado un debate sobre si la limitación reside en la capacidad representacional de los codificadores de fármacos (cuello de botella informativo) o en la distribución de los datos de entrenamiento.

Metodología y Diseño Experimental
Los autores reevalúan las métricas de referencia estándar y los protocolos experimentales utilizados en el campo.

1. Descomposición de Métricas: El estudio distingue entre la Pearson r global (correlación a través de todos los pares fármaco-célula) y la Pearson r por fármaco (correlación de las clasificaciones de líneas celulares dentro de un solo fármaco). Los autores demuestran que la $r$ global está dominada por las diferencias de potencia entre fármacos (predicción de escala), que un predictor trivial de "media de fármaco" puede lograr sin aprender la biología específica de la célula. En contraste, la $r$ por fármaco aísla la tarea clínicamente relevante de clasificar las sensibilidades celulares para un compuesto específico.
2. Ablación de Representación: Los autores probaron los principales tipos de codificación de fármacos, incluidas huellas dactilares Morgan, incrustaciones de ChemBERTa, vectores diana-fármaco y firmas de perturbación LINCS L1000, utilizando tanto regresión ridge como un codificador Transformer de 11.7 millones de parámetros. Estos se evaluaron bajo una validación cruzada (CV) estricta a ciegas de fármacos de 10 pliegues en el conjunto de datos GDSC2, con replicación independiente en CTRPv2, BeatAML y PRISM.
3. Corrección del Protocolo de Evaluación: El estudio reexamina modelos prominentes (PASO, DeepCDR, DrugCell) e identifica que el alto rendimiento reportado a menudo resulta de la "selección de puntos de control del conjunto de prueba" (seleccionar la época que maximiza la $r$ del conjunto de prueba sin un conjunto de validación retenido) y el informe del mejor pliegue, lo que infla artificialmente las métricas.
4. Control de Distribución vs. Representación: Para aislar la causa del estancamiento, los autores canalizan la información del Mecanismo de Acción (MoA) a través de dos rutas distintas:
   • Como Característica: Concatenar la identidad del MoA como un vector one-hot a la entrada.
   • Como Restricción de Distribución: Modificar la distribución de entrenamiento aumentando el peso de las muestras del mismo MoA (20$\times$) o realizando una CV de un fármaco dejado fuera estrictamente dentro de las clases de MoA.
5. Emparejamiento de Perfiles de Respuesta: Se probó una estrategia complementaria donde las observaciones piloto de IC50 de un nuevo fármaco se utilizan para emparejarlo con fármacos de entrenamiento similares, transfiriendo sus perfiles de sensibilidad.

Resultados Clave

• El Resultado Nulo para los Codificadores de Fármacos: Bajo un protocolo de evaluación justo (sin filtrado del conjunto de prueba), ninguna representación de fármaco mejoró la $r$ por fármaco más allá de un $\Delta \le +0.001$ negligible en comparación con una línea base solo de células. Este resultado nulo se mantuvo a través de codificaciones estructurales, funcionales y basadas en dianas, y se replicó tanto en regresión ridge como en modelos Transformer profundos.
• La Dominancia de la Distribución de Entrenamiento: Proporcionar el MoA como característica arrojó beneficios negligible. Sin embargo, alinear la distribución de entrenamiento (estratificando por MoA) produjo ganancias sustanciales. Para inhibidores de quinasas dirigidos (por ejemplo, ERK MAPK y EGFR), el entrenamiento dentro del MoA elevó la $r$ por fármaco de ~0.42 a ~0.72–0.80, superando la línea base de transferencia de vecino más cercano.
• Mecanismo de Fallo: El entrenamiento conjunto pancáncer en fármacos mecánicamente diversos obliga al modelo a aprender un mapa de respuesta promediado a través de todos los MoA. Esto suprime las señales de sensibilidad específicas de la vía (por ejemplo, respuestas estratificadas por mutación) en favor de predecir la potencia media del fármaco.
• Validación Biológica: Las ganancias de la alineación de distribución corresponden a impulsores biológicos conocidos. Por ejemplo, las líneas celulares con mutación en EGFR muestran una sensibilidad significativamente mayor a los inhibidores de EGFR (Cohen's $d \approx 0.30–0.40$), y las líneas con mutación en BRAF/KRAS muestran grandes diferencias en la sensibilidad a los inhibidores de ERK MAPK ($d > 0.8$). Estas señales se diluyen en el entrenamiento pancáncer pero se recuperan en el entrenamiento dentro del MoA.
• Emparejamiento de Respuesta: La perfilación piloto (usando $K$ observaciones de un nuevo fármaco) mejoró la $r$ por fármaco a 0.701 en $K=50$, generalizando a conjuntos de datos independientes como CTRPv2 y muestras BeatAML derivadas de pacientes, siempre que existan análogos funcionales de fármacos en el conjunto de entrenamiento.

Significado y Afirmaciones
El artículo argumenta que el estancamiento en la predicción de sensibilidad a ciegas de fármacos es distribucional, no representacional. La suposición de que mejores codificadores de fármacos elevarían el techo de rendimiento es incorrecta; el cuello de botella es la heterogeneidad de la distribución de entrenamiento, que suprime las señales específicas de la vía.

• Redefinición de la Restricción: El estudio afirma que el "entrenamiento conjunto mecánicamente heterogéneo" es la barrera principal. Reestructurar la distribución de entrenamiento (por ejemplo, entrenamiento estratificado por MoA) elimina esta supresión directamente, recuperando ganancias predictivas que ningún codificador podría lograr por sí solo.
• Integridad de la Evaluación: Los autores destacan que una parte significativa del progreso reportado en el campo es una inflación metodológica causada por filtrado de datos y selección inadecuada de puntos de control. Proponen la $r$ por fármaco, el prior de media celular y la concordancia de réplicas como herramientas robustas para distinguir avances genuinos de la optimización de métricas.
• Estrategias Implementables: El artículo ofrece dos estrategias prácticas para mejorar la predicción:
  1. Entrenamiento estratificado por mecanismo: Requiere conocer la clase del fármaco y un conjunto de entrenamiento coherente para esa clase.
  2. Emparejamiento de respuesta: Requiere solo observaciones piloto del fármaco de prueba, generalizando a datos derivados de pacientes sin necesidad de etiquetas de clase, aunque requiere análogos funcionales en el conjunto de referencia.

Los autores concluyen que, si bien estas estrategias recuperan las fuentes principales de ganancia predictiva, operan dentro de condiciones de alcance (coherencia mecánica y disponibilidad de análogos) y dependen de datos de líneas celulares que abstraen las complejidades in vivo. Se requiere una validación prospectiva en cohortes clínicas para confirmar la traducción a la respuesta del paciente.