腫瘤藥物研發(fā)是人工智能（Artificial intelligence，AI）的重要應(yīng)用場(chǎng)景。靶點(diǎn)識(shí)別是腫瘤藥物研發(fā)的關(guān)鍵抓手。近年來，在腫瘤多組學(xué)大數(shù)據(jù)的驅(qū)動(dòng)下，人工智能逐漸成為腫瘤靶點(diǎn)研究中必不可少的研究手段。早期的腫瘤靶點(diǎn)研究模式較為簡(jiǎn)單，以檢測(cè)腫瘤高突變率基因?yàn)橹?。目前已?jīng)獲批進(jìn)入臨床的腫瘤靶向藥大部分就是靶向這些高突變率的基因編碼的致癌蛋白“］。然而經(jīng)過臨床的長(zhǎng)時(shí)間測(cè)試，人們發(fā)現(xiàn)，這樣的靶向方案能覆蓋的腫瘤患者群體過于有限，即使是能滿足靶向治療條件的患者，也很容易出現(xiàn)耐藥甚至轉(zhuǎn)移復(fù)發(fā)的情況［2］。近年來，生物分子測(cè)量技術(shù)的不斷突破，使得人們能夠從不同分子層面建立全面的腫瘤異常模型，為腫瘤靶點(diǎn)研究創(chuàng)造了新的契機(jī)。腫瘤靶點(diǎn)的研究從傳統(tǒng)的關(guān)注高突變基因的單一思路，逐漸發(fā)展為多層面、多角度的研究思路［3］。隨著技術(shù)的普及和成本的下降，無論是反映腫瘤病人個(gè)體間差異的批量組學(xué)數(shù)據(jù)，還是反映腫瘤細(xì)胞間差異的單細(xì)胞組學(xué)數(shù)據(jù)都在快速產(chǎn)生和累積。爆發(fā)式增長(zhǎng)的腫瘤組學(xué)大數(shù)據(jù)，為人工智能在腫瘤研究上的應(yīng)用提供了數(shù)據(jù)基礎(chǔ)。同時(shí)，組學(xué)數(shù)據(jù)具有維度高、噪聲大、數(shù)據(jù)類型多樣等特點(diǎn)，分析難度較大，也確實(shí)需要量身定制的分析方法來進(jìn)行去噪和模式抽提。

　　人工智能為基于組學(xué)數(shù)據(jù)的腫瘤靶點(diǎn)識(shí)別提供了強(qiáng)大的計(jì)算工具。人工智能，更具體地說是機(jī)器學(xué)習(xí)（Machine learning，ML）分支，可以處理大規(guī)模異構(gòu)數(shù)據(jù)集，并識(shí)別出數(shù)據(jù)中的潛藏模式。而隨著技術(shù)的普及和成本的下降，腫瘤樣本的批量組學(xué)和單細(xì)胞組學(xué)數(shù)據(jù)都在快速產(chǎn)生和累積，為人工智能在腫瘤研究上的應(yīng)用提供了重要的數(shù)據(jù)基礎(chǔ)。此外，組學(xué)數(shù)據(jù)具有維度高、噪聲大、數(shù)據(jù)類型多樣等特點(diǎn)，分析難度較大，需要量身定制的分析方法來進(jìn)行去噪和模式抽提。目前，決策樹、支持向量機(jī)等眾多人工智能模型均已廣泛應(yīng)用到了組學(xué)數(shù)據(jù)建模和腫瘤靶點(diǎn)識(shí)別中。