腫瘤藥物研發是人工智能（Artificial intelligence，AI）的重要應用場景。靶點識別是腫瘤藥物研發的關鍵抓手。近年來，在腫瘤多組學大數據的驅動下，人工智能逐漸成為腫瘤靶點研究中必不可少的研究手段。早期的腫瘤靶點研究模式較為簡單，以檢測腫瘤高突變率基因為主。目前已經獲批進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“］。然而經過臨床的長時間測試，人們發現，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，也很容易出現耐藥甚至轉移復發的情況［2］。近年來，生物分子測量技術的不斷突破，使得人們能夠從不同分子層面建立全面的腫瘤異常模型，為腫瘤靶點研究創造了新的契機。腫瘤靶點的研究從傳統的關注高突變基因的單一思路，逐漸發展為多層面、多角度的研究思路［3］。隨著技術的普及和成本的下降，無論是反映腫瘤病人個體間差異的批量組學數據，還是反映腫瘤細胞間差異的單細胞組學數據都在快速產生和累積。爆發式增長的腫瘤組學大數據，為人工智能在腫瘤研究上的應用提供了數據基礎。同時，組學數據具有維度高、噪聲大、數據類型多樣等特點，分析難度較大，也確實需要量身定制的分析方法來進行去噪和模式抽提。

　　人工智能為基于組學數據的腫瘤靶點識別提供了強大的計算工具。人工智能，更具體地說是機器學習（Machine learning，ML）分支，可以處理大規模異構數據集，并識別出數據中的潛藏模式。而隨著技術的普及和成本的下降，腫瘤樣本的批量組學和單細胞組學數據都在快速產生和累積，為人工智能在腫瘤研究上的應用提供了重要的數據基礎。此外，組學數據具有維度高、噪聲大、數據類型多樣等特點，分析難度較大，需要量身定制的分析方法來進行去噪和模式抽提。目前，決策樹、支持向量機等眾多人工智能模型均已廣泛應用到了組學數據建模和腫瘤靶點識別中。