MARSY (Multitask drug pAiR SynergY) est un modèle multitâche fondé sur l'apprentissage profond conçu pour prédire les scores de synergie des combinaisons médicamenteuses en oncologie. Il intègre les profils d'expression génique des lignées cellulaires cancéreuses ainsi que les signatures d'expression différentielle induites par chaque médicament. MARSY vise à pallier la rareté des données dans les grandes banques de criblage de médicaments en imputant précisément les valeurs manquantes. Le modèle utilise deux encodeurs pour saisir l'interaction entre les paires de médicaments, ainsi qu'entre les paires de médicaments et les lignées cellulaires, apprenant des représentations latentes qui améliorent les performances de prédiction par rapport aux modèles d'apprentissage automatique traditionnels et de pointe. Il a servi à prédire les scores de synergie pour plus de 133 000 nouvelles combinaisons de paires de médicaments et de lignées cellulaires, ouvrant des perspectives pour la médecine de précision et le développement de médicaments.