肿瘤必需基因是指在肿瘤细胞中生长和生存所必需的基因，是肿瘤治疗的理想药物靶点。在肿瘤细胞系中，全基因组表型筛选技术已经用于鉴定肿瘤必需基因，并用于药物靶标鉴定。然而这些实验方法既耗时又昂贵。在本项研究中，我们利用测序数据来预测肿瘤必需基因。我们使用DNA突变、甲基化和基因表达数据作为输入，RNAi表型实验结果作为输出，以470个肿瘤细胞系作为样本进行机器学习，共获得了177个AUC>=0.8的基因模型。将这些模型应用于549个没有RNAi筛选结果的肿瘤细胞系，并使用其中42个细胞系的公共CRISPR-Cas9筛选数据验证必需基因的预测结果。结果显示，我们的总体准确率为64.69%(阈值为0.8)。更重要的是，利用模型预测结果中排名前十的基因，我们可以为四分之三的细胞系提供超过3个有效靶标，为一半的细胞系提供超过5个靶标。尽管这177个基因中的大多数都未被注释为与癌症相关，但它们的相互作用基因却与多种疾病和肿瘤相关，提示它们可能是新的癌症调节因子。此外，通过分析177个模型我们发现，基因表达水平与肿瘤必需基因的必需性存在显著关系：肿瘤必需基因多为高表达基因，而且其在肿瘤组织中的表达普遍高于相应的正常组织，因此，这些基因是安全的治疗靶点，而且猜测部分基因可以作为肿瘤发生的预测靶点。