子科生物報道：癌癥有200多種，每種癌癥都是獨特的，開發(fā)精確腫瘤治療的持續(xù)努力仍然令人望而生畏。大部分的焦點都集中在開發(fā)基因測序測定或分析，以識別癌癥驅動基因的突變，然后嘗試匹配可能對抗這些突變的治療方法。仍有許多癌癥患者無法從這些早期的靶向治療中獲益。

在2024年4月18日發(fā)表在《Nature Cancer》雜志上的一項新研究中，美國國家癌癥研究所的Sanju Sinha博士，以及美國國立衛(wèi)生研究院(NIH)的科學家們描述了一種史無前例的計算途徑，可以在單細胞分辨率下系統(tǒng)地預測患者對癌癥藥物的反應。

這種新的基于人工智能的方法被稱為基于個性化單細胞表達的腫瘤治療計劃——PERCEPTION，它更深入地研究了轉錄組學的應用——轉錄因子的研究，轉錄因子是由攜帶DNA信息并將其轉化為行動的基因表達的信使RNA分子。Sinha和他的同事利用轉化學習(transfer learning，人工智能的一個分支)來構建PERCEPTION，使用了大規(guī)模細胞系藥物篩選中可公開獲得的、匹配的批量樣本（bulk）和單細胞(sc)表達譜，其中批量樣本表達數(shù)據(jù)用來訓練人工智能，單細胞表達譜用于調整模型。這些資源有助于建立基于患者單細胞腫瘤轉錄組學的治療反應模型。在培養(yǎng)細胞和患者腫瘤源性原代細胞中，以及在多發(fā)性骨髓瘤和乳腺癌的兩項臨床試驗中，PERCEPTION成功預測了對靶向治療的反應。在每種情況下，PERCEPTION都正確地將患者分為應答者和無應答者兩類。在接受酪氨酸激酶抑制劑治療的肺癌患者中，隨著疾病的發(fā)展，它甚至還捕捉到了耐藥性的發(fā)展，這是一個具有巨大潛力的重大發(fā)現(xiàn)。在所有臨床隊列中，PERCEPTION優(yōu)于已發(fā)表的最先進的基于單細胞和基于批量的預測指標。這項工作利用腫瘤的單細胞表達譜進行患者分層，將鼓勵在臨床環(huán)境中采用單細胞組學分析，增強基于單細胞組學的精確腫瘤學工具。PERCEPTION可訪問https://github.com/ruppinlab/PERCEPTION。

“腫瘤是一種復雜而不斷進化的野獸。使用單細胞分辨率可以讓我們解決這兩個挑戰(zhàn)，”Sinha說?！癙ERCEPTION允許使用單細胞組學中的豐富信息來了解腫瘤的克隆結構并監(jiān)測耐藥性的出現(xiàn)。(在生物學中，組學指的是細胞內(nèi)成分的總和。) “對我來說，監(jiān)測耐藥性出現(xiàn)的能力是最令人興奮的部分。它有可能讓我們適應癌細胞的進化，甚至修改我們的治療策略?！薄皝碜栽\所的有限單細胞數(shù)據(jù)是我們最大的挑戰(zhàn)。人工智能模型需要大量數(shù)據(jù)來了解疾病，就像ChatGPT需要從互聯(lián)網(wǎng)上抓取大量文本數(shù)據(jù)一樣?！?/p>

Sinha表示，PERCEPTION還沒有為臨床做好準備，但是這種方法表明，單細胞信息可以用來指導治療。他希望鼓勵在診所采用這項技術，以產(chǎn)生更多的數(shù)據(jù)，這些數(shù)據(jù)可用于進一步開發(fā)和完善臨床使用的技術?！邦A測的質量隨著作為其基礎的數(shù)據(jù)的質量和數(shù)量的提高而提高，”“我們的目標是創(chuàng)建一種臨床工具，能夠以系統(tǒng)的、數(shù)據(jù)驅動的方式預測個體癌癥患者的治療反應。我們希望這些發(fā)現(xiàn)能激發(fā)更多的數(shù)據(jù)和更多這樣的研究，越早越好?！?/p>