由于癌症有 200 多种类型，而且每种癌症都是独一无二的，因此开发精准肿瘤治疗的持续努力仍然令人畏惧。 大多数关注点都中心化在开发基因测序测定或分析来识别癌症驱动基因的突变，然后尝试匹配可能对抗这些突变的治疗方法。
但许多（如果不是大多数）癌症患者并没有从这些早期靶向治疗中受益。 在 2024 年 4 月 18 日发表在《自然癌症》杂志上的一项新研究中，第一作者、桑福德伯纳姆普雷比学院癌症分子治疗项目助理教授 Sanju Sinha 博士与资深作者 Eytan Ruppin 医学博士、哲学博士共同发表在《Nature Cancer》杂志上。美国国立卫生研究院 (NIH) 下属的国家癌症研究所的 D. 博士和 Alejandro Schaffer 博士及其同事描述了一种史无前例的计算管道，用于系统地预测患者的反应在单细胞分辨率下研究抗癌药物。
这种基于人工智能的新方法被称为“基于个性化单细胞表达的肿瘤治疗规划”或“PERCEPTION”，它更深入地研究了转录组学的实用性——转录因子的研究，转录因子是由携带和转化的基因表达的信使RNA分子。 DNA 信息转化为行动。
“肿瘤是一种复杂且不断进化的野兽。使用单细胞分辨率可以让我们应对这两个挑战，”辛哈说。 “PERCEPTION 允许使用单细胞组学中的丰富信息来了解肿瘤的克隆结构并监测耐药性的出现。” （在生物学中，组学是指细胞内成分的总和。）
Sinha 说：“监测耐药性出现的能力对我来说是最令人兴奋的部分。它有可能让我们适应癌细胞的进化，甚至修改我们的治疗策略。”
Sinha 和同事使用迁移学习（人工智能的一个分支）来构建感知。
“来自诊所的有限单细胞数据是我们最大的挑战。人工智能模型需要大量数据来了解疾病，这与 ChatGPT 需要从互联网上抓取的大量文本数据不同。”
PERCEPTION 使用已发表的肿瘤大量基因表达来预训练其模型。 然后，来自细胞系和患者的单细胞数据（尽管有限）被用来调整模型。
通过在最近发表的三项独立的多发性骨髓瘤、乳腺癌和肺癌临床试验中预测单一疗法和联合治疗的反应，PERCEPTION 得到了成功验证。
在每种情况下，PERCEPTION 都正确地将患者分为有反应者和无反应者类别。 在肺癌中，它甚至捕获了随着疾病进展而产生的耐药性，这是一个具有巨大潜力的显着发现。
Sinha 表示，PERCEPTION 尚未准备好用于临床，但该方法表明单细胞信息可用于指导治疗。 他希望鼓励在临床中采用这项技术，以产生更多的数据，这些数据可用于进一步开发和完善临床使用的技术。
“预测的质量随着作为基础的数据的质量和数量而提高，”辛哈说。 “我们的目标是创建一种临床工具，能够以系统的、数据驱动的方式预测个体癌症患者的治疗反应。我们希望这些发现能够尽快激发更多数据和更多此类研究。”
该研究的其他作者包括国家癌症研究所 (NCI) 的 Rahulsimham Vegesna、Sumit Mukherjee、Ashwin V. Kammula、Saugato Rahman Dhruba、Nishanth Ulhas Nair、Peng Jiang、Alejandro Schäffer、Kenneth D. Aldape 和 Eytan Ruppin； Wei Wu、Lucas Kerr、Collin M. Blakely 和 Trever G. Biovona，加州大学旧金山分校； Mathew G. Jones 和 Nir Yosef，加州大学伯克利分校； Oleg Stroganov 和 Ivan Grishagin，兰乔生物科学公司； Craig J. Thomas，美国国立卫生研究院； 和西里尔·H·贝尼斯 (Cyril H. Benes)，哈佛大学。
这项研究得到了 NIH 校内研究计划的部分支持； 国家癌症研究所； NIH 授予 R01CA231300、R01CA204302、R01CA211052、R01CA169338 和 U54CA224081。
资讯来源：由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有，未经许可，不得转载
