前沿分享 | 基于单细胞转录组学数据采用AI工具预测肿瘤治疗反应和耐药性

2024-10-21

引言

近期，Sanju Sinha等人在 Nature Cancer上发表了题为“PERCEPTION predicts patient response and resistance to treatment using single-cell transcriptomics of their tumors”的文章。研究团队探索了一种名为“PERCEPTION”（基于单细胞表达的个性化肿瘤治疗规划）的AI工具。该工具通过分析患者肿瘤的单细胞转录组学数据，能够预测治疗反应和耐药性发展，进而帮助优化治疗方案。通过肿瘤内每个细胞的精细数据，模型能够预测患者对治疗的反应以及可能的耐药机制。研究分析了5000多个样本，涵盖多种肿瘤类型，尤其是在免疫疗法和靶向治疗中的应用，展示了个性化癌症治疗的全新路径。

研究背景

尽管近年来基于基因突变和全基因组测序的个性化治疗取得了进展，传统的肿瘤分析方法通常基于体细胞数据，而肿瘤内的异质性（多个不同的肿瘤克隆共存）常常导致治疗耐药性的发展。单细胞转录组学的出现为解决这一问题提供了新的方法，能够更加精准地预测不同肿瘤细胞对药物的反应，并提前识别出可能导致耐药的细胞亚群。

研究对象和数据特征

文章的核心研究对象是癌症患者的单细胞RNA测序数据，数据包括多发性骨髓瘤、乳腺癌和肺癌患者的临床样本。除此之外，还包含来自不同细胞系的大规模药物筛选数据。研究通过三步建模方法，建立了一个能够精准预测患者治疗反应的模型。

研究方法

研究首先基于现有的体细胞表达数据构建药物反应模型，然后通过使用单细胞表达数据进行优化。模型的构建分为三步： 1.体细胞模型构建：基于癌症细胞系的大规模药物筛选数据，构建线性模型预测药物反应。 2.单细胞模型优化：利用单细胞数据对体细胞模型进行调优，确定最佳的基因数目，从而提高模型的预测性能。 3.患者临床反应预测：基于患者肿瘤中的主要细胞群体的表达特征，预测各个细胞群体对药物的反应，并最终预测整个患者的临床治疗效果。研究验证了多发性骨髓瘤、乳腺癌和肺癌三大临床队列，显示该模型显著优于现有的体细胞和单细胞预测方法（ 见图1）：

图1 PERCEPTION模型概述

研究结果与讨论

PERCEPTION模型在多个癌症临床队列中表现出色，成功预测了多发性骨髓瘤和乳腺癌患者对药物组合治疗的反应，并捕捉了肺癌患者在靶向治疗过程中耐药性的发生。研究表明，最具耐药性的克隆通常主导了整体的治疗效果，进一步支持了肿瘤内异质性对耐药性发展的作用。与现有方法相比，PERCEPTION在所有临床队列中的预测准确度更高。

1）研究展示了针对FDA批准的肿瘤药物的预测模型表现（ 见图2a ），以及对化疗和靶向疗法进行了比较（ 见图2b ），显示出单细胞模型在靶向疗法中的效果更佳。

图2 药物预测模型的性能对比

2）研究展示了患者的肿瘤克隆群体组成和每个克隆对治疗组合的反应情况（ 见图3 ）。表明最具耐药性的克隆决定了患者的整体治疗反应。

图 3 多发性骨髓瘤患者的克隆群体治疗反应

研究结论

PERCEPTION通过结合大规模体细胞和单细胞数据，提供了一种创新的、数据驱动的方式来预测癌症患者的治疗反应。这项研究展示了单细胞转录组学在临床应用中的巨大潜力，或将为个性化肿瘤治疗开辟新的路径。

研究亮点

PERCEPTION模型展示了单细胞转录组学在精确肿瘤治疗中的潜力。通过识别肿瘤中最具耐药性的细胞群体，PERCEPTION能够有效预测治疗反应，并为治疗策略的个性化设计提供依据。这一系统不仅在临床队列中表现出色，且为未来的精准医疗提供了可操作的框架。未来，通过更多临床数据的验证，PERCEPTION有望在个性化癌症治疗中发挥重要作用。

文献来源：

Sinha, S., Vegesna, R., Mukherjee, S., Kammula, A. V., Dhruba, S. R., Wu, W., Kerr, D. L., Nair, N. U., Jones, M. G., Yosef, N., Stroganov, O. V., Grishagin, I., Aldape, K. D., Blakely, C. M., Jiang, P., Thomas, C. J., Benes, C. H., Bivona, T. G., Schäffer, A. A., & Ruppin, E. (2024). PERCEPTION predicts patient response and resistance to treatment using single-cell transcriptomics of their tumors. Nature cancer, 5(6), 938–952. https://doi.org/10.1038/s43018-024-00756-7.

原文链接：

https://www.nature.com/articles/s43018-024-00756-7

分享者简介

符声宏

重庆大学智能肿瘤学教育部医药基础研究创新中心2024级基础医学硕士

编辑|曾海蓉李劲

版权声明：本文为“乐问号”作者或机构在乐问医学上传并发布，仅代表该作者或机构观点，不代表乐问医学的观点或立场，不能作为个体诊疗依据，如有不适，请结合自身情况寻求医生的针对性治疗。
链接：http://www.lewenyixue.com/2024/10/21/%E5%89%8D%E6%B2%BF%E5%88%86%E4%BA%AB%20%7C%20%E5%9F%BA%E4%BA%8E%E5%8D%95%E7%BB%86%E8%83%9E%E8%BD%AC%E5%BD%95%E7%BB%84%E5%AD%A6%E6%95%B0%E6%8D%AE%E9%87%87%E7%94%A8/

THE END

前沿分享 | 警惕AI生成的医学虚假信息

<<上一篇

Nat Rev | 靶向周围神经调控的癌症治疗

下一篇>>