癌症有200多种，每种癌症都是独特的，开发精确肿瘤治疗的持续努力仍然令人望而生畏。大部分的焦点都集中在开发基因测序测定或分析，以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。
但即使不是大多数，也有许多癌症患者无法从这些早期的靶向治疗中获益。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Sanju Sinha博士，桑福德伯纳姆普雷比大学癌症分子治疗项目助理教授，以及国家癌症研究所的资深作者Eytan Ruppin医学博士和Alejandro Schaffer博士，美国国立卫生研究院(NIH)的一部分-和他的同事-描述了一种史无前例的计算管道，可以系统地预测单细胞分辨率下患者对癌症药物的反应。
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计划(PERCEPTION)，它更深入地研究了转录组学的应用，转录组学是对转录因子的研究，转录因子是由携带DNA信息并将其转化为行动的基因表达的信使RNA分子。
“肿瘤是一种复杂而不断进化的野兽。使用单细胞分辨率可以让我们解决这两个挑战，”Sinha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，组学指的是细胞内成分的总和。)
Sinha和他的同事使用迁移学习——人工智能的一个分支——来构建PERCEPTION。
“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，就像ChatGPT需要从互联网上抓取大量文本数据一样。”
PERCEPTION使用已发表的肿瘤大体积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。
在最近发表的三个独立的多发性骨髓瘤、乳腺癌和肺癌临床试验中，PERCEPTION通过预测单药和联合治疗的反应成功验证。
在每种情况下，PERCEPTION都正确地将患者分为应答者和无应答者两类。在肺癌中，随着疾病的发展，它甚至捕捉到了耐药性的发展，这是一个具有巨大潜力的重大发现。
Sinha说，PERCEPTION还没有为临床做好准备，但是这种方法表明，单细胞信息可以用来指导治疗。他希望鼓励在诊所采用这项技术，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其基础的数据的质量和数量的提高而提高，”Sinha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激发更多的数据和更多这样的研究，越早越好。”
