2024-04-23 来源: drugdu 148
目前将癌症患者与特定治疗相匹配的策略通常依赖于肿瘤DNA和RNA的批量测序,这提供了肿瘤样本中所有细胞的平均图谱。然而,肿瘤是异质性的,包含多个细胞亚群或克隆,每个亚群对治疗的反应可能不同。这种变异性可以解释为什么一些患者对某些治疗没有反应或产生耐药性。单细胞RNA测序提供了比批量测序更高的分辨率数据,在单细胞水平上捕获数据。这种识别和靶向单个克隆的方法可能会导致更持久的药物反应,尽管单细胞基因表达数据的生成成本更高,在临床环境中也不太容易获得。
在一项概念验证研究中,美国国立卫生研究院(NIH,Bethesda,MD,US)的研究人员开发了一种人工智能(AI)工具,该工具利用单个肿瘤细胞的数据来预测一个人的癌症对特定药物的反应。这项研究证明了单细胞RNA测序在帮助肿瘤学家为患者匹配有效疗法方面的潜力。在这项新的研究中,该团队使用一种名为迁移学习的机器学习技术,使用常见的批量RNA测序数据训练人工智能模型,然后使用单细胞RNA测序数据对模型进行微调。该方法应用于综合药物反应试验的现有细胞系数据,产生了44种经FDA批准的癌症药物的AI模型,可以预测对个体和药物组合的细胞反应。
进一步的测试涉及41名用四种药物治疗的多发性骨髓瘤患者和33名用两种药物治疗过的癌症患者的数据。研究结果表明,任何单细胞克隆的耐药性都可能使治疗无效,即使其他克隆有反应。该模型还成功预测了24名接受靶向治疗的癌症非小细胞肺癌患者的耐药性发展。研究人员指出,随着单细胞RNA测序的普及,这种方法的准确性可以提高。为了便于更广泛的使用,研究人员创建了一个研究网站和一个指南,名为“基于个性化单细胞表达的肿瘤治疗规划”(PERCEPTION),用于将人工智能模型应用于新的数据集。
来源:
https://www.labmedica.com/immunology/articles/294800933/ai-tool-precisely-matches-cancer-drugs-to-patients-using-information-from-each-tumor-cell.html