Nature新闻|AI模型可预测乳腺癌最优用药方案

三阴性乳腺癌细胞缺乏雌激素、孕激素受体，以及一种调控细胞生长的蛋白，因此激素疗法与靶向疗法均无法作用于肿瘤细胞，导致该病治疗难度较高。

在利用三阴性乳腺癌患者活检样本开展的实验中，这款虚拟细胞模型表现亮眼，准确识别出了对患者实际有效的药物。研究作者表示，这为三阴性乳腺癌的个体化治疗带来了可能。三阴性乳腺癌占所有乳腺癌病例的15%~20%。

“这是虚拟细胞模型首次走出实验室，在临床场景中接受验证。”该研究共同作者、中国杭州西湖大学蛋白质组学专家郭天南表示。他补充道，这款AI模型在三阴性乳腺癌药物研发中具备“非常明确的聚焦目标”，而非对细胞行为进行全面模拟。

研究人员开发基于计算机的细胞生命模拟系统已有一段时间。但此前大多数方法都是通过单细胞测序数据训练深度神经网络，往往只能捕捉静态的细胞状态。

在这项研究中，郭教授及其团队旨在利用蛋白质组学数据，构建乳腺癌细胞的虚拟细胞模型。他们用来自18种乳腺癌细胞系（其中16种为三阴性乳腺癌细胞）的超3800万组蛋白质检测数据训练AI模型，并用63种美国食品药品监督管理局（FDA）获批的抗肿瘤药物及59种药物组合处理细胞。

为构建模型训练数据集，研究团队检测了肿瘤细胞在给药前，以及药物治疗6小时、24小时、48小时后，5585个蛋白组的表达水平。

加州帕洛阿尔托Arc研究所的系统生物学家Hani Goodarzi表示，用于训练模型的蛋白质组数据规模独一无二，这种新方法为虚拟细胞模型研究提供了“前所未有的技术路径”。

Goodarzi提到，多时间点的数据采集对于捕捉细胞的动态变化同样至关重要。“如果没有时间序列数据，你得到的只是大量静态快照。”他解释道。

基于这些蛋白质检测数据，AI模型学会了预测药物对三阴性乳腺癌细胞的作用，并识别出与耐药性相关的蛋白。对于训练集未包含的81种药物，该工具对细胞应答的预测准确率达到88%。

研究人员对501名三阴性乳腺癌患者化疗前的肿瘤活检样本中3651种蛋白进行分析，发现模型能准确预测患者接受治疗后的临床结局。

为在临床相关场景中验证模型，郭天南教授团队用它筛选了3000种已获批或处于临床试验阶段的化合物，基于3名三阴性乳腺癌患者治疗前采集、并在实验室中保存存活的细胞样本，预测最具潜力的药物组合。

模型准确选出了这3名患者实际使用且被证实有效的治疗药物。同时，基于三阴性乳腺癌细胞样本的药物疗效实验，模型还推荐了3种疗效优于患者所接受标准疗法的化合物。

郭天南教授强调，这款工具目前仍处于原型阶段，团队需要开展“前瞻性临床试验，验证这类推荐方案是否有效”。研究团队还将探索优化工具的方法，例如用本研究未纳入的抗肿瘤免疫疗法数据训练模型。

Goodarzi补充道，当前模型似乎未体现蛋白质之间的相互作用，未来的研究可关注这一点，并测试不同药物剂量的效果。

他表示，最终这些研究成果将助力研究人员开发结合蛋白表达与基因表达的联合建模方法。