肿瘤深处：AI揭示五种隐藏细胞类型以阻止癌症复发

关于名为AAnet的人工智能工具开发和应用的发现，今日发表于美国癌症研究协会期刊《癌症发现》(Cancer Discovery)。

肿瘤细胞并非完全相同

肿瘤并非由单一细胞类型构成——它们是不同细胞的混合体，这些细胞以不同方式生长并对治疗产生不同反应。这种多样性（或称异质性）使癌症更难治疗，并可能导致更差的预后，特别是在三阴性乳腺癌中。

"异质性是个难题，因为目前我们将肿瘤视为由相同细胞组成。这意味着我们通过靶向特定机制给予一种疗法杀死肿瘤中的大多数细胞。但并非所有癌细胞都共享该机制。结果，尽管患者可能有初始反应，但残留细胞可能继续生长，癌症可能复发，"该研究的共同资深作者、加文医学研究所癌症可塑性和休眠计划联合主任Christine Chaffer副教授解释道。

但尽管异质性问题存在，研究人员对其特征了解不足："迄今为止，研究人员尚无法清晰解释肿瘤中相邻细胞如何彼此不同，以及如何将这些差异归类为有意义的类别以更好治疗肿瘤。而这正是我们需要了解的关键，以便通过正确疗法杀死肿瘤内的所有细胞，"Chaffer副教授补充道。

新工具识别五种新型癌细胞群体

为解决此问题，团队开发并训练了名为AAnet的强大新型AI工具，它能检测肿瘤细胞内的生物学模式。

他们随后运用该AI工具揭示肿瘤内单个细胞基因表达水平的模式，重点关注三阴性乳腺癌的临床前模型以及ER阳性、HER2阳性和三阴性乳腺癌的人体样本。通过此方法，他们在单个肿瘤内识别出五种不同的癌细胞群体，其独特的基因表达谱揭示了细胞行为的巨大差异。

"通过AI工具，我们始终能在单个肿瘤内发现五种称为'原型'（archetypes）的新型细胞类群。每个群体展现出不同的生物学通路、生长倾向、转移能力和不良预后标志物。我们的下一步是观察这些群体如何随时间变化，例如化疗前后，"Chaffer副教授表示。

这在癌症研究中尚属首次。共同领导者、耶鲁大学Smita Krishnaswamy副教授（领导了AI工具开发）指出："得益于技术进步，过去20年单细胞水平数据呈爆炸式增长。通过这些数据我们不断发现，不仅每位患者的癌症不同，每个癌细胞的行为也各异。我们的研究首次利用单细胞数据将细胞状态的连续谱简化为少数有意义的原型，从而分析多样性以发现其与肿瘤空间生长和代谢组学特征的重要关联。这可能是游戏规则的改变者。"

新型分类法推动更佳靶向治疗

研究人员表示，运用AAnet根据生物学特征对肿瘤中不同细胞群体进行分类，为癌症治疗范式的转变打开了大门。

"目前患者癌症治疗方案的选择主要基于癌症来源的器官（如乳腺、肺或前列腺）及其可能表现出的分子标志物。但这假设了该癌症中的所有细胞都相同。如今我们拥有工具来表征患者肿瘤的异质性，并在生物学层面真正理解每个细胞群体的作用。借助AAnet，我们期望改进联合疗法的合理设计，通过生物学通路靶向所有不同群体。这有望显著改善患者预后，"Chaffer副教授说。

关于AAnet的应用，该研究共同资深作者、加文医学研究所首席科学官Sarah Kummerfeld教授表示："我们展望未来，医生将此AI分析与传统癌症诊断相结合，开发针对患者独特肿瘤内所有细胞类型的个性化治疗方案。这些成果代表了尖端技术与生物学的真正融合，可提升患者护理水平。我们的研究聚焦乳腺癌，但它可应用于其他癌症以及自身免疫性疾病等领域。技术条件已经具备。"

本研究获得以下来源资助。

澳大利亚：NELUNE基金会、Tour de Cure、雅诗兰黛、The Kinghorn基金会、The Paramor家族基金会、新南威尔士大学Scientia研究奖学金、Ramaciotti生物医学研究奖、ARC发展项目基金以及NHMRC创意基金和研究者基金。

美国：Gruber基金会科学奖学金、麻省理工学院和哈佛大学Broad研究所Eric and Wendy Schmidt中心、国家科学基金会、耶鲁癌症中心试点基金以及Sloan奖学金。

Christine Chaffer是悉尼新南威尔士大学医学与健康学院圣文森特临床学院联合副教授、加文医学研究所癌症可塑性和休眠计划主任兼实验室负责人。

Smita Krishnaswamy是耶鲁大学医学院遗传学与计算机科学副教授。

Sarah Kummerfeld是悉尼新南威尔士大学医学与健康学院圣文森特临床学院联合教授、加文医学研究所首席科学官。