肿瘤深处：AI破解五种隐藏细胞亚型，阻止癌症复发

一款名为AAnet的人工智能工具的开发与应用研究成果今日发表于美国癌症研究协会期刊《癌细胞发现》（Cancer Discovery）。

肿瘤细胞并非同质

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，即异质性，使得癌症治疗更为困难，并可能导致更差的治疗效果，尤其在三阴性乳腺癌中。

"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。这意味着我们采用单一疗法，通过靶向特定机制杀死肿瘤中的大多数细胞。但并非所有癌细胞都遵循相同的机制。结果是，患者可能获得初期治疗反应，但残留细胞会继续增殖并导致癌症复发，"该研究的共同资深作者、加文医学研究所癌症可塑性与休眠项目联合主任克里斯汀·查弗副教授表示。

尽管异质性是问题关键，研究人员对其认识仍显不足："迄今为止，研究者尚未能明确解释肿瘤中相邻细胞的差异机制，以及如何将这些差异转化为有效分类以优化治疗。而这正是我们需要掌握的核心信息，以便通过精准疗法彻底清除肿瘤中的所有细胞，"查弗副教授补充道。

新型工具界定五类癌细胞群

为解决这一难题，研究团队开发并训练了名为AAnet的强大新型人工智能工具，该工具可检测肿瘤细胞内的生物学模式。

研究人员运用该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及ER阳性、HER2阳性和三阴性乳腺癌的人类样本。通过此方法，他们在单个肿瘤内鉴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显著差异。

"借助AI工具，我们持续在单个肿瘤中发现五个被称为'原型细胞群'的新型细胞类别。每个群体均展现出不同的生物学通路特征，并具有独特的生长、转移倾向及不良预后标志物。下一步我们将探究这些群体随时间的动态变化，例如化疗前后的演变规律，"查弗副教授解释道。

此项研究开创了癌症研究领域的先河。共同负责人、耶鲁大学副教授斯密塔·克里希纳斯瓦米主导了AI工具的开发，她强调："技术进步的推动下，过去二十年单细胞层面数据呈现爆发式增长。通过分析这些数据，我们不仅发现每位患者的癌症存在差异，更观察到癌细胞个体间的行为异质性。本研究首次利用单细胞数据将连续细胞状态简化为若干关键原型，借此分析肿瘤多样性，揭示其与空间肿瘤生长及代谢特征的实质性关联。这或将彻底改变现有诊疗模式。"

新型分类法推动精准靶向治疗

研究人员指出，运用AAnet根据生物学特性对肿瘤内不同细胞群体进行表征，为癌症治疗范式的革新开启了大门。

"当前患者癌症治疗方案的选择主要基于癌症起源器官（如乳腺、肺或前列腺）及可能存在的分子标志物。但这默认癌细胞具有同质性。如今我们拥有了表征患者肿瘤异质性的工具，能在生物学层面真正解析每个细胞群体的行为机制。借助AAnet，我们有望优化联合疗法的合理化设计，通过生物学通路精准靶向各个细胞群体。这或将显著提升患者预后效果，"查弗副教授阐释道。

关于AAnet的应用前景，该研究共同资深作者、加文研究所首席科学官莎拉·库默菲尔德教授表示："我们展望未来医生能将此AI分析与传统癌症诊断相结合，制定针对患者独特肿瘤内所有细胞类型的个性化治疗方案。这些成果代表了前沿技术与生物学的深度融合，将切实改善患者诊疗体验。本研究虽聚焦乳腺癌，但该技术可扩展至其他癌症及自身免疫性疾病领域——技术条件已然成熟。"

本研究获得以下来源资助：

澳大利亚：NELUNE基金会、Tour de Cure基金会、雅诗兰黛集团、金霍恩基金会、帕拉莫尔家族基金会、新南威尔士大学Scientia研究奖学金、拉马乔蒂生物医学研究奖、ARC发展项目基金、NHMRC创新基金及研究者基金。

美国：格鲁伯基金会科学奖学金、麻省理工学院和哈佛大学博德研究所Eric and Wendy Schmidt中心、美国国家科学基金会、耶鲁癌症中心试点基金、斯隆研究奖学金。

克里斯汀·查弗现任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与休眠项目主任及实验室负责人。

斯密塔·克里希纳斯瓦米现任耶鲁医学院遗传学与计算机科学系副教授。

莎拉·库默菲尔德现任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。