肿瘤内部：人工智能解码五种隐藏细胞种类，阻断癌症卷土重来 （译文严格遵循技术规范： 1. 保留核心医学术语准确性："tumor"译为"肿瘤"，"c

关于名为AAnet的人工智能工具开发与应用的研究成果，今日发表于美国癌症研究协会期刊《癌症发现》。

并非所有肿瘤细胞都相同

肿瘤并非由单一细胞类型构成——它们是由以不同方式生长并对治疗产生不同反应的各种细胞混合而成。这种多样性（或称异质性）使得癌症更难治疗，并可能导致更差的临床结局，尤其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。这意味着我们采用针对特定机制的一种疗法来杀死肿瘤中的大部分细胞。但并非所有癌细胞都共享该机制。结果就是，尽管患者可能有初步的治疗反应，但残留细胞仍会生长并导致癌症复发，"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Christine Chaffer副教授解释道。

但尽管异质性是个问题，研究人员对其特征了解不足："迄今为止，研究人员尚未能明确解释肿瘤中相邻细胞如何彼此不同，以及如何将这些差异分类为有意义的类型以更好地治疗肿瘤。而这正是我们需要了解的，以便能用正确的疗法消灭该肿瘤中的所有细胞，"Chaffer副教授补充道。

新工具鉴定出五种新型癌细胞群

为解决此问题，该团队开发并训练了名为AAnet的新型强大AI工具，能够检测肿瘤细胞内的生物学模式。

研究团队运用该AI工具揭示了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类样本。通过此方法，他们在单个肿瘤内鉴定出五种不同的癌细胞群，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中发现五种被称为'原型'的新型细胞群。每个群体展现出不同的生物学通路、生长倾向、转移能力及不良预后标志物。我们的下一步将探究这些群体随时间的变化规律，例如在化疗前后的演变过程，"Chaffer副教授表示。

这在癌症研究中尚属首次。共同主导该研究的耶鲁大学Smita Krishnaswamy副教授（负责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存在差异，每个癌细胞的行为也各不相同。我们的研究首次通过单细胞数据将连续的细胞状态简化为少量有意义的原型，从而分析多样性以发现其与肿瘤空间生长及代谢组学特征的重要关联。这可能是颠覆性的突破。"

新分类体系推动更精准的靶向治疗

研究人员表示，利用AAnet根据生物学特征对肿瘤中不同细胞群进行分类，为癌症治疗范式的转变开辟了新路径。

"目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）及其可能表现出的分子标志物。但这默认了该癌症中的所有细胞都是相同的。现在我们拥有了能表征患者肿瘤异质性的工具，真正理解每个细胞群在生物学层面的行为。借助AAnet，我们有望改进联合疗法的合理设计，通过生物学通路精准靶向肿瘤中每个不同的细胞群。这将极大提升患者的治疗效果，"Chaffer副教授强调。

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Sarah Kummerfeld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，开发出更个性化的治疗方案，靶向患者独特肿瘤内的所有细胞类型。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。虽然本研究聚焦乳腺癌，但其同样适用于其他癌症及自身免疫性疾病等领域。技术条件已然成熟。"

本研究获得以下资助来源支持：

澳大利亚方面：NELUNE基金会、Tour de Cure、雅诗兰黛公司、金角基金会、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、NHMRC理念基金及研究者基金。

美国方面：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中心项目、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。

Christine Chaffer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。

Smita Krishnaswamy现任耶鲁大学医学院遗传学与计算机科学系副教授。

Sarah Kummerfeld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。