肿瘤内部：AI破解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》（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。这种多样性或异质性使得癌症更难治疗，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来治疗。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，虽然患者可能有初步反应，但残留细胞可能生长，癌症可能复发，"该研究的共同资深作者、加文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。

但尽管异质性是问题所在，研究人员对其特征了解不足："迄今为止，研究人员尚无法明确解释肿瘤中相邻细胞彼此有何不同，以及如何将这些差异分类为有意义的类别以更好地治疗肿瘤。但这正是我们需要了解的，以便用正确的疗法杀死肿瘤中的所有细胞，"查弗副教授补充道。

新工具识别五种新型癌细胞群

为解决此问题，该团队开发并训练了一个名为AAnet的强大新型AI工具，能够检测肿瘤细胞内的生物学模式。

随后他们利用该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，其独特的基因表达谱表明细胞行为存在巨大差异。

"通过使用我们的AI工具，我们始终能在单个肿瘤中发现五种称为'原型'的新型细胞群。每个群体表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。我们的下一步是观察这些群体如何随时间变化，例如化疗前后，"查弗副教授说。

这在癌症研究中尚属首次。共同负责人、领导AI工具开发的耶鲁大学副教授斯米塔·克里希纳斯瓦米表示："得益于技术进步，过去20年单细胞水平数据呈爆炸式增长。通过这些数据我们发现，不仅每位患者的癌症不同，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细胞状态的连续统简化为少数几个有意义的原型，从而可分析多样性以发现与空间肿瘤生长和代谢组学特征的有意义关联。这可能改变游戏规则。"

新分类法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，为改变癌症治疗范式开启了大门。

"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）及其可能表现的分子标志物。但这假设该癌症中的所有细胞都是相同的。相反，现在我们拥有一种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组细胞的作用。借助AAnet，我们现在希望改进联合疗法的合理设计，通过生物学通路靶向肿瘤中每个不同细胞群。这有望显著改善患者预后，"查弗副教授说。

关于AAnet的应用，该研究共同资深作者、加文研究所首席科学官萨拉·库默费尔德教授表示："我们设想未来医生将这种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。这些成果代表了前沿技术与生物学的真正融合，可改善患者护理。我们的研究聚焦乳腺癌，但它可应用于其他癌症及自身免疫性疾病等病症。技术已准备就绪。"

本研究获得以下来源支持：

澳大利亚：NELUNE基金会、Tour de Cure、雅诗兰黛、金霍恩基金会、帕拉莫家族基金会、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开发项目基金、NHMRC创意基金和研究者基金。

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的埃里克与温迪·施密特中心、国家科学基金会、耶鲁癌症中心试点基金和斯隆研究奖。

克里斯汀·查弗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的联合副教授，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。

斯米塔·克里希纳斯瓦米是耶鲁大学医学院遗传学与计算机科学副教授。

萨拉·库默费尔德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的联合教授，以及加文医学研究所首席科学官。