河北
俄勒冈健康与科学大学的研究人员开发出一种首创的方法，利用单个细胞的高级分子数据来预测癌症患者还能活多久。
生存分析在临床肿瘤学中特别重要。现代癌症研究现在可以测量患者肿瘤里每个细胞的基因活性，然后把这个信息和患者活多久联系起来。但一直没好办法直接用这些详细的细胞数据预测患者还能活多久。
这项发表在《癌症发现》杂志上的研究，介绍了一种叫scSurvival的方法，用单个细胞的基因数据找出肿瘤里哪些细胞跟患者活多久关系最大。
跟传统方法把整个肿瘤信号平均一下不同，新方法能精准定位那些推动病情恶化的坏细胞和好细胞群体。研究团队今天在美国癌症研究协会的会议上介绍了这些发现。
"这是第一种将单个肿瘤细胞与患者预后直接挂钩的单细胞生存分析，"该研究的共同第一作者、俄勒冈健康与科学大学医学院数学专业的博士后陶仁博士说。"它让我们能够看到哪些细胞真正驱动疾病进展，而不是把所有的细胞都当作一样来对待。"
共同第一作者赵发铭博士表示，该方法有助于解决癌症研究中一个长期存在的问题。
"肿瘤非常复杂，当对成千上万个细胞的数据取平均时，重要信号可能会丢失，"俄勒冈健康与科学大学医学院癌症生物学专业的赵博士说。
"通过观察单细胞层面的生存情况，我们可以更好地理解为什么患有相同癌症的患者会有截然不同的预后。"
跨领域的专长
在使用黑色素瘤和肝癌数据的测试中，该工具比标准方法更准确地预测了患者的病情走向。它还发现了特定的免疫和肿瘤细胞状态，跟生存率高低有关。例如，研究人员发现了某些免疫细胞似乎能帮助患者更好地响应免疫治疗，而另一些则与较差的结果相关。
资深作者郑夏博士是俄勒冈健康与科学大学医学院的生物医学工程副教授，也是奈特癌症研究所的成员。他说，这项工作既体现了技术创新，也体现了跨学科的紧密合作。
“这项研究能做成，全靠奈特癌症研究所的计算科学家、癌症生物学家和临床医生紧密合作，”夏说。“把不同领域的专长聚在一起，我们就能用人工智能搞出一种新方法，通过单细胞数据来研究生存。”
“这个模型能抓到以前很难研究的复杂生物模式，比传统机器学习方法更厉害，”夏说。“这个模型比传统机器学习方法更复杂，能帮我们抓到以前拿不到的信息。”
研究人员表示，理解这些差异对患者来说很重要，因为肿瘤由多种行为不同的细胞类型组成。如果忽略了有害的细胞群体，对某个患者有效的治疗，换到另一个患者身上可能就没用了。
尽管scSurvival还没用在临床上，但研究人员表示，它以后有可能会帮医生更好地识别高风险患者，并帮着开发更精准、更有针对性的癌症疗法。
更多信息： 癌症发现 (2026年)。DOI: 10.1158/2159-8290.CD-25-0965
开源的scSurvival程序及其教程都可以在GitHub、Zenodo和Code Ocean免费下载。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
