维度网讯，麦吉尔大学研究人员开发了一款名为SIDISH的人工智能工具，能够识别出肿瘤内与患者不良预后关联最密切的一小群细胞，这些细胞被认为在驱动侵袭性癌症中起关键作用。该工具为科学家设计靶向疗法提供了更清晰的路径，而非将所有癌细胞视为行为一致。

在发表于《自然通讯》的一项临床前研究中，SIDISH利用从患者身上采集并在实验室分析的肿瘤样本，成功识别出胰腺癌、乳腺癌和肺癌中的高风险细胞。SIDISH代表半监督迭代深度学习用于识别单细胞高风险群体。

SIDISH的关键创新在于将单个细胞内部的活动与患者预后联系起来，这是癌症研究中的长期挑战。第一作者、麦吉尔大学医学系博士生Yasmin Jolasun表示，单细胞数据非常详细但通常只来自少数患者且缺少预后信息，而患者数据虽然包含生存信息但平均了数百万个细胞的信号，隐藏了驱动疾病的危险细胞。现有计算工具难以将这两类数据有意义地结合。Jolasun说，SIDISH在两者之间架起桥梁，可识别哪些细胞与更快的疾病进展和患者生存预后关联最密切。她补充说，虽然SIDISH首先在癌症中测试，但同样的方法也可应用于其他细胞间差异起主要作用的复杂疾病。

除了识别风险细胞，SIDISH还能模拟当特定基因被激活或关闭时高风险细胞的响应，帮助预测哪些基因可能成为药物靶点。资深作者、麦吉尔大学医学系助理教授兼麦吉尔大学健康中心研究所初级科学家Jun Ding表示，这可能会缓解药物开发中寻找正确靶点需多年试错的瓶颈。例如，通过单细胞测序分析患者肿瘤，SIDISH可识别驱动该肿瘤的细胞并模拟它们对不同药物的反应，生成最可能有效的治疗方案列表。Ding说，短期内SIDISH可帮助利用公共数据集重新利用现有FDA批准药物，长期来看有潜力从根本上改变新药发现方式。该研究仍处于开发阶段，尚未用于临床护理。研究团队正在将SIDISH应用于其他疾病，并与行业合作伙伴合作以进一步完善该方法。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com