AI虚拟细胞走向临床：西湖大学团队破解乳腺癌选药难题

关键要点

• 西湖大学郭天南团队利用超3800万项蛋白质测量数据，构建出首个接受临床验证的乳腺癌AI虚拟细胞。
• 研究追踪了63种单药与59种联合疗法在4个时间点的蛋白质变化，共监测5585个蛋白组。
• 该模型对训练集未收录的81种新药预测准确率达88%，并能准确找出耐药标记物。
• 在501名三阴性乳腺癌患者的化疗前活检测试中，AI模型成功预测了实际临床用药疗效。

瞄准临床最难治的乳腺癌

三阴性乳腺癌（TNBC）约占所有乳腺癌病例的15%至20%，向来以侵袭性强、复发率高著称。由于这种肿瘤细胞缺少雌激素受体、孕激素受体以及调控生长的关键蛋白，常规的激素疗法与靶向药物往往对其束手无策。更为棘手的是，不同患者体内的肿瘤细胞在分子层面差异极大，导致医生很难为患者挑选出最有效的化疗方案。为了打破这一选药僵局，西湖大学郭天南团队联合研发了针对该病症的AI虚拟细胞模型。与追求复现细胞全部生命活动的大模型不同，该工具专注预测肿瘤细胞对药物的敏感度，这也是虚拟细胞模型首次走出实验室并接受真实临床场景的检验。

海量动态蛋白数据筑基

过去的细胞计算模拟大多依赖单细胞测序技术，容易将细胞局限在静态切片中。郭天南团队则另辟蹊径，选择从能直接行使功能的蛋白质组学（proteomics）切入。研究人员选取了18株乳腺癌细胞系，其中包含16株三阴性乳腺癌细胞，并用63种美国FDA批准的抗癌药以及59种联合用药方案进行处理。团队在用药前以及用药后的第6、24和48小时，系统测量了5585个蛋白组的水平变化，最终积累了超过3800万项蛋白质测量数据。来自Arc Institute的系统生物学家Hani Goodarzi对此评价指出，这种覆盖多个时间维度的海量动态蛋白质数据十分罕见，为构建功能性虚拟细胞提供了全新的数据模态。

盲测表现优异获临床验证

在学习了细胞在药物干预下的蛋白质演变规律后，该AI模型不仅能推断药物的杀伤效果，还能准确捕捉诱发耐药的关键蛋白。在面对训练集之外的81种全新药物时，模型预测细胞反应的准确率达到了88%。为了进一步评估其在临床环境中的实用价值，研究人员获取了501名三阴性乳腺癌患者在接受化疗前的穿刺活检组织，并检测了其中的3651种蛋白质。盲测分析结果显示，虚拟细胞模型的计算评分准确吻合了这批患者真实的临床治疗结局。这一突破不仅确立了蛋白质组动态建模的可行性，也让基于数字细胞指导临床精准选药迈出了关键一步。

对研究者的意义

这项成果对计算生物学与AI制药研究具有风向标意义。当前虚拟细胞研发普遍重度依赖单细胞RNA转录组，往往忽略了蛋白质丰度与翻译后修饰的时空延迟。西湖大学团队证明了大规模动态蛋白质组学不仅能弥补静态测序的短板，还能在分子水平精确刻画耐药发生机制，为AI驱动的转化医学和数字孪生细胞奠定了实证基础。