科學家開發出人工智慧系統，讓AI為癌症患者匹配最佳藥物組合

研究人員創建了一個名為DrugCell的新人工智慧（AI）系統，該系統讓腫瘤與最佳藥物組合相匹配成為可能。

對於癌症療法而言，每年會有數十種新療法進入臨床試驗，但最終只有不到4％的藥物獲得FDA的批准。儘管造成這一結果的影響因素有很多，但主要問題在於，我們並不完全了解特定癌症對治療的反應方式或原因。因此，目前無法以最佳方式將合適的藥物組合，並與合適的患者相匹配。

不過，人工智慧的出現或許能助我們一臂之力。大多數機器學習模型都是「黑匣子」，它們不需要了解或關注預測結果的生物學機制，就能針對預測準確性進行優化。

近日，來自美國加州大學聖地牙哥分校醫學院的研究人員表示，他們已經創建了一個名為DrugCell的新人工智慧（AI）系統，該系統讓腫瘤與最佳藥物組合相匹配成為可能。使用DrugCell，在輸入有關腫瘤的數據後，系統會返回最知名的藥物、控制對該藥物反應的生物學途徑以及最佳藥物組合。相關研究成果發表於《Cancer cell》上。

https://doi.org/10.1016/j.ccell.2020.09.014

先前，研究人員開發出一個可見神經網絡（VNN），用於模擬簡單的真核細胞——釀酒酵母。該系統能夠準確預測基因突變對細胞生長反應的影響，同時確定驅動這些預測的最相關的分子途徑。

在此基礎上，他們創建了一種名為「DrugCell」的VNN，可模擬人類癌細胞對治療性化合物的反應。 DrugCell將模型的內部工作原理與人類細胞生物學的層次結構相結合，從而可以預測任何癌症中任何藥物的反應，並設計有效的聯合療法。

細胞藥物反應是一個複雜的現象，取決於生物學和化學因素。為了在可解釋的模型中捕獲藥物反應的這兩個決定因素，研究人員將DrugCell設計為具有兩個分支的神經網絡，第一個分支是VNN，它是根據人類基因（GO）資料庫中記錄的2086個生物過程建模的，用於模擬人類細胞中分子子系統的層次結構。這些子系統中的每一個，從涉及小蛋白複合物（例如b-連環蛋白破壞複合物）到較大的信號傳導途徑（例如MAPK信號傳導途徑）到總體細胞功能（例如糖酵解）的子系統，都分配了一組人工神經元來代表該子系統的狀態。 VNN總共使用了12516個神經元，這些神經元分層分布在六個不同的層中。

DrugCell 設計

DrugCell的第二個分支是傳統的人工神經網絡（ANN），其中嵌入了藥物的Morgan指紋，即化學結構的標準向量表示形式。該模型中兩個分支（VNN嵌入細胞基因型和ANN嵌入藥物結構）的輸出被合併到單層神經元中，然後被整合以產生給定基因型對特定治療的反應。此外，該模型通過對1,235種腫瘤細胞系對684種藥物的反應進行了訓練。

結果表明，DrugCell能夠準確預測細胞系對治療的反應（所有細胞系-藥物對的總準確度為：spearman相關係數=0.80）。此外，預測的組合改善了患者來源的異種移植腫瘤模型中的無進展生存期，並且可以將ER陽性乳腺癌患者的臨床結果分層。

研究的所有（細胞系，藥物）對中，預測與實際的藥物反應

源自患者的異種移植腫瘤的聯合指導治療

DrugCell共接受了1200多種腫瘤細胞系對近700種FDA批准藥物和實驗性治療藥物的反應的培訓，總共有500,000多種細胞系/藥物配對。

第一作者Kuenzi說：「我們對DrugCell從實驗室細胞系轉化為小鼠和患者的腫瘤以及臨床試驗數據的能力感到驚訝。但我們的最終目標是使DrugCell進入診所，為患者謀福利。因此，仍有許多工作要做。」

研究人員同時強調，雖然1200個細胞系是一個好的開始，但它不能代表癌症的完全異質性。研究團隊現在正在添加更多的單細胞數據，並嘗試不同的藥物結構。他們還希望與現有的臨床研究合作，將DrugCell嵌入診斷工具中，並在現實中對其進行前瞻性測試。