人工智能辅助多组学数据整合在癌症药物发现与开发中的应用:从靶点到药物协同

《Acta Pharmacologica Sinica》:Artificial intelligence aids multi-omics data integration in cancer drug discovery and development: from targets to drug synergy

【字体: 大 中 小 】 时间:2026年11月17日 来源:Acta Pharmacologica Sinica 10.4

编辑推荐:

  多组学(multi-omics)技术的出现使得基因组学(genomics)、转录组学(transcriptomics)、表观基因组学(epigenomics)、蛋白质组学(proteomics)和代谢组学(metabolomics)数据的整合成为可能,从而刻画

多组学(multi-omics)技术的出现使得基因组学(genomics)、转录组学(transcriptomics)、表观基因组学(epigenomics)、蛋白质组学(proteomics)和代谢组学(metabolomics)数据的整合成为可能,从而刻画癌症的分子复杂性。单细胞(single-cell)和空间(spatial)图谱分析进一步解析了瘤内异质性(intratumoral heterogeneity)、细胞间相互作用以及治疗反应的微环境决定因素。与此同时,人工智能(AI)为整合这些异质性数据类型提供了计算方法,涵盖靶点鉴定(target identification)、药物反应预测(drug response prediction)、毒性评估(toxicity assessment)和药物组合建模(drug-combination modeling)。在上述领域中,现有证据表明:当所纳入的组学层次提供互补的生物学信息时,多组学整合最为有益;单细胞和空间组学分析能够揭示耐药细胞群体和生态位(niches),但仍主要处于研究级阶段,尚不适合常规临床部署;尽管基础模型(foundation models)支持部分表征学习(representation-learning)任务,但其在扰动反应预测(perturbation-response prediction)中的优势仍需通过严格评估加以确认。通过区分经外部验证的进展与回顾性概念验证研究,研究人员提供了一个实用框架,用于评估AI驱动的多组学工具在精准肿瘤学(precision oncology)中的转化就绪度(translational readiness)。
引言部分概述了多组学作为系统生物学方法的定义及其核心组成,包括基因组学、表观基因组学、转录组学、蛋白质组学和代谢组学,各层次提供互补的细胞分子机制视图。深度学习方法(DL)因其可扩展、表达力强且日益可解释的特点,能够捕捉大规模多组学数据中的非线性关系、潜在结构和跨模态模式,已被广泛应用于多组学研究。作者指出,尽管已有诸多综述关注多组学在癌症研究中的应用,但在有效整合多样组学层次方面仍存在挑战,且缺乏稳健、普遍适用的计算框架来利用多组学数据进行药物开发。本综述区别于以往主要调查计算方法或聚焦孤立应用的综述,围绕可评估的声明和实用的证据等级组织内容,明确区分单组学建模(single-omics modeling)、多模态建模(multi-modal modeling)和多组学整合(multi-omics integration),并标注所引模型的验证状态。作者提出三项核心主张:第一,当组学层次具有生物学互补性时,多组学整合可改善跨队列泛化能力,但当层次高度相关时收益递减;第二,单细胞和空间组学在解析治疗耐药亚群和耐药生态位方面具有特殊价值,但受成本、通量、标准化和可解释性限制,仍处于研究级阶段;第三,尽管基础模型嵌入减少了下游任务所需的标注量,其在扰动反应预测中相对于简单基线的优势仍需严格评估和确认。

多组学分析利用多层次癌症信息部分依次阐述了各单组学层次的核心作用及其相互关系。基因组学通过识别突变、拷贝数变异和染色体重排提供癌症的基础蓝图,推动了靶向治疗的发展,如EGFR抑制剂用于EGFR突变肺癌和PARP抑制剂用于BRCA突变肿瘤。表观基因组学捕捉DNA甲基化、组蛋白修饰和染色质重塑等可逆修饰,DNA甲基转移酶和组蛋白去乙酰化酶(HDAC)抑制剂在血液恶性肿瘤中的应用即为示例。转录组学通过RNA测序(RNA-seq)量化基因组RNA输出,广泛用于肿瘤亚型分类、耐药机制揭示和生物标志物提名,但转录本水平常因转录后调控而无法预测蛋白质丰度。蛋白质组学通过测量蛋白质丰度和翻译后修饰(如磷酸化和泛素化)桥接转录组活性与细胞表型,已揭示PI3K–AKT–mTOR等异常信号网络。代谢组学通过分析小分子代谢物反映实时生化活性,代谢重编程是癌症标志之一,已推动针对IDH1/2突变、谷氨酰胺分解和氧化还原平衡的疗法开发。各组学层次之间存在内在依赖关系:基因组突变改变表观遗传调控,表观遗传变化重塑转录组,进而决定蛋白质组丰度,上游变化波及代谢组。

单细胞多组学技术部分指出,传统基于 bulk 组织分析的多组学方法掩盖了瘤内多样性,从而遮蔽了驱动临床治疗失败的关键特征。两种通用策略被应用:一种是在同一细胞中同时测量多个组学层次,另一种更为普遍的是基于不同模态获取单独图谱(如scRNA-seq和scATAC-seq)后进行计算整合。空间组学在天然组织架构中捕捉分子图谱,为理解肿瘤微环境中癌细胞和免疫细胞的组织、相互作用和治疗反应提供空间背景。单细胞和空间组学日益联合使用,在胶质母细胞瘤和胰腺癌中已揭示空间组织的亚群和免疫抑制生态位。Tangram、Seurat v5和SIMO等计算框架促进了解离单细胞数据与空间测量的对齐。计算方法从经典统计方法发展到当代深度学习和基础模型,作者以时间线形式划分了多组学计算方法的演进阶段。多种组学模态的计算整合方式影响结果的生物学解释和转化效用,整合策略包括拼接(concatenation)、晚期融合(late fusion)、中间整合(intermediate integration)、基于图的整合(graph-based integration)和基于注意力的整合(attention-based integration),各适用于不同的生物学问题。作者严格将多组学整合定义为两个或以上分子层次的联合建模并明确学习跨模态依赖关系,指出文献中许多被称为“多组学”的分析实际上是单组学或多模态的。

多组学辅助抗癌药物发现与精准肿瘤学部分指出,抗癌药物发现已从经验筛选演变到靶向治疗再到精准指导干预,但癌症仍难以治疗,肿瘤药物开发项目进入I期后最终获得监管批准的比例不足10%。多组学通过提供系统层面的癌症生物学视角,将分子改变与治疗机会联系起来。多组学整合已应用于药物开发管线的多个阶段,从靶点发现到生物标志物指导的临床试验。在药物发现早期阶段,多组学整合支持疾病机制识别和新治疗靶点鉴定,并促进药物重定位。多组学整合通过捕捉跨层次的汇聚分子信号增强生物标志物发现,支持复合签名识别,较单基因标志物可能提供更好的治疗反应预测。这些进展推动了从统一治疗方案向精准肿瘤学的转变。肿瘤生态系统由克隆演化、空间异质性和复杂的肿瘤-微环境相互作用塑造,bulk分析常掩盖稀有细胞群体和微环境线索。单细胞和空间分辨多组学技术解决了这些局限。totalVI、MultiVI、scMM和scMoFormer等专门模型专注于单细胞分辨率下多组学模态的整合。本综述聚焦四个应用领域:靶点鉴定与药物-靶点相互作用(DTI)预测、药物反应建模、毒性预测和药物-药物相互作用(DDI)预测。

多组学发现与验证可操作癌症靶点部分将靶点发现视为从关联到因果解释、生物学背景、功能验证、可成药性评估和毒性去风险的证据链。群体规模基因组研究通过识别与癌症风险或肿瘤表型显著相关的位点提供靶点发现入口,全基因组关联研究(GWAS)识别与癌症易感性相关的单核苷酸多态性。作者列举了研究组及他人报道的前列腺癌8q24位点、65个乳腺癌风险位点、胰腺癌易感位点和BRCA2/CHEK2罕见大效应变异等。GWASdb和GWAS4D等公共数据库提供功能注释和候选基因优先级排序。肿瘤衍生分子关联和模式可识别候选靶点,包括体细胞改变、拷贝数变化、差异表达、DNA甲基化和蛋白质/代谢物丰度差异。基因集富集分析(GSEA)和iCluster类框架等整合聚类方法用于识别疾病亚型和亚型相关分子特征。基于表达数量性状基因座(eQTL)、甲基化QTL(mQTL)、蛋白质QTL(pQTL)和代谢物QTL(metQTL)的分析将遗传变异与下游分子性状连接。共定位分析检验两个关联信号是否兼容共享因果变异,孟德尔随机化利用遗传工具变量估计因果效应。大规模人类遗传学分析报道,具有遗传支持其适应症功能的药物机制获得批准的可能性约为两倍。状态感知QTL研究提供遗传变异在特定细胞背景下影响分子性状的证据。调控映射提供实验途径检验非编码变异是否影响基因调控,大规模并行报告分析(MPRA)可并行测试大量候选序列或等位基因的调控活性。异质性知识图谱和因果网络方法可组织候选靶点,DisGeNET和治疗靶点数据库(TTD)等资源整合基因-疾病和变异-疾病关联。研究人员采用数据、知识和推理驱动的AI框架,整合单细胞数据集、公共生物资源、基于大语言模型(LLM)的优先级排序和专家评审,鉴定GPNMB为嵌合抗原受体(CAR)T细胞靶点并进行实验验证。网络为基础的基因组改变优先级排序方法如HIT'nDRIVE、NetICS和SANTA提供网络层面证据。基因调控网络推断方法如ChIP-Array、PTHGRN和GSO/JSO用于定位候选靶点于调控程序中。机器学习和深度学习方法如MOGONET整合DNA甲基化、mRNA和miRNA数据进行图卷积网络分析。单细胞和空间技术进一步精化候选靶点,CITE-seq结合单细胞转录组与抗体衍生表面蛋白测量,totalVI和MultiVI用于联合概率分析。空间分子图谱方法如scSpaMet整合基于飞行时间二次离子质谱(ToF-SIMS)的空间代谢组学与成像质量 cytometry。细胞间通讯分析如CellChat、NicheNet和CellPhoneDB推断配体-受体或配体-靶点关系。功能验证通过 pooled RNAi和CRISPR筛选映射癌症依赖性,Cancer Dependency Map和Project Score CRISPR-Cas9研究提供了大规模筛选数据。Perturb-seq将遗传扰动与单细胞转录组分析耦合。药理学扰动检验候选靶点能否被化学或生物制剂调节。患者来源类器官和患者来源异种移植(PDX)模型用于疾病相关模型评估。DTINet等模型预测药物-靶点相互作用。药物反应模型如scDrugMap和scAdaDrug将转录细胞状态与预测或测量的药物敏感性关联。靶点优先级排序还需早期考虑靶点毒性,GTEx和人类蛋白质图谱等资源可评估候选靶点的组织分布。作者采用T1至T5验证等级体系标注代表性研究的验证强度:T1为回顾性计算基准测试,T2为跨数据集/队列/平台外部验证,T3为体外功能验证,T4为患者来源或疾病相关临床前模型验证,T5为临床终点验证。

整合多组学建模用于药物反应预测部分指出,传统基于结构的药物设计依赖单靶点概念,分子对接和虚拟筛选用于预测和优化小分子与特定蛋白质靶点的相互作用,但在复杂细胞环境中常面临局限。多组学方法提供更全面的药物反应相关生物系统视图。准确预测肿瘤对治疗药物的反应仍是精准肿瘤学中最具后果和技术挑战的目标之一。常规生物标志物如EGFR突变或HER2扩增仅解释部分临床结局变异。多组学药物反应预测模型通常以高通量分子扰动数据集为起点,如GDSC、CCLE或PRISM资源库。整合框架被开发用于重建或近似缺失模态。计算方法包括支持向量机(SVM)、随机森林(RF)、深度神经网络(DNN)和变分自编码器(VAE)。多组学晚期整合(MOLI)首次在药物反应预测中采用迁移学习与泛药物方法。基于DL的架构特别是GNN和注意力模型可处理多模态数据并捕捉生物学关系。单细胞和空间组学为反应预测引入新粒度。空间多组学研究中,非小细胞肺癌的空间蛋白质组学和区室转录组学揭示了耐药生态位和反应生态位。整合单细胞和空间多组学数据的关键风险是过度校正,需要联合评估批次去除效果和生物学信号保留。单细胞基础模型提供替代表征学习框架,学习紧凑表示细胞生物学状态的潜在嵌入。大规模基础模型如scFoundation、scGPT和RegFormer引入仅基于转录组数据表示细胞状态的新框架。这些模型在细胞类型分类和药物反应预测等下游任务中表现出令人鼓舞的性能。多组学驱动的ML模型在大规模患者来源类器官(PDO)或异种移植数据上训练,正在研究用于个性化治疗选择。Oncology Twin Lab平台结合PDO深度表型分析与多组学和AI模拟患者特异性药物反应场景。然而,近期基准测试研究揭示了重要局限:应用线性基线模型的扰动预测分析在预测单基因扰动转录反应方面往往与DL方法表现相当或更好。Systema框架的应用表明评估指标必须考虑扰动与对照条件之间的系统变异。Box 1讨论了互补评估标准,包括单细胞整合中过度校正的检测和基准设计建议。表型筛选使用转录签名识别可逆转疾病相关表达状态的化合物。Connectivity Map(CMap)开创了这一框架,LINCS L1000资源扩展至超过100万图谱。主动学习策略已整合到表型筛选管线中。单细胞分辨率下CellNavi等框架预测细胞状态转换并识别驱动所需变化的化合物。表型方法日益整合多组学数据以增强生物学可解释性和筛选能力。总体而言,基于药物反应预测的证据支持模型和数据复杂性的有条件而非普遍益处。

基于组学信息的毒性预测与安全性评估的新兴机会部分指出,药物毒性指治疗暴露引起的不期望有害效应,受化合物特性、剂量和暴露、组织易感性、合并症、年龄、性别和遗传背景影响。常规毒性评估依赖体外试验、类器官、动物模型和临床监测,但成本高、耗时长且可能无法完全捕捉人类特异性反应。目前最广泛使用的AI毒性预测方法主要是基于结构或描述符的ADMET和毒性筛选工具,代表性工具包括LimTox、pkCSM、admetSAR、Toxtree和DeepTox,主要使用分子结构、SMILES表示、分子指纹、图签名、物理化学描述符、结构警报或试验衍生标签预测毒性相关终点。药物基因组学证据提供患者特异性生物学与毒性风险之间更直接的联系。药物代谢酶、转运体、免疫相关位点和DNA修复途径的遗传改变可改变药物暴露、组织敏感性和不良事件易感性。CPIC指南提供基于基因型的氟嘧啶类剂量建议。单细胞和空间组学通过解析bulk试验中遮蔽的细胞类型特异性和微环境依赖反应,为改善毒性评估提供新兴机会。单细胞RNA测序可区分肝细胞、Kupffer细胞、内皮细胞等参与药物性肝损伤的细胞群体。空间组学通过保留组织架构和局部细胞-细胞相互作用进一步扩展框架。未来毒性模型可能受益于整合化学结构、药代动力学、药物基因组学、转录组学、蛋白质组学、单细胞图谱、空间背景和临床不良事件数据。作者强调在毒性建模中避免将模型复杂性等同于转化就绪度。

多组学预测和指导精准药物组合部分指出,单药疗效常受癌细胞适应性和治疗耐药限制,组合方案可增强反应、延迟耐药发展。然而多种药物的同时或序贯给药也引入临床相关DDI。历史上识别有效药物组合的两种主要策略——基于临床直觉和机制假设的经验试错以及高通量筛选(HTS)——各有重要局限。NCI-ALMANAC、DrugCombDB和AstraZeneca–Sanger DREAM Challenge等大规模资源大幅扩展了可用药物组合数据。协同性并非单一普遍定义的终点,常用参考模型包括Bliss独立性、Loewe可加性、最高单药(HSA)和零交互效力(ZIP)模型,各基于不同假设。同一药物对可能因协同度量、剂量范围和反应归一化策略不同而被分类不同。ML和DL已广泛用于预测协同药物组合和识别潜在有害DDI。DrugComboRanker使用疾病特异性信号网络和药物诱导转录谱优先排序候选组合。SynGeNet结合转录组学连接映射与网络中心性分析预测黑色素瘤药物组合。DrugComboExplorer整合DNA测序、拷贝数变异、DNA甲基化、RNA-seq、调控网络推断、药物基因组学谱和药物诱导转录签名。DL框架如AuDNNsynergy使用TCGA衍生基因表达、拷贝数和突变谱及药物理化特征训练深度自编码器神经网络。DDI和药物协同预测研究的主要局限是缺乏标准化基准和验证协议。随机训练-测试分割可能高估模型性能。临床有用组合不能仅基于配对水平协同评分识别,需要考虑剂量-反应格局、治疗窗口、治疗计划、顺序依赖性和累积或重叠毒性。时间分辨单细胞和空间组学技术为检查治疗压力下耐药细胞状态的出现提供机会。CPA和chemCPA应被视为研究级扰动细胞反应建模框架,而非临床验证的DDI预测工具。

局限性与转化就绪度部分指出,在四个应用领域中证据支持一致解释:多组学整合的益处更多取决于生物学互补性而非纳入模态数量;单细胞和空间方法提供明确机制分辨率但仍主要处于研究级阶段;基础模型对选定表征学习任务有用,但其相对简单基线的优越性在扰动反应预测中尚未一致证明。当前限制多组学赋能DL用于癌症药物发现的基本局限包括:蛋白质组和代谢组层次的数据稀疏性和批次异质性;靶点发现和DTI预测的基准框架有限且缺乏标准化;多数算法将空间或时间信息视为静态元数据而非模型组成部分。模型漂移源于批次效应、数据稀疏性和训练数据集对常见癌基因的固有偏倚。大规模基础模型提供潜在途径。转化部署还面临AI驱动临床决策支持的监管和伦理挑战。评估当前方法的转化就绪度需要务实评估哪些方法当前可行、哪些仍处于研究级阶段。未来努力应聚焦于:协调超深度单细胞蛋白质组学和空间代谢组学;建立社区驱动的基准套件;开发时空图神经架构;将机制可解释层整合到基础模型中;实施联邦学习基础设施与可解释不确定性量化。

结论与展望部分回顾了三项核心主张,证据支持差异化评估。多组学技术与单细胞和空间图谱的整合扩展了基于组学的分析表征肿瘤异质性、微环境动力学及治疗反应和耐药机制的能力。DL架构如GNN和基于transformer的模型可用于分析这些高维多模态数据集。关键发展包括从静态bulk分析向动态单细胞分辨率的转变,功能基因组学平台与多模态AI的结合可能有助于将关联性发现与因果研究连接。然而,多组学整合仍受蛋白质组和代谢组层次持续缺失和不完全覆盖的约束,跨平台批次异质性需要显式校正和基准测试,计算可扩展性仍是实际限制。潜在研究方向包括整合时空多组学与活细胞成像实时映射药物药代动力学、推进可解释多模态AI提供跨组学调控因果性的机制见解、部署联邦学习系统预测罕见毒性和定制组合、以及将扰动信息模型从经验筛选转向合理设计的多药理学药物。

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号