Cancer Discovery：利用单细胞数据来预测癌症患者的生存结局

　　

生存分析是临床肿瘤学的核心。如今的癌症研究可以测定患者肿瘤内单个细胞的基因活性，并将这些信息与患者的生存期相关联。然而，目前还没有一种有效策略能够基于单细胞数据直接预测生存结局。

俄勒冈健康与科学大学的研究人员近日开发出一种开创性的方法，利用单个细胞的分子数据来预测癌症患者的生存结局。这项研究成果于4月21日发表在《Cancer Discovery》杂志上。

这种名为scSurvival的方法利用单细胞遗传数据来鉴定肿瘤内哪些细胞与患者生存密切相关。它不像传统方法那样对整个肿瘤的信号进行平均处理，而是精准识别驱动疾病进展的有害和有益细胞群。研究团队近日也在美国癌症研究协会（AACR）年会上展示了这些结果。

共同第一作者、俄勒冈健康与科学大学医学院的Tao Ren博士表示：“这是首个将单个肿瘤细胞与患者结局直接关联的单细胞生存分析。它让我们能够了解哪些细胞在驱动疾病进展，而不是一概而论地看待所有细胞。” 

“肿瘤非常复杂，如果对数万个甚至数百万个细胞的数据进行平均处理，重要的信号可能会丢失，”共同第一作者Faming Zhao博士补充说。“以单细胞分辨率观察生存情况，我们可以更好地理解为什么患有相同癌症的患者会有完全不同的结局。”

scSurvival是一种基于注意力机制的多实例Cox回归框架，它将每个肿瘤样本视为细胞集合，进而在患者和单细胞两个层面预测生存结局。

在利用黑色素瘤和肝癌单细胞RNA测序数据进行测试时，这种工具在预测患者结局方面的准确性高于标准方法。它还揭示了对患者生存影响最大的免疫细胞和肿瘤细胞状态。

例如，研究人员发现某些免疫细胞似乎有助于患者对免疫治疗产生更好的应答，而另一些免疫细胞则与预后较差相关。

研究人员表示，scSurvival为基于癌症单细胞数据的生存预测提供了一个可扩展的框架。它不仅能够准确预测患者的生存结局，还能鉴定与生存相关的细胞亚群，以促进下游的机制研究。

通讯作者、俄勒冈健康与科学大学医学院副教授Zheng Xia博士表示：“这项研究利用人工智能技术，开发了一种基于单细胞数据研究患者生存的新方法。这种模型比传统的机器学习方法更复杂，它让我们能够获取以前无法获取的信息。” 

研究人员指出，了解这些差异对患者至关重要，因为肿瘤是由行为各异的多个细胞类型组成的。如果漏掉了有害的细胞群，那么对A患者有效的治疗方案可能对B患者无效。

“我们相信，scSurvival将加速队列级单细胞分析在生存分析中的广泛采用，并帮助我们了解肿瘤微环境中的特定细胞亚群如何影响癌症结局，进而成为转化癌症研究中不可或缺的工具，” 作者在文章写道。

目前，开源的scSurvival程序及其教程可在GitHub（https://github.com/cliffren/scSurvival）、Zenodo（https://doi.org/10.5281/zenodo.15399777）和Code Ocean（https://codeocean.com/capsule/7948185/tree/v1）上免费获取。