基于半监督转移学习从批量到单细胞转录组识别肿瘤中耐药个体细胞：推动精准医学与新药研发的关键进展

《Communications Biology》：Identification of drug-resistant individual cells within tumors by semi-supervised transfer learning from bulk to single-cell transcriptome

肿瘤异质性常导致患者对药物治疗反应差异大，耐药细胞的存在易引发肿瘤复发转移。研究人员开展 “SSDA4Drug：一种半监督少样本转移学习推断耐药癌细胞方法” 的研究，结果显示该方法性能卓越，能精准预测单细胞药物反应，为精准医学和新药开发提供助力。

　　肿瘤，这个威胁人类健康的 “恶魔”，一直以来都让医学界头疼不已。在肿瘤治疗过程中，一个棘手的问题逐渐浮现 —— 肿瘤异质性。由于肿瘤内部存在多种不同的细胞亚群，使得患者对同一种药物治疗的反应千差万别。更为严重的是，肿瘤中预先存在或后天获得的耐药细胞，往往会存活并增殖，最终导致肿瘤复发和转移，这也是肿瘤治疗失败的主要原因之一。传统的基于批量 RNA 测序（RNA-seq）数据的方法，虽然能在一定程度上预测患者对药物的临床反应，但却无法洞察单个细胞内转录程序和调控机制的变化，难以揭示肿瘤内部的异质性，在预测个体细胞药物反应时表现欠佳。

随着单细胞测序技术的进步，人们有机会深入探索单个细胞的复杂性和变异性，为了解肿瘤异质性提供了新的视角。然而，目前单细胞水平的药物反应数据非常有限，受成本和技术的限制，仅涵盖少数癌症类型和药物，这给开发预测单细胞药物反应的计算方法带来了巨大挑战。

为了攻克这些难题，南京工业大学计算机与信息工程学院的研究人员开展了一项重要研究，相关成果发表在《Communications Biology》上。

研究人员提出了一种名为 SSDA4Drug（semi-supervised few-shot transfer learning method for inferring drug-resistant cancer cells）的半监督少样本转移学习方法，旨在从批量转录组数据向单细胞转录组数据转移药物反应知识，进而推断耐药癌细胞。

在研究过程中，研究人员用到了几个关键的技术方法。首先，从 Genomics of Drug Sensitivity in Cancer（GDSC）数据库获取批量药物敏感性数据和匹配的批量 RNA-seq 数据，从 National Center for Biotechnology Information’s（NCBI）Gene Expression Omnibus（GEO）收集单细胞 RNA 测序（scRNA-seq）数据。利用 Python 包 SCANPY 对 scRNA-seq 数据进行质量控制和预处理。其次，构建了由自动编码器和分类器组成的 SSDA4Drug 模型，通过半监督对抗域适应从批量和单细胞转录组数据中提取药物基因组特征。同时，运用对抗训练、最小最大熵技术等优化模型，还借助 SHapley Additive exPlanations（SHAP）值和综合梯度（IG）分析关键基因131415。

下面来看具体的研究结果：

1. 半监督少样本转移学习：SSDA4Drug 模型利用半监督域适应技术，通过共享去噪自动编码器提取低维表示，借助分类器确定药物反应标签。在训练过程中，通过最大化未标记目标样本相对于分类器的条件熵，同时最小化相对于特征编码器的条件熵，有效减少了源域和目标域之间的分布差距，学习到了分类任务特定的判别特征12。
2. SSDA4Drug 在预测单细胞药物反应方面表现卓越：研究人员使用了来自五个不同细胞系、经九种化疗和靶向药物处理的十个单细胞药物反应数据集对模型进行评估。结果显示，SSDA4Drug 在几乎所有的药物 - 细胞类型组合中均优于其他方法。在预测黑色素瘤细胞系对 PLX4720 的反应时，AUC 和 AUPR 值分别约为 0.95 和 0.95，且对抗训练显著提升了模型性能。此外，该模型在跨细胞类型预测任务中也表现出色，证明了其强大的泛化能力31。
3. 少样本学习显著提升性能：研究人员逐步增加训练集中标记的目标样本数量，结果表明，随着标记样本数量的增加，所有四种药物的预测性能均显著提升。如吉非替尼（Gefitinib）和索拉非尼（Sorafenib），在 1-shot 场景下平均 AUC 值分别为 0.912 和 0.782，在 4-shot 场景下分别增加了 4.6% 和 11.2%。同时，模型的可靠性也随着样本数量的增加而提高45。
4. SSDA4Drug 捕捉药物耐药的动态状态转变：研究人员利用 MCF7 细胞系在持续化疗药物暴露下的单细胞数据，评估 SSDA4Drug 预测单个细胞药物反应随时间动态变化的能力。结果发现，几乎所有 MCF7 细胞在治疗前对硼替佐米（Bortezomib）敏感，但随着药物暴露时间增加，敏感细胞数量逐渐减少，耐药细胞数量增加。通过分析还发现了与药物耐药相关的基因和信号通路，证明了该方法能够预测细胞对药物治疗反应的动态变化67。
5. SSDA4Drug 识别肺癌细胞的可逆药物反应状态：针对肺癌 PC9 细胞在厄洛替尼（Erlotinib）治疗下的数据集进行分析，结果显示，SSDA4Drug 能够准确预测药物反应状态的变化。在药物暴露期间，敏感细胞数量下降，耐药细胞数量增加；而在药物假期后，敏感细胞数量显著增加，与实际观察高度一致。同时，研究还揭示了 EGFR 通路活性与细胞敏感性的相关性48。
6. SSDA4Drug 预测耐药性随癌细胞进化轨迹的发展：对口腔鳞状细胞癌（OSCC）患者的 scRNA-seq 数据进行分析，结果表明，SSDA4Drug 预测的耐药性进展与癌细胞的进化轨迹紧密相关，能够成功识别癌细胞从敏感状态到耐药状态转变的转录模式910。
7. SSDA4Drug 揭示与药物反应相关的关键基因：在前列腺癌细胞系对多西他赛（Docetaxel）的药物反应数据集上，SSDA4Drug 预测准确率高达 96%，AUC 值为 0.97。通过 SHAP 值和 IG 分析，揭示了与药物反应相关的关键基因，如 GPSM3、HLA-DQB1、ACTG2 和 CRISPLD1 等，展示了模型的可解释性1112。

研究结论和讨论部分指出，SSDA4Drug 在预测单细胞药物反应方面具有显著优势，能够有效捕捉肿瘤细胞在药物暴露过程中的动态变化，识别可逆的药物反应状态，并揭示关键基因。然而，该模型也存在一些局限性，如药物特异性设计限制了其应用范围，缺乏对药物剂量的考虑，在预测血液肿瘤细胞药物反应时表现不佳等。针对这些问题，研究人员提出了未来的改进方向，如整合药物分子编码器、纳入药物剂量信息、整合多组学数据等。

总的来说，这项研究为识别耐药肿瘤细胞亚群提供了有力工具，为精准医学和新药开发开辟了新途径，具有重要的科学意义和临床应用价值。它让我们在对抗肿瘤的道路上又迈出了坚实的一步，有望为更多癌症患者带来新的希望。