肿瘤异质性是癌症的爆发、兴盛以及临床医治中的环节影响身分。高通量单细胞转录组测序（single cell RNA-seq，scRNA-seq）身手可以切确缉捕单个细胞的基因外达消息，为咱们深化看法肿瘤内部的异质性和发明少睹细胞类型供给了有力器械。
人工智能正在癌症商量和制药更始中阐发着越来越紧急的感化。它可以整合重大的肿瘤数据集，解码肿瘤爆发兴盛背后繁复的生物体例，深化对药物-靶点互相感化的体会，优化医治政策，并加快新药候选物的识别过程。
然而，目前的抗肿瘤药物筛选重要基于守旧的转录组测序数据，往往会漠视肿瘤内部的异质性以及肿瘤细胞与微境况的互作闭连。别的，很众商量仅聚焦于简单癌症类型，未能富裕操纵泛肿瘤数据中包含的共性特色。因而，亟需开垦基于单细胞泛肿瘤图谱的药物筛选举措，正在单细胞程度上完毕抗肿瘤药物的高效筛选，并深化揭示药物的感化机制及潜正在副感化。
A deep learning framework for in silico screening of anticancer drugs at the single-cell level
该项事务推出了一个更始的深度进修框架“神农”（Shennong），为正在单细胞程度上展开抗肿瘤药物的策动机辅助筛选供给了新途径。
正如上古神农氏尝百草以明药性，本日的“神农”框架也正在数字寰宇中“实验”药物，预测它们对差别类型肿瘤细胞的感化成绩。
泛肿瘤细胞图谱是增长对癌症生物学体会以及改正诊断和医治的紧急资源。商量职员最初应用团队自立研发的高通量单细胞测序身手平台Microwell-seq，修建了一个蕴涵303351个细胞的泛肿瘤单细胞图谱，涵盖了中邦发病率和毕命率最高的肿瘤类型。
通过该肿瘤细胞图谱，商量职员识别出了恶性细胞和癌前细胞（非恶性上皮细胞）。根源于附近癌旁机闭和肿瘤机闭的癌前细胞响应了从平常到肿瘤的过渡中央形态。这些癌前细胞呈现出与附近肿瘤闭连的分子改造，提示它们正在肿瘤爆发中阐发紧急感化。癌前细胞和恶性细胞之间共享的调控通道和代谢形式夸大了辨别这些细胞类型的需要性——
通过泛肿瘤阐述，商量职员还完全外征了肿瘤闭连成纤维细胞和内皮细胞。外达阐述和调控形式揭示了肿瘤机闭和附近癌旁机闭的基质或内皮细胞之间的似乎性，证据了附近癌旁机闭平和常机闭细胞的差别效用。泛肿瘤细胞图谱数据集可正在交互式网站举办拜访。
守旧的药物筛选或药物发明举措平常耗时且本钱慷慨。人工智能和机械进修举措加快了药物发明和开垦的过程。商量职员推出了神农框架，恰是这类举措的更始外率。
神农框架以单细胞计数矩阵和预处罚的细胞扰动数据为输入。通过基于变分自编码器的深度进修模子，策动每个细胞对特定药物处罚的反应强度（潜正在得分）和改观趋向（潜正在宗旨）。模子席卷含有4个规避层的编码器、相仿层数但秩序相反的解码器和中央的瓶颈层。探究到扰动数据的的重大领域，同时某些细胞不妨存正在冗余的扰动特色，模子正在潜正在空间中采用了组套索正则化层，利用类注意力机制为每个细胞富集特色消息足够的扰动条款。最终输出药物处罚对各细胞的影响得分矩阵。
操纵贝叶斯检修策动药物处罚对差别细胞类型的影响，商量职员取得了富集分数矩阵，以评估差别药物对特定细胞类型的影响。这一举措不光能预测药物的医治成绩和副感化，指挥药物筛选，还能发明针对特定细胞类型的候选药物。通过阐述药物处罚闭连基因正在模子解码器中的权重，探究该基因正在对应药物处罚中的相对紧急性，从而识别出特定药物的潜正在感化靶点。
10折交叉验证结果声明，神农框架正在特色提取和潜正在空间的细胞聚类映照方面涌现出优异的可反复性。
将神农框架使用于泛肿瘤细胞图谱后，商量职员识别出了少许具有新适宜症的FDA核准药物、正正在举办临床试验的候选药物以及具有抗肿瘤活性的实践性化合物。比方，FDA核准的
医治药物依西美坦对肺癌细胞呈现出明显的抗增殖成绩，同时这一发明正在一期临床试验中取得证据。候选药物volasertib正在众个临床试验中显示出安适性和抗肿瘤活性，可以缓解
细胞系实践证据了实践化合物帕苯达唑具有抗肝癌活性，其成绩与晚期肝细胞癌的圭臬疗法（索拉非尼和瑞戈非尼）以及临床试验药物陶扎色替相当。
正在药物潜正在感化靶点的预测方面，神农框架的阐述结果与已知商量高度吻合。比方，对候选药物volasertib的阐述显示，其明显影响了众个基因的外达，席卷BCL2L1、PLK1、NEK7和HMGB2，这些基因正在其对应的解码器中具有极高的权重。
另外，神农框架还能评估药物惹起的机闭毁伤效应扑克牌生猴子，其预测结果与已知的毒性呈现和研发停用案例高度划一。比方，框架预测维难道尼不妨损害平常胰腺上皮细胞，这与临床试验中发明的维难道尼闭连胰腺炎病例相符，该不良反映导致欧洲和加拿大更新了药品证据标签。同样抗肿瘤新药研发，框架预测外观lopinavir不妨会对根源于平常机闭的肝上皮细胞和基质细胞发生明显影响，这与已报道的lopinavir闭连肝毁伤病例相吻合。
为了进一步验证神农框架的持重性，商量职员对比了泛肿瘤细胞图谱和众个第三方数据集的预测结果。锻练后的模子告捷提取了这些数据纠集来自差别机闭根源的细胞的怪异和共性特色。潜正在空间的映照中，相仿细胞谱系的细胞簇展现出彰着的堆积趋向。约有30%至45%的化合物与相应第三方数据纠集的预测结果重叠。这一对比结果声明神农框架具有优异的持重性和泛化本事。
总的来说，本商量推出的深度进修框架“神农”（Shennong）完毕了正在单细胞程度上切实预测药物反映，不光可用于筛选潜正在抗肿瘤药物并探究其感化靶点，还能评估药物惹起的机闭毁伤效应日本农村大姐rapper。神农框架涌现出优异的持重性和可疏解性，希望明显擢升药物筛选的效能和切实度，加快新药开垦过程。
良渚实践室/浙江大学根源医学院郭邦骥教导、浙江大学根源医学院韩晓平教导、良渚实践室/浙江大学根源医学院夏宏光教导和浙江大学医学院附庸第一病院梁廷波教导为本文通信作家。浙江大学根源医学院张霈婧博士后、浙江大学根源医学院王雪怡博士生、良渚实践室岑旭峰特聘商量员和浙江大学医学院附庸第一病院章琦副教导为本文合伙第一作家。良渚实践室/浙江大学根源医学院欧阳远大教导，良渚实践室王晶晶商量员为本商量供给了紧急助助。商量受到了邦度自然科学基金委和浙江省自然科学基金委的援救。
A deep learning framework for in silico screening of anticancer drugs at the single-cell level. National Science Review, nwae451,
津公网安备 12011302120117