新AI模型高精度猜测癌症转移风险

癌症转移仍然是该疾病最致命的环节之一，但其背后的生物学机制至今尚未被充分厘清。研究人员指出，一些肿瘤会局限在原发部位，而另一些则具备向全身扩散的才能，要从分子层面解释这种差别，是改进治疗策略的关键前提。

研究团队表示，下一步工作将包含在更大年夜范围、多中间队列中验证 MangroveGS 的实用性，并进一步发掘这些基因表达签名背后的具体生物学通路，以期发明新的治疗靶点，为阻断癌症转移供给加倍精准的干涉策略。

本次研究由日内瓦大年夜学医学院遗传医学与发育学系的团队主导，科研人员应用结肠癌患者肿瘤中的细胞展开体系分析，试图找出影响转移风险的决定性身分。他们不仅辨认出与转移相干的关键影响身分，还发清楚明了一系列可以或许反应转移偏向的“基因表达签名”，并在此基本上开辟出一款名为 Mangrove Gene Signatures（简称 MangroveGS）的AI对象，将这些生物学信息转化为对多种癌症转移风险的定量猜测。

该研究揭橥于《Cell Reports》期刊。论文通信作者、日内瓦大年夜学医学院传授 Ariel Ruiz i Altaba 解释称，癌症平日被描述为“无序增殖的细胞”，但更精确的懂得应是“一种被扭曲的发育过程”。在这种不雅点下，癌细胞并非完全随机地演变，而是经由过程基因和表不雅遗传层面的改变，从新激活了在胚胎或器官早期形成过程中本该被封闭的生物学法度榜样，从而驱动肿瘤的产生与进展。

研究团队强调，真正的挑衅在于“读懂”这种被扭曲的内涵逻辑，弄清哪些细胞会从原发肿瘤中“脱队”，在身材其他部位“另起炉灶”。今朝，临床上可检测到的最早转移迹象，往往是血液或淋巴体系中出现轮回肿瘤细胞，但当这些细胞被发明时，转移过程很可能已经在多处悄然展开。

比拟之下，科学界固然已对驱动原发肿瘤形成的基因突变有了大年夜量熟悉，却迟迟未能找到单一的基因变更，来解释为何有些癌细胞会分开肿瘤，而另一些则逗留原处。Ruiz i Altaba 指出，难点在于：“要想完全描述一个细胞的分子身份，就必须对其进行破坏性分析；但假如要不雅察它的真实施为，又必须让它保持活性。”

为解决这一抵触，研究团队从结肠癌肿瘤平分别出单个细胞，进行克隆并在体外培养。这些源自同一肿瘤的克隆细胞随后在体外体系和小鼠模型中接收评估，用以不雅察它们穿过生物学樊篱并形成转移灶的才能。研究人员在大年夜约30个来自两例原发结肠肿瘤的克隆细胞中，测量了数百个基因的活性程度，成果发明，不合细胞克隆之间存在清楚的基因表达梯度，这些梯度与细胞迁徙才能的高低呈明显相干。

这一发明还指向了一个重要结论：转移风险并不克不及经由过程单个细胞的特点简单断定，而是取决于肿瘤内部一群“亲缘相干”癌细胞之间的集体行动和互相感化。

在算法构建方面，研究团队将上述基因表达签名整合进一套由日内瓦开辟的AI模型 MangroveGS 中。介入研究的博士生 Aravind Srinivasan 介绍称，这一对象的凸起立异在于，它不是依附少数几个标记基因，而是同时应用数十甚至上百个不合的基因签名，从而大年夜幅降低了个别差别或单一通路波动对成果的干扰，使猜测加倍稳健靠得住。

在完成练习后，MangroveGS 在结肠癌患者中猜测转移和复发的精确率接近80%，明显优于现有多种猜测对象。更为惹人注目标是，团队发明，最初在结肠癌中辨认出的这些基因表达签名，同样可以迁徙用于胃癌、肺癌、乳腺癌等其他癌种，对其转移潜能进行有效预判，这注解不合实体瘤在转移机制上可能存在某种共通的分子说话。

研究人员假想，在不久的将来，MangroveGS 有望被纳入日常临床流程。对于患者而言，大夫只须要惯例获取肿瘤组织样本，在病院对样本中的细胞进行分析和基因测序，即可将这些数据输入体系，由 MangroveGS 生成一个量化的转移风险评分。相干成果可以经由过程加密的 Mangrove 门户，在确保数据匿名与安然的前提下，传递给肿瘤科大夫和患者本人参考。

团队认为，这类对象的临床意义不仅在于进步风险评估本身。一方面，它有望赞助大夫避免对低风险患者进行过度治疗，从而削减不须要的毒副反响和医疗支出；另一方面，对于被剖断为高风险的人群，则可以响应加强监测频率和治疗强度，进步早期干涉机会。同时，在临床实验设计中，引入此类风险分层对象，还可优化受试者入组，削减所需自愿者数量，晋升实验统计效能，并将潜在获益优先集中于最须要新疗法的患者群体。