人工智能“虚拟细胞”可预测乳腺癌用药反应，有望帮助筛选最佳药物

中国研究团队开发出一种名为 ProteinTalks 的人工智能“虚拟细胞”模型，可以模拟癌细胞在不同药物作用下的蛋白质变化，并预测哪些药物或药物组合更可能有效。

这项研究主要针对三阴性乳腺癌。这类乳腺癌缺乏常见的雌激素受体、孕激素受体和 HER2 靶点，患者之间的分子差异又很大，因此同一种治疗方案可能在不同患者身上产生完全不同的效果，临床上长期缺乏足够精准的用药选择工具。

为了训练模型，研究人员让多种乳腺癌细胞接受数十种抗癌药物和药物组合处理，并在不同时间点测量蛋白质变化，最终获得超过3800万条蛋白质数据。ProteinTalks由此学习癌细胞内部蛋白质网络如何随药物干预发生变化。

研究显示，即使面对训练过程中没有见过的药物，模型仍能较好地预测癌细胞的反应，并可以判断两种药物联合使用是否可能产生更强效果，同时寻找与耐药有关的蛋白质。

研究人员随后把模型应用到更接近真实患者的样本，包括患者来源的肿瘤类器官、动物移植瘤以及临床肿瘤组织。结果显示，ProteinTalks在预测药物反应和区分患者治疗结果方面仍具有较好的表现。

这类“虚拟细胞”与传统药物筛选的最大区别，是研究人员可以先在计算机中模拟细胞接受不同治疗后的变化，再决定哪些药物值得进入真实实验，从而减少大量逐一试药的过程。

不过，ProteinTalks目前仍属于研究工具，并不能直接替代医生为患者选择治疗方案。模型主要建立在乳腺癌细胞和有限的临床样本之上，还需要更大规模、前瞻性的临床试验验证。

如果后续验证成功，这类模型的意义可能不仅限于乳腺癌。研究人员希望最终建立能够模拟不同患者肿瘤状态的“数字细胞”，在真正给药之前先预测疗效、耐药风险和最佳药物组合，从而加快个体化癌症治疗和新药开发。