服用抗癌药等药物时,疗效有时低于预期,韩国国内研究团队查明了其原因与解决方法。该成果依托利用人工智能(AI)掌握并优化细胞对药物反应程度的新技术。
基础科学研究院(IBS)17日表示,数理及计算科学研究团生物医学数学组组长(CI)金载庆的研究团队利用AI找出了“细胞间异质性”的根本原因,并提出了将异质性最小化的策略。研究成果于上月26日发表在国际学术期刊《细胞》的姊妹刊《Patterns》上。
即便是拥有相同基因的细胞,对相同的外部刺激也会表现出不同反应。这一特性被称为细胞间异质性。在新药开发中这是一个敏感问题,因为细胞受药物影响程度不同,可能降低治疗效果。例如投用抗癌药后,部分癌细胞死亡,但部分存活下来并再次增殖,导致无法完全治愈。学界认为,细胞对外部刺激作出反应的“信号传导体系”中的某一环节引发了细胞间异质性,但其确切原因尚未查明。
研究团队开发出新的机器学习方法论,找出了信号传导体系与细胞间异质性之间的关系。细胞受到外部刺激后,会经由信号传导体系生成一种名为“反应蛋白”的物质。其原理是,若知道随时间推移该物质生成了多少,就可推算各细胞对刺激的反应程度。研究团队实际开展了细胞对大肠杆菌抗生素反应的实验,找出了细胞间异质性的原因,并确认通过调节特定条件可以增加或减少异质性。
金组长表示:“若要掌握复杂细胞信号传导体系的全过程需要数十年研究,但我们团队提出的方法论可在数小时内只找出治疗所需的核心信息并用于治疗”,并称“期待能应用于实际临床使用的药物,以改善治疗效果”。






