学术

近日，极速体育_必威体育$官网app网站数学与数据科学学院高洁教授团队在单细胞水平的药物反应预测领域取得重要突破。研究成果“scXDR: drug response prediction across single-cell datasets via heterogeneous network transfer learning”正式发表于Nature子刊Communications Biology。

单细胞药物反应预测为细胞分辨率级别的肿瘤精准治疗提供了重要的辅助信息。以往的单细胞药物反应预测方法大多通过整合细胞系bulk RNA测序数据和单细胞RNA测序数据，将细胞系的整体药物反应信息迁移至单个细胞。这些只利用RNA测序数据的方法忽略了药物作用时的复杂关联，而且两种测序数据之间的迁移难以克服固有差异，特别是将细胞系整体反应等同于单个细胞反应无法考虑细胞群体内部的异质性。这些瓶颈不可避免地限制了单细胞药物反应的预测精度。

基于此，高洁教授团队创新性地提出了单细胞药物反应预测模型scXDR，摒弃了传统的从bulk RNA测序数据到单细胞RNA测序数据迁移的思路，实现了跨单细胞数据集的药物反应预测。该模型不再局限于单一的基因表达数据（RNA测序数据），而是系统构建了包含药物、细胞、靶点及其相互作用的异构网络，并利用异构图神经网络对源域网络和目标域网络进行特征聚合，充分捕捉了药物、细胞和基因的特征信息及拓扑结构信息。作为模型的核心突破点，研究团队设计了特征迁移与结构迁移同时进行的双重对齐迁移机制，通过引入自编码器、对齐组件和结构重建组件，利用距离约束、方向约束和重建约束，将源域和目标域映射到同一潜在空间后共享预测器。这种设计不仅克服了不同单细胞数据集之间的特征分布差异，还确保了在迁移过程中异构网络保持拓扑结构的完整性。

在涵盖不同批次、不同药物、不同肿瘤及不同患者的四种复杂跨数据集场景中，scXDR的预测性能在AUC、AUPR、ACC、F1 Score指标和细胞群准确率上均优于现有的从批量水平到单细胞水平迁移的方法和从单细胞水平到单细胞水平迁移的方法。另外，在对应四种场景的四个案例研究中，scXDR展现了卓越的应用潜力，包括非小细胞肺癌细胞的“药物假期”治疗结局预测、黑色素瘤药物筛选预测、泛癌药物反应预测、乳腺癌患者潜在联合用药方案预测，都具有相关证据支持，证实了模型的应用能力。

scXDR的成功构建为单细胞药物反应预测提供了全新的计算框架，研究策略和相关应用结果为药物研发和个性化治疗提供了重要参考。高洁教授为唯一通讯作者，博士生亓冠鹏为论文第一作者，研究工作的第一完成单位与通讯单位均为极速体育_必威体育$官网app网站。研究得到了国家自然科学基金项目（项目编号：12271216、11831015、92370131）的资助。近年来，高洁教授团队在数学与计算生物学领域持续深耕，相关工作已陆续发表于本领域权威期刊。

论文链接：https://www.nature.com/articles/s42003-025-09418-5

图形摘要