核心观点 - 研究团队开发了一种名为UniCure的多模态基础模型，用于预测个体化肿瘤用药响应，该模型通过整合癌细胞系数据与患者来源模型，实现了个性化的药物优先级排序和患者分层，其预测的治疗排序与真实世界队列中的临床生存结果具有高度相关性 [3] 模型开发与训练 - UniCure基于涵盖超过2.2万种化合物、166种细胞类型和24种组织的190万个转录组扰动谱进行训练，能够准确预测剂量依赖性和联合用药响应，并在整体和单细胞数据之间实现良好的泛化能力 [6] 模型验证与应用 - 研究团队在345个患者来源的肿瘤样细胞簇（PTC）转录组谱上对UniCure进行了微调，并在396个真实临床样本中验证其性能，证明了其在患者层面的有效预测能力 [6] - 该模型支持基于治疗响应的患者分层，并已在细胞系及患者来源模型中得到实验验证 [6] - UniCure为将临床前数据转化为个性化治疗策略提供了一个实用框架 [7] 研究背景与意义 - 在肿瘤学中，预测药物在不同患者情况下的疗效仍是一个重大挑战，因为基于癌细胞系训练的模型往往无法捕捉到个体患者的特异性生物学特征，而新兴的生物基础模型和患者来源技术为解决这一问题提供了有前景的方案 [2] 研究团队与发表 - 该研究由中科院分子细胞科学卓越创新中心陈洛南研究员、海军军医大学张卫东教授、北京科学智能研究院温翰研究员、北京大学人民医院王姝教授、同济大学附属上海市肺科医院任胜祥教授、海军军医大学田赛赛讲师作为共同通讯作者，同济大学陈泽熙、海军军医大学田赛赛为论文共同第一作者，在Cancer Cell期刊发表 [2]