同样一种抗癌药，对这个患者有效，对那个患者就没用。这一直是癌症治疗的难题。最近一个叫ProteinTalks的AI工具可能提供了新思路。它不是看细胞在某一时刻的样子，而是追踪蛋白质怎样随时间变化，从而预测药物能否起效。研究发表在《自然》杂志上。
ProteinTalks的做法有点不一样。研究人员用18种乳腺癌细胞，分别用63种FDA批准的抗癌药和59个药物组合处理。然后在用药前、用药后6小时、24小时、48小时分别测量蛋白质水平。这样做出来的数据有3800万个蛋白测量点。
普通的AI模型看到的是细胞在某一刻的样子。ProteinTalks看的是蛋白如何一步步变化。这让它能学到细胞对药物的真实反应过程。
成绩怎么样
ProteinTalks比同类方法表现更好。对81种从没见过的抗癌药，它都能准确预测效果。
更重要的是，它从众多药物组合里找出了4对特别有效的配方，针对的是三阴性乳腺癌——这是最难治的乳腺癌之一，因为缺少激素受体，用常规疗法很难。
蛋白变化暴露耐药性
追踪蛋白质水平能看出药物怎样起效，也能发现癌细胞为什么会对药产生耐药性。
研究人员发现一个叫AKR1C3的蛋白与耐药有关。他们试着把这个蛋白敲掉，结果癌细胞对化疗药紫杉醇的敏感性回来了。实验数据证实了这一点。
有意思的是，虽然ProteinTalks是用乳腺癌细胞训练出来的，但它也能预测肺癌、结肠癌、胰腺癌和黑色素瘤细胞的反应。说明这套方法抓住了癌细胞对药物反应的共同规律。
个体化治疗的可能
研究人员分析了501名三阴性乳腺癌患者的肿瘤，看他们的蛋白特征，预测谁会复发、谁的长期生存前景更好。
他们还在患者来源的mini肿瘤上做筛选，用ProteinTalks找到了针对每个患者的最佳药物。这些个体化的药在很低剂量就能杀死肿瘤细胞，远比标准化疗的剂量要小。同时也找到了一些很有前景的药物组合。
走向虚拟细胞
现在的问题是，某种药物对这个患者有效，对另一个患者就没效。这个新工具通过追踪蛋白质的动态变化来理解细胞行为，为建立可解释的AI虚拟细胞迈出了一步。
按照这个思路，医生在给患者做昂贵的实验室测试之前，就能用ProteinTalks找到最有希望的药。根据患者肿瘤本身的蛋白特征来设计治疗方案，而不是一刀切地用标准疗法。、
参考文献：Rui Sun et al, An operational perturbation proteomics-based virtual cell model, Nature (2026). DOI: 10.1038/s41586-026-11001-9
编辑：王洪
排版：李丽
评论 (0)