
AI 揭露癌症的隱形標記:精準醫療的新曙光
「這項工具潛力無窮,能協助醫生為患者配對最有效的療法,減少治療上的試錯。」- Jun Ding, 麥基爾大學醫學系助理教授
(疾病標記的隱藏冰山:傳統基因分析的局限性)
傳統的基因分析方法通常將疾病標記簡化為單一基因計數,這如同只見冰山一角,忽略了細胞內 RNA 表達的細微變化。這些細微變化往往是疾病存在的徵兆、嚴重程度的指標,甚至是對治療反應的預測。因此,發展更精準的疾病標記檢測工具,對於早期診斷和個人化治療至關重要。現有的方法無法充分捕捉這些複雜的資訊,導致許多重要的疾病標記被忽略。
麥基爾大學的研究團隊開發了一款名為 DOLPHIN 的人工智慧工具,它超越了傳統的基因層面分析,深入觀察基因如何由稱為外顯子的更小片段組裝而成。想像一下,基因就像樂高積木,由許多小零件組成。DOLPHIN 能夠分析這些零件如何連接,從而揭示長久以來被忽視的重要疾病標記。這種精細的分析能力,為我們提供了更清晰的細胞狀態圖譜,有助於更精準地診斷和治療疾病。
在一個案例中,DOLPHIN 分析了胰臟癌患者的單細胞數據,發現了超過 800 個傳統工具遺漏的疾病標記。更重要的是,DOLPHIN 能夠區分高風險、侵略性癌症患者和病情較輕的患者。
這項資訊對於醫生選擇正確的治療方案至關重要。
精準的疾病分層,可以避免過度治療或治療不足的情況,提高患者的存活率和生活品質。
DOLPHIN 的突破為實現構建人類細胞數位模型的長期目標奠定了基礎。
DOLPHIN 能夠產生比傳統方法更豐富的單細胞圖譜,從而可以模擬細胞的行為以及對藥物的反應,進而減少在實驗室或臨床試驗中的時間和金錢成本。
想像一下,在真實世界進行臨床試驗之前,我們可以先在電腦上模擬藥物對不同患者細胞的作用,預測療效和副作用。這將大大提高新藥開發的效率,並加速精準醫療的發展。
研究團隊的下一步是將 DOLPHIN 的應用範圍從少量數據集擴展到數百萬個細胞,從而為未來更準確的虛擬細胞模型鋪平道路。這需要克服數據處理、演算法優化和計算資源等方面的挑戰。同時,研究團隊也將探索 DOLPHIN 在其他疾病領域的應用,例如阿茲海默症、心血管疾病等。
這項研究由麥基爾大學提供材料,並發表在《自然通訊》(Nature Communications)期刊上,標題為 “DOLPHIN advances single-cell transcriptomics beyond gene level by leveraging exon and junction reads” (作者為 Kailu Song 和 Jun Ding 等人)。
讀者可透過 Google Scholar 等學術搜尋引擎,輸入論文標題或作者姓名,找到相關研究論文。
Ref:
McGill University. (2025, October 1). DOLPHIN AI uncovers hundreds of invisible
cancer markers. ScienceDaily. Retrieved October 1, 2025 from
www.sciencedaily.com/releases/2025/10/251001092206.htm
Story Source:
Materials provided by McGill University. Note: Content may be edited for style and length.