撰文丨王聪
编辑丨王多鱼
排版丨水成文
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。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。
2026 年 9 月 9 日，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期刊发表了题为：UniCure: A Multi-Modal Model for Predicting Personalized Cancer Therapy Response 的研究论文。
该研究开发了一种用于预测个体化肿瘤用药响应的多模态基础模型——UniCure，能够预测药物在不同细胞环境中的转录组反应，通过整合癌细胞系数据与患者来源的模型，UniCure 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。
在这项最新研究中，研究团队开发了一种多模态基础模型——UniCure，通过整合生物学与化学基础模型，可预测药物在多种细胞和组织环境中的转录组响应，从而实现个体化药物排序。
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。
研究团队进一步在 345 个患者来源的肿瘤样细胞簇（Patient-derived Tumor-like Cluster，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。该模型还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。
用于多模态扰动预测及转化应用的 UniCure 框架
总体而言，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。
论文链接：
https://www.cell.com/cancer-cell/abstract/S1535-6108(26)00348-X
热门跟贴