多組學(xué)技術(shù)和人工智能算法的同步發(fā)展推動了癌癥精確醫(yī)學(xué)的發(fā)展勇垛。2023年1月《Seminars in Cancer Biology》發(fā)表了一篇綜述文章茵典，全面總結(jié)了基于人工智能的多組學(xué)腫瘤分析的最新進(jìn)展，重點介紹了基于人工智能的多組學(xué)技術(shù)在癌癥診斷、分類陈肛、早期篩查匾乓、反應(yīng)評估和預(yù)后預(yù)測方面的應(yīng)用程梦。

多組學(xué)技術(shù)

隨著高通量生物技術(shù)的發(fā)展且警，已經(jīng)開發(fā)了多種組學(xué)技術(shù)來表征不同但互補(bǔ)的生物信息熊锭，包括基因組學(xué)弧轧、表觀基因組學(xué)、轉(zhuǎn)錄組學(xué)碗殷、蛋白組學(xué)和代謝組學(xué)等精绎。

單細(xì)胞技術(shù)的出現(xiàn)為以單細(xì)胞分辨率研究組學(xué)特征提供了強(qiáng)大的解決方案，它可以捕獲bulk omics數(shù)據(jù)無法獲取的生物信息锌妻。隨著各種單細(xì)胞組學(xué)技術(shù)的進(jìn)步代乃，現(xiàn)在可以生成多模態(tài)數(shù)據(jù)來回答各種生物學(xué)問題，例如腫瘤內(nèi)異質(zhì)性仿粹、腫瘤微環(huán)境重編程搁吓、轉(zhuǎn)移傳播和治療耐藥性。因此吭历，單細(xì)胞組學(xué)技術(shù)有可能改善癌癥醫(yī)學(xué)的幾個領(lǐng)域堕仔，包括早期檢測、診斷和風(fēng)險分層晌区、無創(chuàng)監(jiān)測和藥物靶點發(fā)現(xiàn)摩骨。

作為醫(yī)學(xué)影像學(xué)的兩個主要分支通贞，病理學(xué)和放射學(xué)在不同的生物學(xué)尺度上描述了腫瘤的不同特征。目前大多數(shù)食品和藥物管理局批準(zhǔn)的臨床腫瘤學(xué)AI應(yīng)用程序主要用于解析醫(yī)學(xué)影像數(shù)據(jù)仿吞。醫(yī)學(xué)成像領(lǐng)域的快速發(fā)展促使人們需要研究圖像特征滑频、分子特征和臨床結(jié)果之間的關(guān)聯(lián)。最近放射基因組學(xué)的出現(xiàn)加速了醫(yī)學(xué)成像和基因組學(xué)技術(shù)的融合唤冈，這通過研究成像特征和基因組模式之間的相關(guān)性來擴(kuò)展放射組學(xué)方法峡迷。放射基因組學(xué)為疾病進(jìn)展和治療反應(yīng)的潛在機(jī)制提供了見解，同時允許生物標(biāo)志物的發(fā)現(xiàn)你虹，以無創(chuàng)的方式進(jìn)行精確診斷和管理绘搞。目前已探索了人工智能策略，將成像特征集成到多組學(xué)數(shù)據(jù)源中傅物，并為醫(yī)學(xué)研究開辟了新方向夯辖。

大量證據(jù)強(qiáng)調(diào)微生物群在癌癥中的關(guān)鍵作用，微生物組已成為癌癥研究中越來越受關(guān)注的領(lǐng)域董饰。其他診斷方式蒿褂，例如游離DNA (cfDNA) 分析和臨床實驗室系列測試，可提供縱向數(shù)據(jù)信息以監(jiān)測腫瘤進(jìn)展卒暂。此外啄栓，作為補(bǔ)充數(shù)據(jù)源的臨床數(shù)據(jù)可以為診斷提供有意義的信息。人工智能驅(qū)動的多組學(xué)和多模態(tài)數(shù)據(jù)綜合分析可以通過從復(fù)雜數(shù)據(jù)中提取知識來闡明研究結(jié)果也祠，從而為患者定制治療提供新的機(jī)會昙楚。

基于人工智能的多組學(xué)分析方法

最近的人工智能技術(shù)已經(jīng)從“淺層”學(xué)習(xí)架構(gòu)發(fā)展到“深度”學(xué)習(xí)架構(gòu)。作為人工智能的一個重要分支诈嘿，機(jī)器學(xué)習(xí)（ML）可以自動學(xué)習(xí)捕捉復(fù)雜的模式堪旧，并根據(jù)數(shù)據(jù)做出智能決策。ML在癌癥研究和臨床腫瘤學(xué)中有著非常廣泛的應(yīng)用奖亚。特別是淳梦，在多組學(xué)數(shù)據(jù)快速增長的推動下，屬于ML子領(lǐng)域的基于深度學(xué)習(xí)（DL）的方法已成為生物醫(yī)學(xué)數(shù)據(jù)分析的強(qiáng)大工具昔字。?

人工智能方法促進(jìn)了單組學(xué)分析

人工智能方法在不同的基因組學(xué)領(lǐng)域取得了顯著的成功谭跨，例如3D基因組結(jié)構(gòu)預(yù)測、表觀基因組修飾和染色質(zhì)可及性建模李滴、基因組注釋螃宙、sgRNA設(shè)計和基因組編輯的結(jié)果預(yù)測。在轉(zhuǎn)錄組學(xué)領(lǐng)域所坯，人工智能方法已被廣泛用于研究基因表達(dá)谆扎、選擇性剪接和轉(zhuǎn)錄因子結(jié)合，促進(jìn)疾病進(jìn)展分子機(jī)制的發(fā)現(xiàn)芹助。值得注意的是堂湖，轉(zhuǎn)錄組學(xué)技術(shù)結(jié)合ML可以作為早期檢測闲先、癌癥分類以及預(yù)后和復(fù)發(fā)預(yù)測的輔助診斷工具。

人工智能方法在蛋白組學(xué)和代謝組學(xué)分析中也得到了很好的應(yīng)用无蜂。AI方法適用于基于MS的蛋白組學(xué)分析伺糠，特別是識別未知肽，具有較高的準(zhǔn)確性斥季。此外训桶，人工智能方法還被用于解析蛋白質(zhì)-核酸和蛋白質(zhì)-蛋白質(zhì)相互作用，這對多種生物過程具有重要意義酣倾。同樣舵揭，代謝組學(xué)研究也高度依賴人工智能方法。通過使用AI算法躁锡，代謝組學(xué)的數(shù)據(jù)處理和分析得到了進(jìn)一步改進(jìn)午绳。人工智能方法在代謝組學(xué)研究中的另一個有趣的應(yīng)用領(lǐng)域是代謝建模，其中人工智能算法通常用于建模過程中的參數(shù)優(yōu)化和代謝網(wǎng)絡(luò)重建映之。目前拦焚，人工智能方法還承擔(dān)著單細(xì)胞組學(xué)分析中的大部分任務(wù)，包括數(shù)據(jù)去噪和插補(bǔ)杠输、批次效應(yīng)校正赎败、細(xì)胞聚類、軌跡推斷等抬伺。近年來螟够，人工智能在放射和病理學(xué)分析中也取得了前所未有的成功灾梦，啟發(fā)了我們對癌癥發(fā)生和發(fā)展機(jī)制的認(rèn)識峡钓。與此同時，人工智能輔助的放射和病理學(xué)技術(shù)可以跟蹤疾病狀態(tài)動態(tài)若河，并有助于癌癥的診斷能岩、預(yù)測和治療∠舾＃總之拉鹃，人工智能方法在不同的組學(xué)研究中取得了顯著的成就，并在很大程度上促進(jìn)了我們對生物機(jī)制的理解鲫忍。

基于AI的多組學(xué)數(shù)據(jù)整合分析

多組學(xué)數(shù)據(jù)有三種整合策略膏燕，包括早期整合、中期整合和后期整合悟民。早期整合是整合分析最直接的策略坝辫，它只需將每個組學(xué)層的不同特征連接到一個整合數(shù)據(jù)集中。然而射亏，由于特征空間太大近忙，這可能會導(dǎo)致“維數(shù)災(zāi)難”竭业。在后期整合中，在每個組學(xué)層獨(dú)立進(jìn)行分析及舍，然后在最后整合結(jié)果未辆。與上述兩種整合策略相比，中間整合可以使用各種轉(zhuǎn)換方法將不同的模態(tài)數(shù)據(jù)轉(zhuǎn)換為適當(dāng)?shù)闹虚g表示锯玛，從而能夠捕獲嵌入每個組學(xué)中的更多互補(bǔ)信息咐柜，并考慮跨組學(xué)層的新交互。

在多組學(xué)的范圍內(nèi)更振，一系列人工智能方法炕桨，特別是ML，已經(jīng)廣泛應(yīng)用于多組學(xué)數(shù)據(jù)的整合分析肯腕，這可以系統(tǒng)地捕捉多組學(xué)之間的復(fù)雜性献宫，并建立更可靠的多組學(xué)關(guān)聯(lián)。此外实撒，人工智能方法可以有效解決數(shù)據(jù)異構(gòu)性姊途、“維度災(zāi)難”、數(shù)據(jù)缺失知态、大數(shù)據(jù)可擴(kuò)展性和類不平衡等問題捷兰。通過AI算法（如臨床和電子健康記錄數(shù)據(jù)和臨床實驗室測試）整合多組學(xué)數(shù)據(jù)和非組學(xué)數(shù)據(jù)，還可以提供機(jī)會將基因型和臨床表型聯(lián)系起來负敏，并全面描述腫瘤狀態(tài)贡茅。因此，基于AI的多模態(tài)數(shù)據(jù)的綜合分析對于精確醫(yī)學(xué)的臨床診斷和決策是有可行性的其做。隨著多組學(xué)技術(shù)的發(fā)展和新分析方法的出現(xiàn)顶考，基于AI的多組學(xué)分析將極大地促進(jìn)治療策略的發(fā)展，特別是針對精準(zhǔn)醫(yī)學(xué)妖泄。

基于人工智能的多組學(xué)分析

在癌癥精準(zhǔn)醫(yī)學(xué)中的應(yīng)用

癌癥治療的前提是準(zhǔn)確診斷癌癥亞型并提出最佳治療策略驹沿，以延長患者的生存期。目前蹈胡，人工智能算法可以集成來自多個平臺的數(shù)據(jù)渊季，包括基因組學(xué)、表觀基因組學(xué)罚渐、轉(zhuǎn)錄組學(xué)却汉、蛋白組學(xué)、代謝組學(xué)荷并、病理學(xué)合砂、放射學(xué)等，以更準(zhǔn)確地識別癌癥亞型璧坟，并為預(yù)測癌癥預(yù)后和治療反應(yīng)提供強(qiáng)大的工具既穆。

早期癌癥檢測和篩查

癌癥分類

癌癥診斷?

預(yù)后預(yù)測

治療反應(yīng)預(yù)測

多組學(xué)技術(shù)在精確腫瘤學(xué)領(lǐng)域有著特別的前景赎懦，人工智能可以利用各種來源的信息內(nèi)容，為了解癌癥生物學(xué)開辟新的視野幻工，并為準(zhǔn)確診斷癌癥和制定更精確的治療策略提供機(jī)會励两。盡管仍面臨數(shù)據(jù)稀缺、模態(tài)數(shù)據(jù)的高度異質(zhì)性和復(fù)雜性囊颅、缺乏可解釋性和可重復(fù)性等挑戰(zhàn)当悔，但目前已有大量的持續(xù)工作來解決這些問題，并促進(jìn)基于AI多組學(xué)分析的臨床轉(zhuǎn)化踢代。隨著臨床實踐中產(chǎn)生的多組學(xué)數(shù)據(jù)越來越多盲憎，人工智能技術(shù)將提供有意義的信息來指導(dǎo)臨床決策，最終推動精準(zhǔn)癌癥管理的創(chuàng)新胳挎。??

首發(fā)公號國家基因庫大數(shù)據(jù)平臺??

參考文獻(xiàn)

He X, Liu X, Zuo F, et al. Artificial intelligence-based multi-omics analysis fuels cancer precision medicine[C]//Seminars in Cancer Biology. Academic Press, 2022.