根据《自然方法》杂志发表的一项新研究，德克萨斯大学西南医学中心的研究人员开发的计算机模型显著增强了科学家检测细胞间通讯的能力。

计算机模型增强了细胞间通讯的检测

该模型名为 Spacia，有助于增进对多种疾病的了解，包括癌症、自身免疫性疾病、传染病和发育异常。

“细胞间通讯 (CCC) 对所有生命形式都极为重要。借助 Spacia，我们能够比以往更好地解读它，”德克萨斯大学西南医学中心彼得奥唐纳公共卫生学院和宿主防御遗传学中心副教授 Tao Wang 博士说道。他是西蒙斯癌症中心人口科学与癌症控制研究项目的成员。

王博士与谢阳博士共同领导了这项研究，谢阳博士是奥唐奈公共卫生学院和莱达希尔生物信息学系的教授，也是德克萨斯大学西南医学院数据科学副院长。王博士和谢博士是奥唐奈公共卫生学院定量生物医学研究中心的研究员。

CCC 是多种生物过程所必需的，包括发育、健康维持和疾病进展。近年来，研究人员开发了实验技术，提供有关单个细胞中基因活动的信息(单细胞测序)，甚至细胞的位置(空间分辨转录组学，SRT)，这为推断 CCC 提供了关键信息。

然而，分析这些技术产生的大量数据以提取准确的 CCC 关系的程序有几个缺点。例如，一些程序对空间相邻细胞群的基因活动进行平均读取，从而失去了单细胞分辨率，而其他程序只能检测已知调控途径中细胞之间的通信。

为了克服这些问题，王博士、谢博士及其同事使用一种称为多示例学习 (MIL) 的数学技术来开发 Spacia，以便从 SRT 数据推断 CCC。谢博士解释说，MIL 是机器学习的一个子集，在计算机科学领域广为人知;然而，它很少被探索用于生物医学。

研究人员使用 SRT 生成的数据在各种情况下测试了 Spacia，并获得了重要见解。例如，使用来自前列腺癌组织的 SRT 数据集，Spacia 发现肿瘤微环境中的几种细胞类型参与了一种称为上皮-间质转化的现象，这是转移的重要因素。

研究人员在包括乳腺癌、结肠癌、皮肤癌和肺癌等类型的泛癌症 SRT 数据集上部署了 Spacia，发现 B 细胞(一种免疫细胞)对免疫治疗药物(称为检查点抑制剂)所针对的肿瘤细胞的信号有反应。

他们还发现了不同的 CCC 特征，可以准确预测癌症患者的生存率及其对检查点抑制剂的反应。

谢博士表示：“我们的研究凸显了整合空间和转录组数据的力量，可以揭示驱动疾病进展和治疗耐药性的隐藏细胞相互作用。Spacia 代表了我们将分子见解转化为临床应用的能力的重大进步，最终改善了患者护理。”

谢博士指出，Spacia 目前最适用于生物研究。但最终，随着目前 SRT 的高成本下降，医生可能会利用这一工具来识别针对个别患者疾病的药物靶点，从而大大改善个性化医疗。