近日，我校中藥學院譚寧華教授、王引引副研究員課題組與芬蘭赫爾辛基大學湯靖副教授團隊合作，在學科頂尖期刊Advanced Science上發表題為"A Network-Driven Framework for Drug Response Precision Prediction of Acute Myeloid Leukemia"的最新研究成果。我校為論文第一通訊單位，王引引副研究員、我校23級碩士研究生劉睿為共同第一作者，湯靖副教授、譚寧華教授為共同通訊作者。

急性髓系白血病（AML）是一種起源于骨髓造血干細胞的惡性克隆性疾病，患者對現有治療方案的反應差異巨大，亟需針對病人個體差異來制定精準的用藥方案。然而，腫瘤細胞的異質性使得尋找可靠的預測性生物標志物異常困難。傳統的基于bulk RNA-Seq和體外實驗的模型，往往難以捕捉隱藏在治療反應和耐藥性背后的復雜分子通路與基因網絡。為此，研究團隊開發了名為 NetAML 的網絡驅動精準藥物敏感性預測平臺。這項研究主要有以下關鍵發現：

1）大規模預測模型構建: 利用來自520名急性髓系白血病患者的RNA測序數據和體外藥物反應數據，NetAML系統性開發了87種臨床藥物的個性化預測模型。

2）網絡分析與機器學習融合：平臺的核心在于結合網絡分析和機器學習技術。這種方法能夠超越單個基因的局限，解析基因間的相互作用網絡。

3）揭示驅動藥物反應的生物學機制：NetAML成功識別出具有高度生物學意義的基因特征（gene signatures）。這些特征并非孤立基因的集合，而是能夠反映驅動不同藥物反應的復雜分子相互作用網絡。

4）發現新的耐藥機制：通過分析模型的基因特征模式，揭示C19ORF59基因與FLT3基因的共表達，與患者對FLT3抑制劑類藥物產生耐藥性顯著相關。這一發現為理解耐藥機制和開發克服策略提供了新線索。

5）推動個體化治療：構建藥物特異性預測模型，識別可臨床應用的生物標志物，預測特定患者對不同藥物的敏感性，從而為制定高度個體化的治療方案提供參考。

圖1  NetAML模型的示意圖

NetAML平臺將復雜的基因組、體外藥效等多維數據轉化為具有明確臨床指導意義的預測工具，體現了AI驅動的大數據分析所帶來的巨大潛力。該工作被選為當期的封面文章。

上述工作得到國家自然科學基金青年項目（No.82405199）、江蘇省青年項目（BK20231024）、中國藥科大學人才引進等項目的資助。

 文章鏈接：https://doi.org/10.1002/advs.202506447

（供稿單位：中藥學院，撰寫人：張印楠，審稿人： 劉帆）