University of Electronic Science & Technology of China

央企首次发布！材料领域“十大基础科学问题”买科研服务（代计算、代测试、超算机时），送老李校长“科研理工男士情感课”第一性原理计算解决50年悬而未决难题：半导体中铜为何扩散更快？Ab initio及第一性原理入门参考书介绍《海贼王》告诉你，做科研为什么不能闭门造车……985博导亲测：用DeepSeek写国自然本子，3天完成30天工作量来自公众号：ScienceAI本文以传播知识为目的，如有侵权请后台联系我们，我们将在第一时间删除。作者 | 论文团队编辑 | ScienceAI今天为大家介绍的是来自湖南大学、电子科技大学、厦门大学团队联合发表在 Nature Communications 期刊上关于罕见药物互作预测的文章。在现代医疗和临床用药中，大量的药物组合方式用于治疗复杂疾病，其中一些未被发现的不良药物-药物相互作用事件（DDIEs）严重威胁患者安全，尤其是罕见 DDIEs 更加难以识别。在这里，研究人员开展了基于双粒度结构驱动的对变分表示预测罕见 DDIEs 的研究，能够在少样本甚至是零样本场景下具有优异性能，并且验证了迁移药物相互作用机制元知识能够促进药物协同预测任务的性能以及合理性。本文将深度解析这一里程碑式突破。药物安全问题始终是医疗领域的核心挑战随着疾病复杂性的增加和生物医药科学的快速进展，联合用药方案正为癌症、慢性病等疑难疾病带来前所未有的治疗前景。然而，这背后潜藏着巨大的风险——潜在的药物相互作用事件（Drug-Drug Interaction Events, DDIEs）。这些互作不仅可能削弱疗效，更可能引发严重的不良反应，尤其是那些罕见且致命的相互作用事件，对患者健康构成巨大威胁。统计数据显示，仅在美国，每年因不良 DDI 事件导致的急诊就诊高达 7.4 万例、住院治疗 19.5 万例。尽管药物在获批前需经历严格的安全评估，但受限于实验规模、样本覆盖和成本投入，真正进入临床后，我们依然难以及时识别那些罕见的不良 DDIEs。这些稀有但高风险的 DDIEs，需要在使用前就被精准识别与预警，以最大程度保障患者安全。羟氯喹和阿奇霉素两种被批准的药物曾被用于 COVID-19 的治疗，但同时使用这两种药物会引起严重的心律不齐，威胁生命健康。由于传统实验方法费时费力，并且随着临床观察和药物开发的进展，新型 DDIE 不断出现。数据稀缺和不完整导致罕见 DDIE 的检测非常具有挑战性。而现有的计算方法主要集中在具有足够训练样本的相互作用事件预测任务上，忽视少样本数据以保证预测性能，防止过拟合。但同时失去了在新的相互作用事件上泛化能力，并且可扩展能力存在局限性。为破解这一难题，作者基于元学习的学习范式，将罕见药物相互作用预测问题构造为小样本预测问题，并将其定义为确定给定的药物对是否会表现出特定事件下的相互作用。这种学习架构通过引入新任务或新事件类别的少量支持集数据，通过训练形成的样本学习模式生成对这些新任务样本的理解，从而扩充模型学习到的知识库，进而可以对新任务的查询集样本给出预测，而无需该任务下大量的标记数据。尽管利用该学习范式预测罕见 DDIEs 理论上是有效的，但在实际训练过程中研究团队遇到三个重要挑战：第一个挑战是如何构建可推广、可泛化的药物表征，以全面捕获药物固有的各种功能信息。模型只有学习到真正有效的药物表征，才能在遇到新药物或新事件预测问题时能够基于模型形成的元知识构建相关特征并给出正确预测。第二个挑战是如何为药物对创建一个具有语义描述的通用关系度量空间，从而能够适应各种不同的新事件预测任务上。通常预测模型只是简单拼接两个药物特征，但这种方式不仅人为引入了顺序信息，并且拼接特征缺乏有具体含义的描述。因此模型需要构建一个统一的、有语义的表示空间，在提升描述能力的同时，能够有效泛化到新事件上。第三个挑战是确保元知识构建过程中的可解释性，以帮助后续的应用和分析。为了解决上述问题和挑战，团队提出了基于度量的元学习模型 RareDDIE，它使用双粒度结构信息驱动的成对药物变分表示来构建学习表征，增强罕见相互作用的预测效果。除此之外，研究团队还认为在实际临床用药中，对新出现的 DDIEs 预测本质上仍然是小样本预测问题，这是因为在临床实践中发现新的药物相互相互作用事件时，通常是伴随着已知的用药情况。但考虑到在浩瀚的药物组合空间中仍然可能存在许多未被出现过的事件，因此研究团队进一步扩充了 RareDDIE，构建用于预测零样本相互作用事件的变体 ZetaDDIE (zero-shot scenarios DDIE)。模型架构技术纵览团队首先针对罕见药物相互作用预测问题构建了以双粒度结构驱动（dual-granularity structural adaptation）和配对变分建模（paired variational representation）为核心的模型 RareDDIE，模型主要由五个模块构成：特征初始化模块 (FIN)、化学结构信息提取模块 (CSE)、任务引导的邻域自适应聚合模块 (NAI)、对变分表示模块 (PVR)、样本匹配预测模块 (Comparator)。具体来说，为了解决前述如何构建有效药物表征的挑战，研究团队提出使用双粒度结构建模，学习从分子到生物网络的完整生化功能特征。在分子结构粒度层面，作者首先将每个分子建模为分子图，其中原子作为节点、化学键作为边，并分别使用理化性质初始化节点和边的特征。然后基于多层消息传递机制与注意力机制在分子图中扩散特征信息，最终通过池化层得到具有分子结构信息的表征。在生物网络结构粒度层面，团队首先收集了药物-靶蛋白相互作用网络，并使用从生物医学知识图中无监督学习提取的先验特征来初始化该网络的节点和边，然后同样基于多层消息传递机制与注意力机制来学习药物在生物网络中的功能信息。然而，作者指出，仅用这种简单的方式无法捕捉到不同事件下药物的特异性生物功能特征。因为在这种设计下，无论面对哪种事件，药物对其邻域蛋白的关注程度始终是相同的。而实际相互作用过程中，不同的事件可能源于药物触发了不同的功能机制，所以药物对邻域蛋白的关注程度应随不同事件而有所区别。研究团队为了建模这一过程，进一步提出事件引导的邻域自适应聚合模块。其首先利用成对药物的分子结构特征计算一个弱关系类型表征，然后基于该表征计算出当前药物对不同邻域蛋白的关注程度，从而以自适应的方式捕捉事件特异性的邻域信息并融合了药物化学结构信息，形成双粒度结构的单药表征。在构建药物对特征时，为了避免引入没有意义的顺序信息并构建一个具有语义描述的通用关系度量空间，团队基于自变分编码器架构构建了对变分表示模块，有效的将每对药物嵌入转换到一般关系的度量空间中，团队发现在训练过程中能够自主形成与预测事件相关的潜在语义描述。最后，编码基于支持集构建的事件代理特征和每个查询集样本特征之间的距离关系，自适应计算阈值给出预测样本是否会产生该相互作用事件。除此之外，针对完全未知的 DDIE 事件，团队进一步通过引入大规模语句嵌入模型和生物语义迁移模块，提出 ZetaDDIE 变体模型。由于零样本事件没有任何样本可以用来构建作为知识补充的支持集，因此团队使用大规模语句嵌入模型提取事件的语句描述特征，并以此作为知识补充。然后基于对抗学习结构将该语义嵌入与通用关系度量空间对齐，从而即使在没有支持集的情况下，模型依然能够计算代理特征，并允许仅使用文本描述信息就可以进行预测。RareDDIE 在少样本和零样本场景下更优团队将模型与 7 种基线方法进行比较。为了验证模型预测效果，分别在常见、少见、罕见事件上进行了评估。然后又将训练好的模型不加微调直接用在独立数据集上进行测试评估。最后在零样本场景下进行了评估。结果显示效果几乎全面超过基线模型。除此之外，通过分析对比结果，作者认为支持集样本数量占比对模型性能具有重要影响，罕见事件中的样本相比常见事件的样本更具有代表性。因此对于具有充足数据的预测问题，推荐增加支持集样本的数量以促进预测性能，或者直接应用监督学习方法。迁移药物互作机制元知识能促进药物协同作用预测鉴于药物相互作用和药物协同作用都涉及生物系统内多个药物对蛋白质网络的调节过程，研究团队假设模型学习到的 DDIE 的机制元知识也可以有效地转移到药物协同作用预测任务上，并提高预测准确性。为了验证这一点，团队将药物协同作用预测任务定义为预测给定的药物对是否会在特定的细胞系中表现出协同作用的任务（类比药物相互作用预测任务：确定给定的药物对是否会表现出特定事件下的相互作用），并探索了使用迁移学习与否对药物协同作用预测的性能影响。结果发现，预测性能上，使用迁移学习效果明显好于从头学习的方式；训练过程上，使用迁移学习的收敛速度也明显优于从头学习的方式。研究团队还探索了基于迁移学习的模型与现有的专门针对药物协同作用预测的基线方法之间的性能差异，发现模型能够持平甚至优于这些方法。并且模型利用支持集样本数据驱动的细胞代理特征取代了细胞的基因表达数据，证明了丰富的药物相互作用元知识的确可以增强药物协同作用预测的效果。为了进一步说明细胞代理特征的有效性，作者可视化分析了模型预测器模块如何利用距离关系编码动态调整决策边界，以区分同一对药物组合在不同细胞下的作用情况。从双粒度结构中推理机制元知识研究结果表明，RareDDIE模型有效地提取了药物作用的机制元知识，能够将预测推广到新事件，并且还可以有效地将这些知识转移到跨域的药物协同预测任务。为了进一步研究该模型如何构建元知识，以解决前述第三个研究挑战，研究团队从三个角度进行了分析：生物邻域角度、分子结构角度和关系度量空间角度，实现从生物化学性质到表征意义的模型可解释性分析。以一个重要的罕见药物相互作用事件为研究对象，可视化其生物邻域背景图，发现不同药物间存在共享的作用基因，暗示它们可能存在功能重叠或共同作用机制，并通过邻域打分找到可能与相互作用发生相关的重要功能蛋白。然后通过分子对接等实验发现，模型能够识别与该蛋白质作用相关的关键分子亚结构，并且这些亚结构与蛋白质结合位点相对应。此外，通过对变分药物对特征的分析，发现模型在没有事件相似性数据监督的情况下，能够自动识别相似的DDI事件，并推断出潜在的医学语义信息。案例研究研究团队在预测严重罕见 DDI 事件（如抗血小板活性降低）的案例研究中进一步验证了模型的实际应用价值。模型基于非常有限的已知样本，成功识别出更多能够产生该相互作用的药物组合。更重要的是，支持集样本中仅有两种与抗血小板功能相关的药物，但模型成功识别出更多数据集以外的，与抗血小板功能相关的药物。除此之外，研究团队对非小细胞肺癌药物协同预测展开案例研究，在无细胞基因表达数据的情况下，利用支持集构建的细胞代理特征，对多个细胞系的药物协同作用进行了准确预测，充分展示了模型强大的泛化能力。总结与展望RareDDIE 的提出为罕见药物相互作用事件（DDIE）的预测开辟了新路径，不仅在少样本和零样本场景下展现出优越性能，也为药物协同预测和临床应用提供了重要支撑。通过双粒度结构驱动的对变分表示，模型有效解决了药物表示、事件关系建模及可解释性等核心挑战，并利用大规模语句嵌入模型和生物语义转移模块扩展到零样本预测，形成 ZetaDDIE。大规模实验和多角度可解释性分析表明，该方法能够自适应聚合化学和生物邻域信息、捕捉潜在医学语义，并为药物机制探索提供新的视角。此外，药物协同迁移实验和具体案例研究也验证了 RareDDIE在药物再利用和联合疗法设计中的潜在价值。未来，RareDDIE 仍有重要提升空间。例如，可通过更大规模、降噪优化的生物知识图谱减少信息偏差，或通过引入细胞系特异分子与表型特征，增强模型在个性化医疗和多样化临床场景中的泛化能力。随着模型不断完善，它有望成为药物安全性评估、个性化治疗推荐及新药开发中的关键工具，助力实现更安全、高效的患者护理与药物创新。Ren, Z., Zeng, X., Lao, Y. et al. Predicting rare drug-drug interaction events with dual-granular structure-adaptive and pair variational representation. Nat Commun 16, 3997 (2025). 原文链接：https://doi.org/10.1038/s41467-025-59431-9

点上方蓝字“ioncology”关注我们，然后点右上角“…”菜单，选择“设为星标”第七届天府肿瘤大会 微专辑扫描二维码可查看更多内容编者按近年来，由于诊疗模式的改变，卵巢癌的无进展生存期（PFS）和总生存期均有了显著延长。为了更好地开展临床工作，四川省肿瘤医院张国楠教授提出卵巢癌全程管理“六句箴言”：决策是方向，手术是基石，化疗是关键，PARP抑制剂是希望，MDT是护航，全程管理是保障。4月25～27日在成都召开的第七届天府肿瘤大会上，《肿瘤瞭望》荣幸邀请张国楠教授进行专访，全面阐释“六句箴言”的深刻内涵与临床意义。现将内容整理如下，以飨读者。张国楠 教授● 电子科技大学附属肿瘤医院/四川省肿瘤医院妇科肿瘤中心 教授、主任医师、博士研究生导师（电子科技大学和成都中医药大学）、MDT首席专家 、医学伦理委员会主任委员 、国务院特殊津贴专家、国之名医、天府名医、四川省学术技术带头人、有突出贡献优秀专家、卫健委首批领军人才● 中华医学会妇科肿瘤学分会 副主任委员 / 中华医学会妇产科分会 常务委员● 中国医师协会微无创医学专委会 副主任委员/妇科肿瘤学组组长● 中国医师协会妇产科分会常务委员／妇科肿瘤专委会、妇科手术ERAS专委会副主任委员● 国家肿瘤质控中心宫颈癌质控专家委员会委员● 四川省医学会妇科肿瘤学专委会主任委员/第八、十届妇产科专委会主任委员／妇科肿瘤学组组长● 四川省医师协会第三届妇产科医师分会会长● 四川省抗癌协会妇科肿瘤专委会主任委员／阴道镜宫颈病变学组组长● 《中华妇产科杂志》编委、《中国实用妇科与产科杂志》副主编、《实用妇产科杂志》副主编、《现代妇产科进展》副主编、 《妇产与遗传》副主编、《肿瘤预防与治疗杂志》副主编● 发表学术论文360余篇，获省市科技进步奖9项，培养博士（后）和硕士研究生70余人肿瘤瞭望：您提出的川肿卵巢癌全程管理“六句箴言”在临床实践中得到了广泛应用。请问您在提出这“六句箴言”时，是基于哪些临床痛点和需求？张国楠教授：卵巢癌作为妇科恶性肿瘤中致死率最高的疾病，其临床诊疗面临严峻挑战。由于缺乏早期诊断方法和典型临床表现，约75%的患者确诊时已属晚期，这使得治疗尤为棘手。针对晚期患者，目前主要采取两种治疗策略：一是直接行初始肿瘤细胞减灭术；二是对于无法达到满意减瘤效果或不能耐受手术的患者，采用新辅助化疗后行间歇性肿瘤细胞减灭术（IDS）。然而即便如此，70%左右的患者仍会在两年内复发，加之化疗耐药问题，治疗过程异常艰难。近年来，PARP抑制剂的问世改变了治疗模式。从传统的手术-化疗-随访模式转变为手术-化疗-PARP抑制剂维持治疗-随访模式。虽然患者PFS有所改善，但效果仍不理想。值得注意的是，PARP抑制剂的最大获益人群仍局限于BRCA基因突变患者，而BRCA野生型和HRD阴性患者的治疗依然面临巨大挑战。因此，我提出：手术是基石，研究表明只有达到R0切除的患者才能获得最佳预后；化疗是关键，可清除残留病灶；PARP抑制剂则为部分患者带来延长PFS的希望。此外，由于卵巢癌常发生腹腔广泛转移，手术往往涉及肝胆、泌尿、胃肠等多个系统，必须依靠MDT协作才能实现理想的手术效果。同样，药物治疗（包括化疗、靶向治疗、免疫治疗等）也需要在MDT指导下优化治疗方案、提高疗效。而全程管理则是确保治疗效果的重要保障。我最后提出的是“决策是方向”这一原则，但将其置于首位，这足以显示这项原则的重要性。在治疗过程中，正确的决策方向至关重要。如果治疗方向错误，即使方案再先进、措施再完善，也难以取得理想效果。因此，制定科学合理的治疗策略是卵巢癌全程管理的首要任务。肿瘤瞭望：在“六句箴言”中，您特别强调了MDT在卵巢癌全程管理中的护航作用。能否请您分享一些川肿MDT的实践模式和经验？张国楠教授：我们严格遵循MDT诊疗规范，固定时间、固定地点，由妇瘤科、肝胆外科、泌尿外科、结直肠外科、肿瘤内科、放疗科、病理科、影像科及护理团队等固定学科专家参与。这种规范化的MDT模式不同于普通会诊，其本质是一个系统性的决策过程。我们通过多学科协作，在治疗伊始就为患者制定明确的诊疗方向和个体化策略。特别需要强调的是，MDT的价值不仅在于处理已经出现的并发症，更重要的是通过规范化的诊疗决策，避免因治疗不当导致的并发症。虽然肿瘤发展过程中部分并发症难以避免，但我们需要通过MDT的科学决策，最大限度地减少不规范治疗带来的额外风险，为患者提供最优化的全程管理方案。肿瘤瞭望：在“六句箴言”中，全程管理被强调为保障患者治疗效果的重要环节。您认为在患者教育和心理支持方面，临床医生可以采取哪些具体措施，以帮助患者更好地应对疾病和治疗过程？张国楠教授：随着治疗模式的革新，卵巢癌的疾病管理已取得显著进展。目前五年生存率约50%，这意味着卵巢癌正在从高致死性疾病逐步转变为类似高血压、糖尿病等可长期管理的慢性疾病。在临床实践中，我们不仅要“治病”，更要“治人”，要重视患者的整体管理。除常规查房时的医患沟通外，我们建立了系统的患者支持体系：定期举办患教会，编写针对性的科普文章，出版宫颈癌筛查、卵巢癌患者自我管理等相关书籍，内容包含了临床实践中患者最关心的实际问题，旨在帮助患者增强战胜疾病的信心，提升治疗依从性。这种身心并重的管理模式，正是我们践行全程管理理念的重要内涵。肿瘤瞭望：随着精准医疗的发展，卵巢癌的治疗越来越注重个体化。在“六句箴言”的指导下，如何更好地结合基因检测、生物标志物等新技术，实现精准诊断和治疗？张国楠教授：这六句箴言并非一成不变的完美方案。随着医学技术的持续进步和治疗理念的不断更新，它们必将得到持续完善。特别是在卵巢癌精准治疗领域的发展趋势下，我们的治疗内涵需要与时俱进地丰富和拓展。当前，基因检测等新技术已经为临床带来了更精准的诊断方法和靶向药物选择。例如新型ADC药物的应用就是针对特定分子靶点开展的治疗实践。可以预见，随着新靶点的不断发现，更多创新药物将会问世。这就要求我们必须建立相应的检测体系作为支撑，确保这些精准治疗手段能够得到科学合理的临床应用。（来源：《肿瘤瞭望》编辑部）声 明凡署名原创的文章版权属《肿瘤瞭望》所有，欢迎分享、转载。本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。

点上方蓝字“ioncology”关注我们，然后点右上角“…”菜单，选择“设为星标”ELCC 2025 微专辑扫描二维码可查看更多内容在巴黎举行的2024年欧洲肺癌大会（ELCC）上，《肿瘤瞭望》现场邀请四川省肿瘤医院姚文秀教授进行专访，就本届大会公布的抗体偶联药物（ADC）最新研究成果进行解读。在肺癌一线和后线治疗方面，2025 ELCC发布了哪些重要ADC研究进展？姚文秀教授：2025年欧洲肺癌大会（ELCC）的内容与ASCO、ESMO和WCLC等国际会议略有不同。本届ELCC会议除了聚焦免疫治疗和靶向治疗等前沿领域，也更多地关注了ADC（抗体偶联药物）与双抗类药物的研究成果。尤其值得关注的是，中国开展了许多ADC药物与双抗类药物的I-III期临床研究，有很多优秀的研究结果在2025 ELCC会议上展示。目前ADC在肺癌领域的研发主要聚焦于两类靶点：TROP2和HER家族（HER2/HER3）。引发国际广泛关注的TROP2 ADC包括Dato-DXd等；国产代表药物包括科伦博泰研发的SKB264（芦康沙妥珠单抗），近期已获批用于EGFR-TKI和含铂化疗治疗后进展的EGFR突变局部晚期或转移性非鳞状非小细胞肺癌（NSCLC）。本届ELCC也展示了多项TROP2 ADC、HER2 ADC及HER3 ADC研究进展，例如首日举行的优选口头报告专场1发布的ORCHARD研究（摘要号1O）显示，针对三代EGFR-TKI一线治疗耐药难题，TROP2 ADC药物Dato-DXd联合奥希替尼治疗EGFR突变晚期NSCLC显示出良好的疗效和可控的安全性。我们期待ADC和双抗领域的研究进展能为患者带来更多选择。ADC药物在非小细胞肺癌领域的研发面临哪些挑战？姚文秀教授：ADC用于肺癌治疗面临疗效优化、毒性管控和耐药逆转等多方面的挑战：ADC疗效与传统疗法的优效性对比尚需长期随访，ADC与其他药物联合用药的不良反应管控面临挑战，ADC治疗耐药机制和耐药后的治疗策略需要进一步探索。为了进一步突破ADC在肺癌治疗中的疗效瓶颈，未来需通过哪些途径进一步完善ADC的研发？姚文秀教授：为了进一步推动ADC的研究进步，未来需重视靶点优化、连接子与载荷创新、联合策略以提高疗效，还需要完善安全性管理。ADC的每个组成部分（抗体、连接子和有效载荷）都可能影响ADC诱导的毒性，比如SKB264的不良反应（AE）包括骨髓抑制、消化道反应等典型的化疗毒性，还可能导致口腔黏膜炎等特殊的AE。未来需要探索ADC与其他药物联合，比如研发双抗ADC，通过不同作用机制协同增效，增强靶向性以减少抗原逃逸，但如何降低这种药物的不良反应是需要重视的问题。姚文秀 教授（上下滑动可查看）四川省肿瘤医院肿瘤内科主任医师，肿瘤内科党总支书记，主持肿瘤内科工作（行政主任），肿瘤学博士，电子科技大学及成都医学院研究生导师；国家肿瘤质控中心肺癌质控专家委员会委员；国家疼痛质控中心难治性癌痛专家委员会委员；CRPC难治性癌痛学组委员；四川省抗癌协会小细胞肺癌专委会主任委员；四川省抗癌协会肿瘤疼痛学第一届专委会主任委员；南方肿瘤临床研究协会常委；CSWOG肺癌专委会副主任委员；四川省免疫协会常务理事；四川省女医师协会肿瘤治疗专委会副主任委员；四川省肿瘤学会肺癌专委会副主任委员；四川省医学会流行病学专委会副主任委员；四川省有突出贡献优秀专家；四川省国际医学交流促进会MDT专委会副会长；四川省卫健委学术技术带头人；《肿瘤预防与治疗》杂志编委。《肿瘤瞭望》在ELCC现场报道（来源：《肿瘤瞭望》编辑部）声 明凡署名原创的文章版权属《肿瘤瞭望》所有，欢迎分享、转载。本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。