生物科技 · global
追蹤免疫細胞如何回應藥物:Parse與Nomic建置一億細胞資料集
Cascade計畫串聯單細胞RNA與分泌蛋白的時間變化,為AI預測免疫反應提供實驗依據。資料正在生成,能否轉化為可靠的藥物探索工具,還要通過獨立驗證。
免疫細胞遇上藥物後,細胞內的基因活動與向外釋放的訊號,未必同步改變。若要讓AI預測治療如何影響免疫反應,研究者需要把這些變化連起來。Parse Biosciences與Nomic Bio於10月29日宣布合作建置Cascade,計畫整合一億筆單細胞RNA定序資料與上萬份分泌蛋白圖譜。目前資料生成仍在進行,這次公布的是合作與研究設計,完整資料集尚未完成。
依Nomic公布的設計,研究採用12名健康捐贈者的周邊血液單核球,男女各六人,涵蓋至少14種免疫細胞類型。每位捐贈者在每個時間點都有超過300種擾動條件,包括細胞激素、趨化激素與藥物等刺激,並於4、8及24小時測量反應。這樣的安排,希望捕捉單一時間點容易錯過的早期訊號與較晚出現的蛋白分泌。
兩家公司分別負責不同層次的量測:Parse的GigaLab產生單細胞RNA定序資料,Nomic則測量超過一千種分泌蛋白。RNA資料描繪各類細胞的基因表現;分泌蛋白則提供細胞對外傳遞訊號的另一層線索。計畫頁列出的蛋白資料規模超過11,500份圖譜,較合作公告所稱的「逾11,000份」更為具體。
這些量測將依捐贈者、實驗處理與時間點相互連結,並非為每一個細胞各自配上一份蛋白圖譜。對藥物探索而言,研究者可藉此檢驗:某類細胞的RNA變化,能否預示後續分泌蛋白的反應,再據此提出值得實驗追查的訊號路徑或候選靶點。這是資料集預定支援的用途,尚不是已證實的發現成果。
模型是否真正學到可推廣的生物規律,也需要另外設計考驗。Nomic提出,可將部分捐贈者或擾動條件保留在訓練資料之外,測試模型面對未見資料時的預測能力。不過,這次公告並未提供已完成的模型評估,或證明Cascade能提高新藥研發成功率的結果。
Cascade將以資料授權方式提供使用,已獲GSK、Pfizer、Sanofi、Graph Therapeutics與Turbine等基礎合作夥伴承諾參與。這顯示藥廠與運算藥物探索公司對此類實驗資源有需求,但合作名單本身無法證明資料品質或模型效能。
一億個細胞能增加量測的細緻度,卻不等於涵蓋一億人的生物差異。以12名健康捐贈者血液細胞建立的參考資料,能否解釋患者、病變組織或長期用藥下的反應,仍須補入相應實驗並獨立驗證。Cascade的價值,最終要看它能否幫助研究者提出更準確、也經得起實驗檢驗的免疫學假說。