- 3 次围观
背景 耐药耐受持续存活细胞（drug-tolerant persister, DTP）状态已被认为与多种癌症的复发相关，包括急性髓系白血病（acute myeloid leukaemia, AML）[1,2]。能够基于转录组数据对这类状态进行评分、泛化至留出样本、提供经校准的概率输出，并将预测结果关联至候选生物学机制的方法，对于后续实验工作的优先级排序具有重要价值。现有用于评分耐药耐受或类持续存活状态的转录组学方法，主要依赖固定基因特征集，或依赖事后改造的通用细胞类型分类器（scPred、scANVI、scClassify）；据我们所知，针对AML耐药耐受持续存活细胞评分而专门开发、同时具备经校准的概率输出、预先设定阈值以及针对离体药物反应数据进行透明外部验证的深度学习方法仍然缺乏。我们的方法通过结合Transformer教师模型、经知识蒸馏得到的1,000基因学生模型、预先设定的阈值{tau} = 0.31，以及针对BeatAML药物AUC的直接评估，填补了这一空白。我们的计算机模拟方法旨在填补当前不存在用于识别和标记DTP细胞的分析方法这一缺口。 方法 我们在一个合并的scRNA-seq语料库上训练了一个Transformer分类器，该语料库包含9个样本（其中6个来自GSE123902——肺腺癌转移灶、正常组织和原发肿瘤[4]——以及3个AML原发样本；共32,342个细胞，13,369个共有基因），采用按细胞分层的5折交叉验证、20%的留出测试集划分，以及基于折外预测结果选定的预设概率阈值。随后通过知识蒸馏[5]训练了一个1,000基因的学生模型。对于每个输入细胞，学生模型输出一个介于0和1之间的概率（以下称为“评分”），表示其属于训练集中正类的预测概率。在不进行重新调参的情况下，将训练好的模型应用于5个外部或独立应用队列：39例AML原发供者[内部数据]；GSE74246[6]；BeatAML（n = 452，具有对应离体药物AUC；n = 405，具有总生存元数据）[7]；TCGA-LAML（n = 149）[8]；以及一个内部n = 10、具有生存关联信息的scRNA-seq队列。生存和药物反应数据在训练、阈值选择或调参过程中均未使用。该评分进一步结合CRISPR/DepMap必需性数据[9]、通路富集分析以及经正常组织过滤的表面蛋白候选列表（HPA[11]，GTEx[12]）进行了机制锚定。为评估转录组优先级排序与蛋白水平证据之间的一致性，我们还为每个排序候选项额外标注了两个源自HPA的标记：HPA_surface_protein（是/否，来源于HPA Protein class和Subcellular location字段，用于识别被注释为质膜、GPCR、离子通道、转运体、受体或CD标志物的基因）以及HPA_antibody_reliability（Enhanced、Supported、Approved、Uncertain或Not available，依据HPA抗体验证等级）。注释信息基于HGNC符号进行合并；250个候选基因中有248个（99.2%）成功匹配。两个采用旧版CORF命名法的候选基因未能自动匹配HPA的小写命名规则，后经人工校正。HPA按基因的RNA-蛋白数值相关性仅发布于各基因网页，而不包含在批量下载数据中；因此我们采用检测水平和抗体可靠性等级作为实际操作中的一致性筛选标准。 结果 交叉验证的受试者工作特征曲线下面积（AUROC）为0.936 +/- 0.014（留出测试集为0.941，Matthews相关系数（MCC）为0.696，F1分数为0.895）。1,000基因学生模型与教师模型之间表现出Spearman {rho} {approx} 0.96的相关性，并且在预设阈值下类别一致性超过85%。最主要的外部结果来自BeatAML：该评分与7种AML相关药物的离体药物反应AUC相关，且各药物层面的Spearman相关性一致（r = 0.41–0.53，均p背景 耐药耐受持续存活细胞（drug-tolerant persister, DTP）状态已被证实与多种癌症的复发相关，包括急性髓系白血病（AML）[1,2]。能够从转录组数据中对这类状态进行评分、泛化至留出样本、输出经校准的概率，并将预测结果与候选生物学机制相联系的方法，对于后续实验工作的优先级排序具有重要价值。现有用于评估耐药耐受或类持续存活状态的转录组方法，大多依赖固定基因特征集，或依赖事后改造的通用细胞类型分类器（scPred、scANVI、scClassify）；据我们所知，专门为AML耐药耐受持续存活状态评分而开发、具有经校准的概率输出、预先指定阈值，并针对离体药物反应数据进行透明外部验证的深度学习方法仍然缺乏。我们的方法通过结合Transformer教师模型、知识蒸馏得到的1,000基因学生模型、预先指定阈值{tau} = 0.31，以及针对BeatAML药物AUC的直接评估，填补了这一空白。我们的计算机模拟方法旨在弥补当前缺乏用于识别和标记DTP细胞的分析方法这一空缺。
方法 我们在一个合并的scRNA-seq语料库上训练了一个Transformer分类器，该语料库包含9个样本（其中6个来自GSE123902——肺腺癌转移灶、正常组织和原发肿瘤[4]——以及3个原发AML样本；共32,342个细胞，13,369个共有基因），采用按细胞分层的5折交叉验证、20%的留出测试集划分，以及基于折外预测预先选定的概率阈值。随后通过知识蒸馏训练了一个1,000基因学生模型[5]。对于每个输入细胞，学生模型输出一个介于0和1之间的概率（下文称为“评分”），表示其属于训练集中阳性类别的预测成员资格。训练完成的模型在不进行重新调参的情况下，应用于5个外部或独立应用队列：39例原发AML供体[in-house]；GSE74246[6]；BeatAML（n = 452，具有关联的离体药物AUC；n = 405，具有总生存期元数据）[7]；TCGA-LAML（n = 149）[8]；以及一个具有关联生存数据的院内n = 10 scRNA-seq队列。生存和药物反应数据在训练、阈值选择或调参过程中均未使用。该评分还通过CRISPR/DepMap必需性[9]、通路富集分析，以及经正常组织过滤的表面蛋白候选列表（HPA[11]，GTEx[12]）进行了机制锚定。为评估转录组优先级排序与蛋白水平证据之间的一致性，对每个排序候选又额外标注了两个源自HPA的标记：HPA_surface_protein（是/否，来源于HPA Protein class和Subcellular location字段，用于识别被注释为质膜、GPCR、离子通道、转运蛋白、受体或CD标志物的基因）和HPA_antibody_reliability（Enhanced、Supported、Approved、Uncertain或Not available，对应HPA抗体验证等级）。这些注释基于HGNC符号进行合并；250个候选中有248个（99.2%）成功匹配。两个使用旧版CORF命名法的候选未能自动匹配HPA的小写命名规范，后经人工校正。HPA按基因的RNA-蛋白数值相关性仅发布于各基因网页，而未包含在批量下载数据中；因此，我们采用检测水平和抗体可靠性等级作为操作性一致性过滤标准。
结果 交叉验证的受试者工作特征曲线下面积（AUROC）为0.936 +/- 0.014（留出测试集为0.941，Matthews相关系数（MCC）为0.696，F1分数为0.895）。该1,000基因学生模型与教师模型之间表现出Spearman {rho} {approx} 0.96的相关性，并在预先指定阈值下实现了超过85%的类别一致性。最主要的外部结果来自BeatAML：该评分与7种AML相关药物的离体药物反应AUC相关，各药物的Spearman相关性一致（r = 0.41–0.53，均p
结论 我们提出了一种源自Transformer的转录组评分方法，以应对当前缺乏用于识别AML中耐药耐受持续存活样状态的经验证计算方法这一问题。该评分与离体药物反应在外部数据中表现出排序关联，可作为一种研究用途工具，用于优先筛选与持续存活相关的候选转录程序以供后续研究。总体而言，这些结果支持该评分作为AML药物反应相关状态的研究用途转录组排序工具。最强有力的外部支持来自其与BeatAML离体药物反应AUC之间一致的相关性。固定概率阈值未能在所有队列中可靠迁移，因此基于阈值的分类需要进行队列特异性的重新校准。该评分尚未被验证可用于临床决策，也并非作为生存预测指标提出。候选靶点列表可作为功能后续研究的起点。
关键词：AML；离体药物反应；单细胞RNA测序；Transformer；知识蒸馏；转录组评分；BeatAML；表面蛋白靶点优先排序。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.12.731810v1?rss=1
🏷️ 转录组评分 Transformer模型 AML 耐药耐受持续存活细胞 知识蒸馏 药物反应预测