近日，我校中药学院谭宁华教授、王引引副研究员课题组与芬兰赫尔辛基大学汤靖副教授团队合作，在学科顶尖期刊Advanced Science上发表题为"A Network-Driven Framework for Drug Response Precision Prediction of Acute Myeloid Leukemia"的最新研究成果。我校为论文第一通讯单位，王引引副研究员、我校23级硕士研究生刘睿为共同第一作者，汤靖副教授、谭宁华教授为共同通讯作者。
急性髓系白血病（AML）是一种起源于骨髓造血干细胞的恶性克隆性疾病，患者对现有治疗方案的反应差异巨大，亟需针对病人个体差异来制定精准的用药方案。然而，肿瘤细胞的异质性使得寻找可靠的预测性生物标志物异常困难。传统的基于bulk RNA-Seq和体外实验的模型，往往难以捕捉隐藏在治疗反应和耐药性背后的复杂分子通路与基因网络。为此，研究团队开发了名为 NetAML 的网络驱动精准药物敏感性预测平台。这项研究主要有以下关键发现：
1）大规模预测模型构建: 利用来自520名急性髓系白血病患者的RNA测序数据和体外药物反应数据，NetAML系统性开发了87种临床药物的个性化预测模型。
2）网络分析与机器学习融合：平台的核心在于结合网络分析和机器学习技术。这种方法能够超越单个基因的局限，解析基因间的相互作用网络。
3）揭示驱动药物反应的生物学机制：NetAML成功识别出具有高度生物学意义的基因特征（gene signatures）。这些特征并非孤立基因的集合，而是能够反映驱动不同药物反应的复杂分子相互作用网络。
4）发现新的耐药机制：通过分析模型的基因特征模式，揭示C19ORF59基因与FLT3基因的共表达，与患者对FLT3抑制剂类药物产生耐药性显著相关。这一发现为理解耐药机制和开发克服策略提供了新线索。
5）推动个体化治疗：构建药物特异性预测模型，识别可临床应用的生物标志物，预测特定患者对不同药物的敏感性，从而为制定高度个体化的治疗方案提供参考。
图1 NetAML模型的示意图
NetAML平台将复杂的基因组、体外药效等多维数据转化为具有明确临床指导意义的预测工具，体现了AI驱动的大数据分析所带来的巨大潜力。该工作被选为当期的封面文章。
上述工作得到国家自然科学基金青年项目（No.82405199）、江苏省青年项目（BK20231024）、中国药科大学人才引进等项目的资助。
文章链接：https://doi.org/10.1002/advs.202506447
（供稿单位：中药学院，撰写人：张印楠，审稿人： 刘帆）