據了解，美國 Owkin 公司正在致力於生成大型數據集。2023 年 6 月，該公司發起了一項倡議，旨在建立全球最大的癌癥空間組學數據集，即針對七種難以治療的癌癥，征集來自 7000 名患者的數據集。
在這項名為癌癥多組學空間圖譜（MOSAIC，Multi-Omics Spatial Atlas in Cancer）的計畫中，透過生成數據以及挖掘數據，研究人員尋找和確定了能用於設計新藥的靶向分子。
為了推進這一倡議，Owkin 公司正在進行多項準備，並將充分利用龐大的合作醫院網路。據了解，在 MOSAIC 建立數據集的計畫中，該公司正在與五家世界級的癌癥研究醫院展開合作。
該公司在 AI 方面也有著一定經驗，過去五年間其累計發表 54 篇研究論文，有的論文提出了基於 AI 的創新方法，有的建立了包括多種癌癥在內的疾病預測模型。
同時，該公司也正開發新的方法，利用空間組學技術來辨識新的治療靶點和患者亞群。利用這種前沿性的方法，透過腫瘤活檢影像，就可以了解患者病情發展與腫瘤異質性之間的關系。
憑借此前積累以及 MOSAIC 的合作聯盟，Owkin 公司正在開發下一代 AI 方法，來建立分子層面的有關疾病異質性的理解、以及與患者病情發展的聯系。
總之，在本次計畫之中，該公司將空間組學和 AI 加以了良好結合。空間組學被 Nature Methods 雜誌評為「2020 年度方法」，並與生成式 AI 一起被世界經濟論壇評為「2023 年十大新興技術之一」。
（來源：AI 生成）
人體細胞數量有 37 萬億，這些細胞是如何協同工作從而維持生命的？這一問題可能是生物學最大的未解之謎。
一系列新興的空間分辨多組學技術即空間組學技術，或將會為破解上述謎團提供解決方案。
過去 20 年，組學技術革命性的發展讓我們能以越來越高的分辨率理解細胞和組織生物。而 2000 年代中期出現的混合測序技術，則讓研究混合細胞群體成為可能。
十年後，用於單細胞的組學方法被允許投入商用，這使人們對細胞生理學和病理學的理解徹底改變。不過這些方法都必須先將細胞從其來源組織中分離才可以實施，面對細胞組織的空間架構等課題則顯得束手無策。
空間組學這一學科所研究的，正是對 RNA、DNA、蛋白質和其他組學等生物分子的活動進行原位測量，也就是直接在組織樣本中進行測量。
無需將細胞從組織中分離便可測量，這一點可謂至關重要，尤其是考慮到許多生物過程是由細胞之間高度局部化的交互作用所控制的，因此這些交互作用發生於空間異質的組織環境中。
而空間組學的面世，讓此前觀察不到的細胞組織和各種生物過程的細節成為可能。
盡管在幾年前，這些技術還僅能在全球少數幾個實驗室找到，且都是原型技術的狀態。當時也還只能對冷凍組織進行研究，因此需要大量的珍貴組織活檢。
但隨著以上挑戰逐漸被克服，再加上生命科學公司的努力，該技術最終實作了商業化，目前這些工具已在學界得到了廣泛套用。
空間組學技術目前正在快速發展，它可以分析的生物分子數量已從數百個增至數萬個，分辨率也已提高到單細胞甚至亞細胞結構的尺度。
數據與 AI 的互補式進步，將使空間組學在生命科學和醫療保健領域的影響不斷擴大，同時也提出一些新的相關疑問。
比如，該如何生成用於臨床研究的大型數據集？從空間組學的數據中，AI 又能發現什麽？
受益於空間組學的發展，生命科學的幾個細分領域已經迎來突破性進展，尤其是癌癥和神經退行性疾病研究等。但空間組學技術仍是一項新興技術，不僅實驗很有挑戰性，執行成本也很高昂。
目前，空間組學的大多數研究均由單一機構執行，通常只包括幾十名患者。而復雜的細胞交互作用，又存在因患者而異的特點，僅透過數量較少人群的調查往往無法得出結論。研究人員需要大量數據才能生成和探索更多的假說。
這意味著人們需要將重心更多地轉向合作，只有這樣才能生成有關健康器官和人類疾病的大規模參考數據集。例如癌癥基因組圖譜（TCGA，The Cancer Genome Atlas）計畫，讓人類對於癌癥的理解有了巨大改觀。
此外，為了探索空間組織在健康組織和患病組織中的作用，也需要大規模的空間組學研究，只有這樣才能生成大型數據集，並為相關科研計畫提供原料素材。
同時，更多的合作計畫也能起到促進空間組學技術進步的效果，尤其可以為數據儲存庫生成更多的數據標準和基礎設施，並可以推進計算工具和演算法的開發和套用。
隨著空間組學和 AI 技術的協同發展，AI 驅動的空間組學有望帶來更多的生物學新發現。縱觀空間組學和 AI 方法的快速發展，該領域兩大類新方法正產生巨大的突破。
第一類是用於提高空間組學可用性的 AI 方法，這可以為研究人員提供更豐富的下遊分析。這類方法是專門針對空間組學高維度和訊雜比的特點而設計的。
另一些則透過 AI 將空間組學分析的分辨率提高到接近單細胞的水平，它們也被統稱為「超分辨率方法」。還有一組方法可以將分離的單細胞組學與空間組學相結合。總之，這些 AI 方法將不斷縮小與未來空間組學技術的差距。
第二類方法則主要透過 AI 來從空間組學中進行新的生物學探索。例如利用空間組學的定位資訊，人們能以前所未有的分辨率展示細胞群的組織和交流。這些方法將讓我們更好地了解細胞的交互作用、以及形成復雜組織的背後機制。
總的來說，空間生物學或將從根本上改變人類對生物學的理解。例如對於生物標誌物的認知，可能從之前樣本中的某個特定分子，將轉變為組織中表達特定分子的細胞模式。
針對包括艾爾茨海默病和卵巢癌癥在內的多種疾病，空間生物標誌物有著廣闊的前景。在當前的臨床試驗研究中，空間組學已被用於監測患者的腫瘤進展。
五年後，空間技術或將能以亞細胞尺度的分辨率來繪制每一種人類蛋白質、RNA 和代謝產物。
透過 Owkin 公司的 MOSAIC 等計畫的努力，針對「難治型」癌癥的腫瘤微環境和細胞組成圖的繪制工作將不再是一件難事。
來自患者活檢的空間組學數據集也將成為藥物研發的重要部份，透過 AI 這些數據集將能用於設計新藥，並促成速度更快、設計更優的臨床試驗，從而造福於患者。
未來在臨床中，還將定期從患者收集空間組學數據，醫生將透過專門構建的 AI 模型來提取患者腫瘤的相關臨床資訊，並判斷哪些藥物最有效果。
總之，今天我們正在見證三股力量的融合：空間組學技術正變得越來越高通量和高分辨率，來自患者活檢的大規模數據集開始生成，AI 模型也越來越「高級」。
透過這種融合，研究人員將能對健康和疾病的復雜生物學進行前所未有的分析，從而實作更復雜的治療幹預。
支持：vantee
排版：羅以
