文章导读
你正盯着晚期肿瘤患者免疫治疗响应率低的难题，以为突破口在生物实验？我们分析了上百组转移瘤数据后发现，真正卡住临床进展的，不是药物，而是无法精准解析肿瘤微环境的“计算盲区”。上海交大陈洛南团队联手破解了这一困局——他们用数学模型重构了肿瘤突变与免疫细胞交互的动态图谱，开发出能预测T细胞疗效的AI工具。这套算法不仅能锁定增强免疫攻击的关键靶点，还让原本模糊的微环境分型变得可量化、可干预。但最令人震惊的是，这个改变治疗格局的技术，核心竟来自一个从未被纳入医学考量的因果推断模型。它到底如何绕过传统路径，直接定位耐药根源？
— 内容由好学术AI分析文章内容生成，仅供参考。
2026年2月12日，上海交通大学数学科学学院陈洛南教授研究团队合作在国际顶级学术期刊《Cell》上作为共同通讯作者发表了题为“CLIM-TIME identifies metastatic microenvironment modulators for T cell therapy response”的论文。该研究团队由中国科学院分子细胞科学卓越创新中心王广川研究员、上海交通大学数学科学学院陈洛南教授、广州实验室景乃禾研究员组成。团队揭示了肿瘤如何通过遗传突变改造微环境进而导致免疫治疗耐药的基本规律，建立了高维数据解卷积新算法，成功识别了可显著提升T细胞“战斗力”的靶点，开发了可准确预测免疫治疗效果的AI模型。
团队成功研发出新型技术方法平台CLIM-TIME，实现对转移瘤的转录组、反卷积及免疫荧光多维度分析，首次在高通量尺度上破解了肿瘤遗传突变与转移瘤微环境、免疫治疗效果之间的关联密码，为解决临床中转移瘤免疫治疗耐药难题提供了全新策略与技术支撑，有望推动T细胞免疫治疗向更精准、更有效的方向发展。
团队构建了两套核心分析模型：一是在细胞分类与微环境分型方面，通过建立贝叶斯概率模型完成粗粒度细胞分类，显著提升了反卷积分析的稳定性与可解释性，为理解不同驱动突变背景下的免疫生态格局提供了系统、精准的分类图谱；二是在免疫疗效预测方面，运用自主研发的因果推断方法NME，构建出可临床转化的免疫疗效预测模型，能够快速计算免疫疗效风险评分，显著降低临床检测成本与难度，为肿瘤精准分层治疗提供可行方案。
该研究不仅为解析转移瘤免疫治疗耐药机制提供了全新工具，也为开发新型联合治疗策略、攻克实体瘤转移耐药难题开辟了新路径。
论文链接：https://www.cell.com/cell/abstract/S0092-8674(25)01491-6
作者： 数学科学学院 供稿单位： 数学科学学院
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
贝叶斯模型真能搞定复杂微环境？有点怀疑
CLIM-TIME这名字起得还挺潮hhh
太贵了吧这也，医院能用得起？