1
0该研究介绍了一种名为空间生态型 (SEs) 的机器学习框架，旨在从肿瘤微环境中识别和分析多细胞交互程序。研究人员整合了逾一千万个单细胞与空间转录组数据，在多种人类癌症中发现了九种具有保守性的空间结构，这些结构与患者的临床预后及免疫治疗反应密切相关。通过新开发的 Liquid EcoTyper 深度学习工具，科学家能够从非侵入性的外周血血浆游离 DNA (cfDNA) 甲基化谱中精准还原这些空间特征。在针对黑色素瘤患者的临床验证中，这种液体活检平台在预测疗效方面表现优异，超越了现有的生物标志物。这项成果为实现固态肿瘤及其微环境的无创监测和个性化精准医疗开辟了新途径。
References:
Zhang W, Brown E L, Usmani A, et al. Non-invasive profiling of the tumour microenvironment with spatial ecotypes[J]. Nature, 2026: 1-12.
