细胞系药敏要能用到病人身上：MODAE+在保留肿瘤谱系的同时对齐两个域，预测敏感性与生存显著相关
核心概要
把癌细胞系的药物敏感性迁移到患者肿瘤，难点在于对齐两个数据域时容易抹掉肿瘤谱系结构。MODAE+在共享隐空间里同时优化域对齐、去混杂、药敏预测、生存预测和谱系分类，并用自适应多任务优化平衡这些目标。在可配对的TCGA治疗子集上，其预测敏感性与总生存的Cox显著率为41.5%，对照方法CODE-AE-ADV为4.9%。
深度剖析
跨域迁移药敏预测现在可以同时保住肿瘤谱系结构：细胞系与患者肿瘤在共享隐空间里按组织来源聚到一起，而不是被压成一片无结构的混合。 此前的对齐方法，包括ComBat、Celligner和CODE-AE-ADV，主要压低两个域的整体差异，却不按跨域对应的癌症谱系约束对齐；CODE-AE-ADV更是靠把样本压成连续规则结构来消除域信号。 用k近邻按组织来源分类隐空间样本，MODAE+的平衡准确率为0.92，CODE-AE-ADV为0.15；去掉谱系监督或去混杂的消融版本谱系恢复明显下降，去掉自适应损失平衡的版本在各组织间表现不稳。
迁移得到的敏感性分数在真实治疗人群中保留了与生存相关的信息。 在与CODE-AE-ADV共同可评估的同一批TCGA治疗子集上做配对比较，此前方法给出的敏感性分数与生存的关联很弱。 总生存上MODAE+平均C-index为0.684、CODE-AE-ADV为0.506，Kaplan–Meier显著率46.3%对2.4%，Cox显著率41.5%对4.9%（41对）；无进展间期上C-index为0.617对0.549，两种检验的显著率均为32.4%对5.4%和10.8%（37对）。
模型把细胞系和患者表达谱编码进一个隐空间，其中共享部分负责迁移，私有部分吸收数据集特有差异。 共享编码用Wasserstein对抗训练对齐两个域，并用去混杂范数惩罚强制共享与私有编码正交；共享表示再驱动药敏、生存和谱系三个监督头。 训练使用TCGA约9,696例患者肿瘤、CCLE约1,293个细胞系，以及CTRP中544种化合物在738个细胞系上的约321,567个药物–细胞系配对；八个优化目标由FAMO动态加权，避免单一目标主导训练。
启示与展望
已展示的范围是泛癌尺度的细胞系–肿瘤整合，以及在TCGA有治疗记录子集上的生存关联、药物靶基因表达差异和乳腺癌紫杉醇/多柔比星外部签名一致性；作者明确指出直接临床预测准确性仍需对照实际治疗结局进一步评估。
外部签名验证是事后分析，仅限所选乳腺癌治疗，队列之间存在重叠且含联合方案，限制了证据的独立性和药物特异性；预测可靠性也可能随癌种和药物在CCLE与CTRP中的数据代表性而变化。