肿瘤并非由完全相同的细胞组成，其内部存在高度的异质性。这种差异导致同一肿瘤内不同细胞对同一药物的反应千差万别，是靶向治疗和化疗产生耐药、最终导致治疗失败的主要原因。单细胞RNA测序技术能揭示这种细胞间的分子差异，但如何将传统的、基于细胞群体的药效数据与单细胞图谱精准对接，从而在治疗前预测哪些细胞会响应、哪些会抵抗，是当前计算生物学和精准医疗面临的重大挑战。现有方法多依赖复杂的机器学习模型，在可解释性、计算效率和直接指导临床联合用药方面存在局限。

2025年1月13日，同济大学生命科学与技术学院王海芸教授团队在《Advanced Science》刊发了题为“scPharm: Identifying Pharmacological Subpopulations of Single Cells for Precision Medicine in Cancers”的研究工作。针对上述挑战，该研究提出了scPharm的计算框架，能够整合大规模药物基因组数据与单细胞转录组数据，识别肿瘤内部对药物敏感或耐药的单细胞亚群，并推荐个体化用药方案。 

scPharm通过动态提取每个单细胞的“身份基因集”，结合药物响应相关基因排序列表，利用基因集富集分析计算标准化富集分数，从而判断单个细胞对特定药物的敏感性。该方法在ER阳性/HER2阳性乳腺癌、肺癌细胞系及小鼠肿瘤模型等多个数据集中表现出良好的预测性能，并能评估药物组合效应与潜在副作用，为临床前药物筛选与联合用药策略提供新思路。 

同济大学生命科学与技术学院博士研究生郑杰、硕士研究生田鹏为该工作的主要完成人，王海芸教授为通讯作者。该研究工作由国家自然科学基金等项目资助。

原文链接：

https://doi.org/10.1002/advs.202412419