预测癌症合成致死疗法的耐药机制

合成致死（SL）作为靶向治疗策略，最具代表性的临床成功是 PARP 抑制剂（PARPi）：在 BRCA1/2 胚系突变的肿瘤中，PARPi 通过阻断 DNA 损伤修复发挥疗效，已在卵巢癌、乳腺癌等获批 ^[1][2][3]。但 PARPi 耐药在晚期疾病中常见，限制其整体疗效 ^[1][4]。已有研究揭示了部分耐药机制，例如 BRCA2 内部缺失可恢复开放阅读框并重建同源重组能力 ^[4]，也有工作从复制间隙（replication gaps）的角度重新解读 PARPi 与 BRCA 缺陷的致死关系 ^[5]。与此同时，临床开发中的合成致死靶点已远超 PARP，涵盖 ATR、ATM、WEE1、PRMT5 等方向 ^[6]，而经过十多年大规模筛选，真正稳健的合成致死对仍相对有限 ^[7]。尽管 SL 相互作用的计算预测已有专门的算法、数据库和工具积累 ^[8]，但 SL 耐药机制能否在治疗前被预测，至今仍鲜有研究。

正是在此背景下，本文系统探讨了"SL 耐药能否被预先预测"。作者整理了 10 对 SL 生物标志物–靶点的全基因组 CRISPR-Cas9 化学生长筛选，提取每对中的耐药基因后，比较耐药基因与非耐药基因在蛋白互作、共表达及基因必需性上的差异。结果显示，耐药基因在多组数据中显著富集于 SL 配对的蛋白互作伙伴之中，并与对应靶点表现出更强的共表达和不同的必需性模式。基于这些特征构建的随机森林分类器，在留一对 SL 交叉验证下 10 对平均 AUROC 为 0.72（范围 0.57–0.91），随机划分时约 0.78；由于耐药事件在全部基因中占比不足 1%，平均精度仅约 9%。模型还在两项处于临床试验阶段的 SL 疗法（MTAP-PRMT5 与 ATM-ATR）上独立验证，其中 PRMT5 抑制可造成功能性 ATM 缺陷并使 ATR-CHK1 成为关键存活通路 ^[9]，为该组合的预测提供了生物学语境。

相较以往主要聚焦"哪些基因对构成合成致死"的工作 ^[8][10][11]，本文将网络连通性、转录协调与上下文相关的基因必需性整合为耐药预测框架，为设计更持久的联合方案提供了可计算基础。然而，平均精度的绝对水平仍很低，说明耐药基因的"长尾"远未被现有特征覆盖；不同 SL 对之间预测性能差异显著（最低 0.57），提示部分配对缺乏可泛化的信号；如何在更广泛的 SL 靶点 ^[12] 中持续积累高质量耐药筛选数据并改进特征工程，仍是后续研究的关键。