癌细胞中存在合成致死（Synthetic Lethality, SL）与合成存活（Synthetic Viability, SV）两类遗传互作效应。SL指两个基因同时改变可导致细胞死亡，SV则能挽救单个基因改变带来的致死效应。SL已被视为探索癌症治疗靶点和药物敏感性标志物的重要途径，而SV则与癌细胞耐药性密切相关。当前识别遗传互作的方法主要依赖Bulk转录组数据，掩盖了肿瘤微环境中不同细胞的特异性效应。如何在单细胞分辨率下系统解析遗传互作效应并用于癌症药物敏感性预测，是亟待解决的科学问题。
近日，哈尔滨医科大学生物信息科学与技术学院顾云燕团队在国际权威期刊Genome Medicine（IF:10.8）发表了题为“DISCERN: inferring drug sensitivity from single-cell transcriptomes using cell-type-specific genetic interaction networks”的研究型论文。该研究构建了覆盖14种癌症、15种细胞类型的大规模单细胞遗传互作效应图谱，并开发了DISCERN（Drug response Inference from Single-Cell gEnetic inteRactioNs）计算框架，实现了在单细胞水平预测癌症药物敏感性。
研究团队整合了1,086,649个单细胞数据，通过系统比较四种共表达推断方法，发现propR在识别遗传互作基因对方面表现最优。研究团队开发了DISCERN计算框架，其核心思想是SL与药物敏感性相关，SV诱导药物耐药性反应。DISCERN通过整合恶性上皮细胞特异性SL和SV网络，计算DISCERN Drug Score（DDS）来量化单细胞药物敏感程度，并在多个癌型独立数据集得到有效验证。
研究团队同时建立了CellGIdb（Cell Genetic Interaction database）数据库，提供细胞类型特异的SL和SV网络的查询、可视化与分析功能，并集成预后分析、药物响应预测和免疫治疗关联等六大分析工具。
该研究首次构建泛癌水平细胞类型特异性遗传互作图谱，开发DISCERN计算框架，可精准预测单细胞药物敏感性，相较现有工具预测性能更优。该研究成果为解析肿瘤药物响应异质性、开展癌症精准治疗相关研究提供数据集、算法与可视化分析平台。
生物信息科学与技术学院2022级博士研究生刘明月、2024级硕士研究生田宇、2022级本科生贾玉超为本文的共同第一作者；生物信息科学与技术学院顾云燕教授和药学院梁海海教授为本文的通讯作者。
原文链接
https://link.springer.com/article/10.1186/s13073-026-01688-w
数据库CellGIdb链接
https://biodata.hrbmu.edu.cn/CellGIdb/index.html
