1672-基于图学习的肿瘤相关近缘抗原发现研究

聊聊Sci · Oct 13, 2026 · 19m

本研究开发了一种高通量细胞膜蛋白邻近度测绘技术，通过绘制12种受体酪氨酸激酶在28种肿瘤细胞系统中的248张空间邻近图谱，揭示了传统表达量分析无法捕捉的细胞表面蛋白空间组织结构。研究团队进一步构建了MetaMap相关性分析框架与图机器学习模型，成功突破了单纯依赖表达水平的局限，提出了肿瘤相关邻近抗原（TAPA）这一全新靶标概念。通过整合多组学数据，研究识别并验证了EGFR-CDCP1这一核心肿瘤抗原与邻近抗原配对，证实双特异性抗体偶联药物对其进行共靶向能够显著增强肿瘤杀伤效果。该工作为理解细胞表面生物学以及设计下一代多特异性精准抗肿瘤疗法奠定了坚实的方法学与理论基础。

References:

Scandore C, Malone C F, May C K, et al. Proximity-guided graph learning reveals tumour-associated proximity antigens[J]. Nature, 2026: 1-11.

前往小宇宙评论区与主播互动