STDrug는 공간 전사체학을 통해 공간적으로 정보가 제공된 개인 맞춤형 약물 재조정을 가능하게 합니다.

초록 약물 재조정은 치료 발견을 가속화할 수 있는 확장 가능한 경로를 제공하지만, 기존의 단일 세포 RNA 시퀀싱(scRNA-seq) 기반 접근 방식은 종종 공간 조직 맥락을 간과하여 미세 환경 의존적 약물 반응을 포착하는 능력을 제한합니다. 여기서 우리는 STDrug를 제시합니다. STDrug는 공간 전사체학, 그래프 기반 모델링 및 다중 모드 학습을 통합하여 환자-specific 치료 우선 순위를 가능하게 하는 공간적으로 정보가 제공된 계산 프레임워크입니다. STDrug는 그래프 합성곱 네트워크와 일관된 점 이동을 사용하여 질병 및 대조군 공간 영역을 식별하고 정렬하며, 종양 가역 유전자 서명, 교란 기반 가역 점수 및 기계 학습 프레임워크 내에서 지식 기반 유전자 가중치를 결합한 통합 점수 체계를 통해 후보 약물의 우선 순위를 지정합니다. 공간 영역 상호 작용을 모델링하면서 예측된 약물 효능 및 독성과 함께 STDrug는 강력한 환자 수준의 약물 점수를 생성합니다. 간세포 암종 및 전립선 암 데이터 세트에서 STDrug는 기존의 단일 세포 및 공간 전사체학 기반 약물 재조정 방법보다 우수하며, 환자 전반에 걸쳐 유의미하게 향상된 예측 정확도(AUCs=0.81-0.82)를 달성합니다. 대규모 전자 건강 기록 및 시험관 내 분석을 통한 검증은 상위 순위 후보의 전이적 관련성을 더욱 지원합니다. 종합적으로 STDrug는 치료 발견에 공간 오믹스를 통합하기 위한 일반화 가능한 프레임워크를 설정하여 공간적으로 정보가 제공된 개인 맞춤형 약물 재조정을 발전시킵니다.