骨肉瘤中的综合生物标志物和药物靶点发现：传统实验方法与人工智能驱动的洞察

骨肉瘤是最常见的原发性恶性骨肿瘤，由于频繁转移、化疗抗药性以及明显的分子异质性，仍然是一个重大的临床挑战。尽管在理解疾病生物学方面取得了重大进展，但能够可靠支持精准治疗决策的临床可操作生物标志物和治疗靶点仍然有限。传统实验方法为骨肉瘤的发病机制提供了重要的机制性见解，但其假设驱动的特性和有限的可扩展性限制了捕捉复杂调节相互作用的能力。最近在高通量测序和多组学分析方面的进展，以及人工智能（AI）的进步，使得对高维分子景观的系统性审查成为可能。通过整合异构数据集，基于AI的分析框架能够识别复合生物标志物模式、调节中心和可药物靶向的脆弱性，更好地反映肿瘤复杂性和治疗异质性。同时，药物敏感性预测和药物重定位的计算策略也开始作为补充工具，加速治疗假设的生成并优先选择骨肉瘤中的候选干预措施。在这篇简评中，我们总结了生物标志物发现和治疗靶点识别的最新进展，强调传统实验证据和AI驱动的分析如何作为一个综合发现到验证框架中的补充组成部分。我们讨论了转化验证中的关键挑战，并强调了未来将数据驱动发现与药物研究及临床研究相结合以推动骨肉瘤精准治疗的方向。