Transcriptomic Models for Immunotherapy Response Prediction Show Limited Cross-cohort Generalisability

该研究通过系统基准测试发现，现有的基于转录组（包括批量和单细胞 RNA 测序）的免疫检查点抑制剂响应预测模型在跨队列泛化能力上表现有限，普遍仅达到或接近随机水平且缺乏生物学一致性，亟需改进领域适应、标准化预处理及基于生物学原理的模型设计。

要点

这篇论文就像是一次对**“癌症免疫治疗预测器”的“大考”**。

想象一下，医生手里有一群新的“预言家”（也就是各种电脑模型），它们声称能通过分析病人的基因数据（就像阅读病人的“生命说明书”），提前告诉医生：这位病人打免疫针（免疫检查点抑制剂，ICI）有没有用？

这篇论文的作者们把这些“预言家”召集到一起，用一群它们从未见过的新病人数据进行了严格测试。结果发现：这些预言家虽然有点本事，但一旦离开它们熟悉的“老家”，就经常“水土不服”，甚至经常猜错。

下面我用几个生动的比喻来拆解这篇论文的核心内容：

1. 背景：为什么我们需要这些“预言家”？

免疫治疗（ICI）是癌症治疗的革命，它像是一把钥匙，能打开病人免疫系统的大门，让免疫细胞去攻击癌细胞。

• 现状： 这把钥匙对有些人非常管用（肿瘤消失了），但对很多人完全没用（肿瘤还在长）。
• 痛点： 医生现在很难提前知道谁管用、谁不管用。如果给无效的病人用，不仅浪费钱，还让病人白白受罪。
• 希望： 科学家们开发了很多基于基因数据的“预测模型”，希望能像天气预报一样，提前预报治疗效果。

2. 大考：这次测试是怎么做的？

作者们挑选了9 个最顶尖的预测模型，把它们分成了两队：

• A 队（批量阅读队）： 使用“批量 RNA 测序”（Bulk RNA-seq）。这就像把一锅汤混在一起尝味道。它能告诉你整锅汤（肿瘤组织）大概是什么味，但分不清里面具体有哪些食材（细胞）。
• B 队（单细胞精读队）： 使用“单细胞 RNA 测序”（scRNA-seq）。这就像把汤里的每一粒米、每一片菜叶都单独拿出来尝。它能看清具体的细胞状态，更精细，但成本更高、更复杂。

测试规则： 这些模型以前都在特定的“老数据”上训练过。这次，作者们拿来了6 个全新的、完全没见过的“新数据”（来自不同医院、不同癌症类型、不同测序技术）来考它们。

3. 考试成绩：大家表现如何？

总体结论：成绩一般，甚至有点“不及格”。

• A 队（批量阅读队）的表现：

  • 大部分模型在“新数据”上表现接近瞎猜（就像抛硬币，50% 的准确率）。
  • 有些模型在“老家”数据上考满分，一到“外地”就考零分。这说明它们死记硬背了老数据的特征，没有真正学会通用的规律。
  • 有一个模型（NetBio）在一个数据集上考了 100 分，但作者怀疑它是**“作弊”**了（过拟合），因为它在数据量很少的情况下，把训练数据背得太熟了。

• B 队（单细胞精读队）的表现：

  • 表现比 A 队稍微好一点点，因为它们看得更细。
  • 但是，它们依然非常依赖“环境”。如果新数据的测序技术变了，或者病人的免疫细胞组成变了，它们的准确率就会大幅下降。
  • 其中有一个叫 PRECISE 的模型表现相对最好，它似乎真的学到了一些免疫系统的“通用语言”。

4. 深度分析：它们到底在“看”什么？

作者们还检查了这些模型到底是根据什么来做预测的（就像检查它们的大脑里装了什么知识）。

• 共同点： 几个模型都发现了一些**“好信号”**，比如“免疫细胞很活跃”、“有杀伤力强的 T 细胞”等。这就像几个不同的侦探都发现现场有“指纹”，说明这些方向是对的。
• 不同点：
  • 有的模型（如 IRNet）主要关注**“代谢”**（细胞怎么吃饭、怎么产生能量），虽然这也重要，但它好像忽略了“免疫战斗”本身。
  • 有的模型（如 Tres）找出了几百个基因，像撒了一张大网，虽然网住了很多信息，但太杂乱了，很难分清哪些是真有用的。
  • 有的模型（如 DeepGeneX）只找了6 个基因，太精简了，可能漏掉了重要的线索。

比喻： 就像让 9 个侦探去破案。有的侦探只盯着“脚印”（免疫细胞），有的只盯着“指纹”（特定基因），有的甚至去查“天气”（代谢）。虽然他们都在努力，但因为没有统一的标准，大家找到的线索经常对不上号。

5. 核心问题：为什么它们会“水土不服”？

这就好比**“方言”问题**。

• 每个医院、每种癌症、每种测序机器产生的基因数据，就像不同的方言。
• 模型在“北京话”（训练数据）上练得炉火纯青，但到了“广东话”（新数据）环境，它就听不懂了。
• 此外，数据预处理（怎么清洗数据、怎么归一化）就像翻译过程，如果翻译规则不统一，模型就会理解错意思。

6. 未来展望：我们该怎么办？

这篇论文虽然指出了很多模型的不足，但也指明了方向：

1. 不要“死记硬背”： 未来的模型需要学会**“举一反三”**（领域适应），不管换什么方言，都能听懂核心意思。
2. 统一标准： 大家需要一套统一的“翻译规则”（数据预处理标准），让模型在不同环境下都能稳定发挥。
3. 结合更多线索： 光看基因（说明书）不够，未来要结合病人的临床特征、血液指标，甚至用人工智能大模型（LLM）来辅助理解，把基因数据和医学知识结合起来。
4. 单细胞是趋势： 虽然单细胞测序现在很难用，但它看得更细，未来可能是更精准的预测工具。

总结

这篇论文就像给目前的癌症免疫治疗预测技术泼了一盆**“清醒的冷水”。它告诉我们：现在的技术虽然看起来很酷，但在真正面对千变万化的真实病人时，还不够可靠**。

但这并不是说技术没希望，而是提醒科学家和医生：我们需要更聪明、更通用、更标准化的“预言家”，才能真正实现“精准医疗”，让免疫治疗不再靠运气。

技术摘要

这是一份关于论文《Transcriptomic Models for Immunotherapy Response Prediction Show Limited Cross-cohort Generalisability》（转录组模型在免疫治疗响应预测中表现出有限的跨队列泛化能力）的详细技术总结。

1. 研究背景与问题 (Problem)

• 临床痛点：免疫检查点抑制剂（ICIs）虽然彻底改变了癌症治疗，但仅有一小部分患者（0-40%）能产生响应。准确预测治疗前的响应对于精准免疫肿瘤学至关重要。
• 现有局限：
  • 现有的生物标志物（如 PD-L1、TMB、MSI）在敏感性和特异性上存在不足，且常出现不一致的情况。
  • 基于转录组（Bulk RNA-seq 和单细胞 RNA-seq, scRNA-seq）的预测模型虽然涌现，但其**跨队列泛化能力（Cross-cohort Generalisability）**尚不清楚。
  • 大多数模型在开发时使用了特定数据集，缺乏在独立、未见过的数据集上的严格基准测试。
  • 模型架构多样（从固定基因签名到深度学习），预处理方法不统一，导致难以进行公平比较。

2. 方法论 (Methodology)

本研究对截至 2025 年 11 月 20 日发表的 9 种最先进的转录组 ICI 响应预测模型进行了系统性基准测试。

• 评估对象：
  • 5 种 Bulk RNA-seq 模型：COMPASS, IRNet, NetBio, IKCScore, TNBC-ICI。
  • 4 种 scRNA-seq 模型：PRECISE, DeepGeneX, Tres, scCURE。
• 数据集：
  • 使用了6 个独立的、未在模型开发阶段使用过的公开数据集（3 个 Bulk 数据集：Cho, Ribas, Poddubskaya；4 个 scRNA-seq 数据集：Gondal, Franken, Luoma, Reinstein）。
  • 严格筛选了治疗前的样本，确保预测反映基线状态。
• 评估流程：
  • 统一预处理：根据各模型原始论文的要求进行特定的归一化（如 TPM, TMM, log-TPM, CPM 等）和基因 ID 映射（GENCODE v36），以消除技术差异带来的偏差。
  • 性能指标：在类别不平衡（Imbalance Ratio 0.25-0.94）的情况下，主要使用宏观 F1 分数 (Macro F1)、准确率 (Accuracy) 和 AUC 进行评估。
  • 生物学解释性分析：
    • 对模型识别出的关键基因/通路进行富集分析（GSEA）。
    • 使用 EnrichmentMap 和 AutoAnnotate 构建通路网络，聚类生成高阶生物学概念（Biological Concepts）。
    • 比较不同模型在通路和概念层面的重叠度与一致性。

3. 关键贡献 (Key Contributions)

1. 首个大规模跨模态基准测试：首次在同一框架下系统评估了 9 种主流转录组模型在 6 个独立未见数据集上的表现，涵盖了 Bulk 和单细胞两种模态。
2. 揭示泛化能力的严重不足：证明了当前最先进的模型在跨队列、跨癌症类型和跨技术平台时，预测性能显著下降，往往接近随机水平。
3. 生物学信号的一致性分析：通过通路网络分析，揭示了不同模型在识别免疫相关生物学机制（如细胞毒性、T 细胞激活）上的收敛性与分歧，指出了哪些模型具有更好的生物学可解释性。
4. 提出未来方向：指出了当前模型在领域适应（Domain Adaptation）、预处理标准化和生物基础设计方面的不足，并提出了结合异构图神经网络（Heterogeneous GNN）和大语言模型（LLM）的改进思路。

4. 主要结果 (Results)

A. 预测性能 (Predictive Performance)

• 总体表现：所有模型在未见数据集上的表现均有限，大多处于或接近随机水平。
• Bulk RNA-seq 模型：
  • 表现普遍较差，跨队列变异性大。
  • COMPASS（基于 Transformer 的基础模型）：尽管在 TCGA 上预训练并微调，但在未见队列中表现不佳（AUC 0.31-0.55），表明大规模预训练未能有效解决特定免疫治疗任务的领域偏移。
  • NetBio：在 Ribas 队列中出现了完美的指标（Accuracy=1.0），但在其他队列表现一般，提示存在严重的过拟合（Overfitting），尤其是基于小样本的 LOOCV 重训练。
  • TNBC-ICI：作为特定癌种模型，在泛化到其他癌种时几乎失效。
• scRNA-seq 模型：
  • 整体表现略优于 Bulk 模型，但依然高度依赖数据集。
  • PRECISE：表现最好且最一致，特别是在特征优化后，能捕捉到具有生物学意义的免疫程序。
  • scCURE：F1 分数较稳定，但 AUC 接近随机，表明其排序能力有限。
  • Tres 和 DeepGeneX：在未见数据上表现接近随机或仅在某些特定免疫背景下有效，显示出对训练集组成和技术平台的敏感性。
• 运行时间：scRNA-seq 模型（如 scCURE）计算成本极高（运行时间可达数万秒），而 Bulk 模型相对较快。

B. 生物学信号与通路分析 (Pathway-level Analysis)

• 固定签名模型（如 IKCScore, TNBC-ICI）：虽然基因集较小，但收敛于核心免疫激活通路（如 T 细胞受体信号、同种异体排斥、细胞毒性效应），显示出一定的生物学合理性。
• 自适应模型：
  • PRECISE：表现出最高的生物学收敛性，与其他模型共享大量免疫相关概念（如 B 细胞激活、干扰素信号），且无独特的“噪音”概念。
  • IRNet：是一个异常值，主要识别出代谢通路（如丙酮酸、氮代谢），与其他模型的免疫通路几乎没有重叠，提示其可能偏向于代谢特征而非免疫特征。
  • Tres：识别出大量通路，但特异性低，包含许多与免疫治疗无直接关联的通路（如铁死亡、糖酵解）。
• 跨模态对比：scRNA-seq 模型在通路网络中显示出比 Bulk 模型更紧密的连接和更丰富的免疫相关聚类（如趋化因子极化、抗原呈递），但 Bulk 模型在不同队列间几乎无通路重叠。

5. 意义与结论 (Significance & Conclusion)

• 核心结论：当前的转录组 ICI 预测模型虽然在特定背景下能捕捉到生物学信号，但缺乏在真实世界临床场景中所需的稳健性和泛化能力。模型性能受肿瘤类型、免疫背景和技术差异的影响极大。
• 临床启示：目前尚无单一模型能提供通用且稳定的生物标志物集。直接将这些模型应用于临床决策存在风险。
• 未来方向：
  1. 领域适应策略：需要开发更强的领域适应（Domain Adaptation）技术，以应对不同队列间的分布偏移。
  2. 标准化预处理：建立统一的预处理和归一化标准，减少技术噪音。
  3. 多模态与知识融合：
     • 利用异构图神经网络整合基因、细胞类型、通路和临床变量。
     • 结合大语言模型 (LLM) 将转录组信号与免疫学先验知识结合，提高可解释性和鲁棒性。
  4. 多模态数据整合：结合临床表型、空间转录组和基因组变异等多维数据。

总结：该研究通过严格的基准测试，打破了当前转录组预测模型“万能”的假象，强调了从“特定数据集优化”向“跨队列鲁棒性”和“生物学可解释性”转变的紧迫性，为下一代精准免疫治疗预测工具的开发指明了方向。