基于9种药物/2.18亿白细胞，斯坦福医学院发布单细胞级数字孪生系统SIMCO，助力早产预防药物开发
内容提要
斯坦福团队开发单细胞级免疫数字孪生系统SIMCO，可模拟母体免疫系统并虚拟测试预防自发性早产的药物，规避孕期临床试验的伦理与成本限制。研究基于19名志愿者的单细胞药物扰动数据训练模型，并迁移至独立数据集预测分娩时间。结果显示，四氢叶酸、马普替林及水杨酸联合兰索拉唑等方案可推迟分娩，并揭示CD4⁺T细胞等免疫机制，为个性化早产预防提供新思路。
延伸解读
数字孪生如何绕开孕期试验困境
孕期药物验证长期受伦理与成本限制，难以大规模开展。SIMCO 的思路是先利用体外单细胞扰动数据训练模型，再迁移到独立患者数据集上生成“用药/不用药”的数字孪生体，通过预测分娩时间差值来评估药物效果。这并非直接预测某位孕妇是否早产，而是模拟干预能否改变临床结局，为进入人体试验前提供虚拟筛选依据。
候选药物潜力与个体差异并存
模拟结果显示，四氢叶酸（THF）、马普替林和 SALPZ 联合方案整体可推迟预测分娩时间，平均效应分别约 24.7 天、18.8 天和 17.3 天。但获益并非人人相同：THF、SALPZ 和马普替林的模拟获益人群占比分别为 90.5%、87.3% 和 82.5%，而单用水杨酸仅约 46%。这提示同一方案在不同个体间效果差异明显，个性化评估有必要。
免疫机制揭示净效应评估逻辑
研究识别出 21 个预测分娩时间的关键特征，前 10 个中有 5 个涉及 CD4⁺T 细胞信号通路。THF 和 SALPZ 可持续抑制初始 CD4⁺T 细胞中的 pSTAT3 并增强粒细胞 pS6 响应，从而抵消妊娠进展相关的免疫特征。但部分药物也会让某些标志物朝临近分娩方向变化，SIMCO 并不因单一不利信号就判定促早产，而是整合多细胞、多刺激条件后计算净效应。
解读结果时需注意的边界
SIMCO 的验证基于 19 名志愿者的扰动数据和独立数据集中 177 份样本，其中早产样本仅 14 份，样本量有限。模型区分足月与早产的 AUROC 为 0.75，预测分娩时间的皮尔逊相关系数为 0.64，说明有一定准确性但并非精确预测。此外，药物效应来自数字孪生模拟而非真实孕期临床试验，THF、SALPZ 等方案的潜力仍需后续机制研究和临床试验确认。
Q&A
SIMCO是什么？它主要用来解决什么问题？
SIMCO（Simulated Immunome Modeling of Clinical Outcomes）是斯坦福团队开发的人工智能驱动的单细胞级数字孪生系统，可模拟母体免疫系统，在无需孕妇亲身试药的情况下虚拟测试预防自发性早产的药物组合，从而规避孕期临床试验的伦理与经济限制。
SIMCO的训练数据是怎么来的？规模有多大？
研究招募8名非妊娠和11名孕中期志愿者，用9种候选药物进行多重药物筛选，构建单细胞扰动质谱流式图谱，涵盖80种扰动条件、2.18亿个白细胞，用于训练SIMCO模型。
SIMCO是如何一步步实现药物效果模拟和分娩时间预测的？
分三步：第一步用CellOT最优传输学习在单细胞扰动数据上编码药物扰动后的免疫应答；第二步将学习到的规律迁移到独立免疫组学数据集，为每位患者生成接受/不接受药物的数字孪生体；第三步用稀疏机器学习算法Stabl构建临床结局多变量预测模型，通过治疗与未治疗数字孪生体的预测差值量化药物对分娩时间的影响。
SIMCO筛选出哪些有预防早产潜力的药物方案？效果如何？
模拟显示四氢叶酸（THF）、马普替林（Maprotiline）和SA+兰索拉唑（SALPZ）整体可推迟分娩，平均延长妊娠分别约24.7天、18.8天和17.3天；获益人群占比分别为90.5%、87.3%和82.5%，而单独使用水杨酸仅46%患者有效。
SIMCO揭示了哪些与早产相关的免疫机制？
用于预测分娩时间的前10个关键特征中有5个代表CD4⁺T细胞信号通路反应。随着分娩临近，STAT3激活增强、粒细胞pS6水平下降；THF和SALPZ通过持续抑制初始CD4⁺T细胞中的pSTAT3信号并增强粒细胞pS6响应，抵消妊娠进展相关的免疫特征，对前10特征中的7个产生有益影响。
SIMCO预测分娩时间的准确性如何？
基于未治疗数字孪生数据构建的模型预测距离分娩时间的皮尔逊相关系数R=0.64，RMSE=24.1天；区分足月与早产的AUROC=0.75、AUPRC=0.29。加入CellOT模拟特征后预测性能显著提升，皮尔逊相关系数从0.34提高至0.61。
SIMCO对早产预防的未来应用有什么意义？
SIMCO提供了体外实验结合计算虚拟筛选的新思路，可在进入人体试验前优先评估候选药物潜力，预判药物对母体免疫状态和分娩时机的调控效果，未来有望为个性化早产预防方案的设计提供参考，并为后续机制研究和临床试验指明方向。
