一、肿瘤耐药数据库资源
1. DRMref数据库
这是一个综合性参考数据库，专注于人类癌症耐药机制研究。它整合了42个单细胞RNA测序数据集，覆盖多种癌症类型和治疗方案，提供细胞组成、肿瘤异质性、上皮-间质转化等详细注释和分析。
2. TCGA和ICGC数据库
这些综合性肿瘤数据库包含基因组拷贝数变化、表观遗传、基因表达谱等数据，可用于耐药相关基因挖掘。
3. DREAM数据库
专注于肿瘤药物相关性的临床转录组数据库，可用于药物敏感性分析。
4. COSMIC数据库
世界上最大最全面的肿瘤体细胞突变资源库，包含CNA、甲基化、基因融合等信息。
二、肿瘤耐药机制研究前沿
1. 单细胞技术揭示耐药机制
通过单细胞转录组分析食管鳞癌(ESCC)患者样本，发现EP-C2肿瘤细胞亚群(高表达OSGIN1和CYP4F3)与氧化应激反应和药物代谢途径相关，可能是耐药关键。
北京大学团队发现PTIR1作为DDX58的异构体，通过激活UCHL5促进肿瘤免疫耐药性。
2. 类器官模型研究
上海交大于颖彦团队利用胃癌类器官发现AURK抑制剂诱导的肿瘤细胞衰老会分泌MCP-1/CCL2，导致巨噬细胞M2极化和免疫抑制。
北京大学张宁团队构建了包含144例患者399个肝癌类器官的大型样本库，揭示了7种靶向药的耐药机制。
3. 人工智能与计算模型
AI技术可整合多组学数据识别耐药特征，构建诊断和预后模型，常用算法包括SVM、随机森林和学习。
剑桥大学开发的RECODR模型通过分析基因共表达网络"背景漂移"，成功预测了ATM抑制剂联合PARP1抑制剂可延缓儿童脉络丛癌复发。
4. 新型治疗策略
全球首个肺癌领域TROP2靶向ADC药物芦康沙妥珠单抗在EGFR突变型NSCLC患者中显示出45%的客观缓解率，中位无进展生存期达6.9个月。
双抗ADC药物iza-bren在小细胞肺癌治疗中显示出突破性效果，为化疗耐药患者提供新选择。
三、耐药研究策略与方法
1. 数据分析方法
通过耐药与敏感细胞样本对比筛选耐药相关基因，再与临床队列差异基因取交集进行分析。
利用图嵌入技术量化基因网络位置漂移，识别关键耐药驱动基因。
2. 模型构建策略
考虑肿瘤异质性、药物代谢改变、替代通路激活等细胞内在机制。
关注肿瘤微环境中免疫细胞、成纤维细胞等对耐药的影响。
3. 多组学整合
结合基因组学、转录组学、蛋白质组学和影像组学数据，构建更全面的耐药模型。
这些研究进展和资源为深入理解肿瘤耐药机制、开发新型治疗策略提供了重要工具和思路。
