主題：以高通量單細胞分析與人工智慧揭示癌症治療弱點
講者：陳昱志（Yu-Chih Chen）匹茲堡大學醫學院計算與系統生物學系暨 UPMC Hillman 癌症中心助理教授
時間：2026年3月28日（六）晚上10:00（台灣時間）
講座方式：線上 Zoom
報名連結：https://us06web.zoom.us/meeting/register/gvBg2C0zRQGV97y5szAxzQ#/registration
演講摘要：
理解腫瘤異質性仍然是癌症生物學與精準醫療中最具挑戰性的問題之一。我的研究整合高通量單細胞分析、微流體技術與人工智慧，以解析細胞異質性、癌細胞遷移以及抗藥性。我們開發了可以分析極少細胞 RNA 定序的微流體系統，並對來自 21 位乳癌患者的 666 顆循環腫瘤細胞（CTCs）進行分析，揭示了具有潛在治療指引意義的不同 CTC 次族群。同時，我們設計了高通量微流體系統，可在單一晶片上對數萬個遷移中的癌細胞進行定量分析。結合規模化的射出成型製程與機器人自動化，我們完成了 2,726 種化合物的大規模篩選，鑑定出多個具潛力的癌細胞遷移與轉移抑制劑。為了解決癌症抗藥性問題，我們建立了以影像為基礎的單細胞形態學分析流程，用於表徵多倍體巨大癌細胞（PGCCs），這是一群能在化療後存活並再生腫瘤細胞的亞族群。高通量篩選進一步鑑定出多種可克服乳癌模型中治療誘發抗性的抗 PGCC 化合物。在這些實驗資料的基礎上，我們發展了以深度學習為核心的虛擬篩選模型，整合化學特徵、形態學資訊與文獻衍生特徵，進行超過 24,000 種小分子的 in silico 預測。此人工智慧框架能在龐大的搜尋空間中有效探索並優先篩選潛在候選藥物。整體而言，這些技術建立了一個強而有力的跨領域研究平台，用以解碼癌細胞異質性、揭示治療弱點，並加速精準治療。
講者介紹：
陳昱志於 2008 年取得國立臺灣大學電機工程與法律雙學士學位，並於 2014 年獲得美國密西根大學安娜堡分校電機與電腦工程博士學位。博士畢業後，他持續於密西根大學電機與電腦工程學系及 Forbes 癌症研究所服務。現任匹茲堡大學醫學院計算與系統生物學系暨 UPMC Hillman 癌症中心助理教授，並同時擔任卡內基美隆大學—匹茲堡大學聯合計算生物學博士班教師。陳博士曾獲得多項榮譽，包括台積電傑出學生研究獎（2008）、Orenstein 博士獎學金（2009）、密西根大學微流體生醫科學訓練計畫最佳博士後研究演講獎（2015）、Forbes 癌症發現研究所遴選之 Emerging Forbes Scholar（2017），以及 Hillman 創新癌症研究早期職涯學者（2021）。其目前研究重點為高通量單細胞分析與深度學習於癌症精準醫療之應用。
