如何在有限实验条件下快速找到“效果最好、副作用最小”的药物组合，一直是一个难题。传统方法往往只使用重复实验的平均值进行建模，忽略了实验噪声和不确定性，导致模型不稳健、优化效率低。本研究提出了一种基于蒙特卡洛方法的回归建模新策略（ReMEMC），将实验波动本身转化为模型的一部分，通过大量随机采样和并行建模，提高对真实剂量–效应关系的刻画能力。该策略为快速、稳健的联合用药优化和个体化精准医疗提供了新工具。

中文标题：实验噪声不再是障碍：一种更稳健的联合用药优化方法

英文原题：Tailoring Combinational Therapy with Monte Carlo Method-based Regression Modeling

通讯作者：

陈福和，香港大学李嘉诚医学院

丁显廷，上海交通大学

第一作者：

王博谦，上海交通大学

袁硕峰，香港大学李嘉诚医学院

关键词：联合用药、剂量优化、蒙特卡洛方法、回归建模、新冠抗病毒

背景介绍

为什么联合用药“难在优化”？

在治疗病毒感染、癌症等复杂疾病时，联合用药往往比单一药物更有效。但问题在于：

药物一多，组合数量呈指数级增长。

如果10种药物、每种3个剂量水平，理论上就有将近6万种组合，几乎不可能靠“试一试”全部验证。

更棘手的是，生物实验本身噪声很大。即使是同一个条件，重复实验的结果也可能相差明显。传统回归或机器学习方法通常只使用“平均值”来建模，把这些波动当作误差丢掉，结果模型容易偏、预测不稳定。

那么，有没有办法把这些不确定性变成信息，而不是负担？

研究成果

我们做了什么不一样的事？

本研究提出了一种新的建模策略——ReMEMC（基于蒙特卡洛方法的回归建模）。

简单来说，核心思想只有一句话：

不要只相信一个“平均结果”，而是承认实验本身存在不确定性，并系统性地利用它。

在具体做法上（图1），研究团队没有只用一次回归模型，而是：

⚫ 根据每个实验条件的均值和方差

⚫ 通过蒙特卡洛方法随机生成大量“可能的真实结果”

⚫ 对每一组数据分别建模

⚫ 最终得到预测结果的概率分布，而不是单一数值

这样一来，模型不仅告诉你“哪个组合最好”，还会告诉你：

⚫ 这个结论有多稳健

⚫ 哪些组合可能更有潜力，但不确定性较高

用新冠病毒验证：两轮实验找到最优组合

为了验证该方法在真实问题中的效果，研究以 SARS-CoV-2（新冠病毒） 作为模型疾病。研究者从已有研究中选取了10种已知具有抗病毒活性的候选药物，包括小分子药物和干扰素。

面对数万种可能组合，ReMEMC的表现非常“高效”（图2）：

⚫ 第一轮实验：测试36种组合，建立初始模型

⚫ 第二轮实验：在模型指导下，再测试36种更有潜力的组合

⚫ 最终结果：仅用两轮实验，就锁定了一种三联用药方案

该最优组合的病毒载量降低效果：

⚫ 比非优化组合高 2个数量级

⚫ 比单药治疗高 3个数量级

换句话说，在实验成本极其有限的情况下，算法成功“指路”，避免了大量无效试验。

不只是“更准”，而是“更快、更稳健”

相比传统回归方法，ReMEMC的优势体现在三点：

1. 对实验噪声更不敏感

实验波动不再破坏模型，而是被纳入预测本身。

2. 实验效率显著提高

不需要成倍增加重复实验，就能获得可靠结论。

3. 非常适合个体化治疗

研究团队进一步提出，通过流程优化，5天内即可为单个患者筛选个体化联合用药方案，这在急性感染或耐药患者中具有现实意义（图3）。

未来展望

这项工作意味着什么？

这项研究并不是在“再造一个复杂算法”，而是提供了一种更符合生物实验现实的思路：

当不确定性不可避免时，不妨正视它、利用它。

ReMEMC方法不依赖具体疾病机制，理论上可推广至：

⚫ 抗肿瘤联合用药

⚫ 细菌耐药问题

⚫ 精准医学中的个体化方案筛选

它为“如何在有限实验条件下做出更聪明决策”提供了一个可复制的范式。

引用本文

Boqian Wang, Shuofeng Yuan, Chris Chun-Yiu Chan,  et al.Tailoring combinational therapy with Monte Carlo method-based regression modeling. Fundamental Research. 5(6) (2025) 2975-2982.

原文链接（复制到浏览器中查看）：https://www.sciencedirect.com/science/article/pii/S2667325823000894

Fundamental Research是由国家自然科学基金委员会主管、主办的综合性英文学术期刊。创刊于2021年，期刊立足反映国家自然科学基金资助的优秀成果，全方位报道世界基础研究前沿重要进展和重大创新性成果，提升中国基础研究和中国科学家在国际科学界的显示度和影响力，为中外科学家打造一个高端的国际学术交流平台。内容涵盖数学物理、化学化工、生命科学、地球科学、工程与材料科学、信息科学、管理科学、健康医学、交叉科学等领域，设置Article、Review、Highlight、Perspective、Commentary、Letter和News&Views等栏目。期刊已被ESCI、Scopus、DOAJ、PubMed、CAS（美国化学文摘社）、CSCD（中国科学引文数据库）、CSTPCD（中国科技论文与引文数据库）等国内外知名数据库收录。2024年影响因子6.3，位于综合性期刊Q1区。2024年入选中国科技期刊卓越行动计划二期英文梯队期刊项目。欢迎广大科研工作者关注、投稿、引用！

期刊主页：

www.keaipublishing.com/en/journals/fundamental-research/

文章阅读：

www.sciencedirect.com/journal/Fundamental-Research

投稿系统：

www.editorialmanager.com/fmre

查看更多本期信息，点击文末“阅读原文”，欢迎阅读、下载及引用！