研究癌症，危险的不是没有模型，而是“模型已经变了，你却不知道”
现代肿瘤研究高度依赖体外模型。药物筛选、基因依赖性研究、耐药机制验证，往往都要先在细胞系、类器官（organoid）或其他患者来源培养体系中完成。
问题在于，肿瘤并不是一团性质完全相同的细胞。它包含不同克隆、不同细胞状态，也受到基质、免疫细胞、营养和信号环境的持续影响。当一块肿瘤组织被移出人体，经过消化、筛选、培养，再连续传代数月甚至一年，新的环境本身就可能成为一种选择压力。
因此，评价一个模型不能只问“它能不能长”，而要继续追问：关键驱动突变还在吗？染色体结构还在吗？原来的转录状态还在吗？患者接受治疗后留下的分子痕迹还在吗？
|
HCMI试图把这些问题放进同一个框架中回答。 |
665个模型的价值，不只是“数量多”
2016年至2021年，来自美国、英国、意大利和荷兰的2780名患者同意参与HCMI。最终，研究人员从637名患者建立了665个模型，覆盖25种恶性肿瘤。
其中519个，也就是78%，是三维类器官；37个为三维球状体（3D spheroid）；109个为二维贴壁患者来源细胞系。394个模型来自原发肿瘤，250个来自转移灶。153个模型属于罕见癌症，占全部成功模型的23%。
更重要的是，这不是一个只有“细胞”和“测序结果”的模型库。522个模型，也就是78%，具有较完整的临床资料，包括治疗史、生存信息，以及肿瘤取材前后的治疗情况。318个模型来自治疗初治组织，168个来自既往接受过治疗的患者。
这意味着，实验室中的一个模型不再只是匿名的“某某癌细胞”，而有机会与患者真实经历过的疾病过程连接起来。对研究耐药和肿瘤进化而言，这种连接尤其重要。
培养一年之后，它们还像原来的肿瘤吗？
这是整项研究最关键的一组数据。
在421组有匹配原始肿瘤的模型中，研究人员首先比较DNA层面的保真度（fidelity）。在388对肿瘤—模型中，361对的杂合性缺失（loss of heterozygosity，LOH）一致率超过80%，平均达到94%；肿瘤与模型共享的单核苷酸变异（single nucleotide variant，SNV）和插入缺失（indel）中位比例达到82.4%。
全基因组加倍（whole-genome doubling，WGD）状态有88%保持一致，肿瘤与模型的倍性也显著相关。对于研究人员特别关心的驱动事件，81%的肿瘤特异性驱动改变在模型中得以保留，包括黑色素瘤中的BRAF、胰腺癌中的KRAS、结直肠癌中的APC以及食管癌中的TP53等典型改变。
|
把驱动突变、突变特征（mutational signature）、WGD和倍性等DNA指标综合起来，即使这些模型已经在体外培养至少一年，97.8%的模型仍保留了至少两项、并且往往保留全部四项关键DNA特征。 |
表观遗传层面的结果同样较高。201对具有DNA甲基化数据的肿瘤—模型中，190对，也就是95%，其相似程度高于随机预期。转录组则稍微复杂一些：在至少使用4种独立方法评估的286个模型中，263个，也就是92%，最多只被一种方法判定为不一致。
如果只看到这里，很容易得到一个相当乐观的印象：多数HCMI模型确实能在长期培养后保持原始肿瘤的核心分子身份。
但论文里有一个例外尤其值得注意——染色体外DNA（extrachromosomal DNA，ecDNA）的保真度明显更低。在212个ecDNA事件中，93个、即43.9%，只在模型中检测到；另有69个、即32.5%，只在原始肿瘤中检测到。研究人员认为低测序覆盖可能解释其中很大一部分差异，但体内与体外环境对ecDNA扩增施加不同的选择压力，也不能被排除。
换句话说，“97.8%一致”绝不能被简单理解成“模型基本不会变化”。
更有意思的偏差：基因没怎么变，细胞状态却变了
肿瘤的DNA可以相对稳定，细胞所处的功能状态却可能被培养环境重新塑造。
胶质母细胞瘤（glioblastoma，GBM）提供了一个典型案例。使用NeuroCult NS-A基础培养基（NSA medium）的GBM模型，比使用条件培养基（conditioned medium）的模型更接近其原始肿瘤。相关变化涉及间质型和前神经型GBM标志物，以及上皮—间质转化（epithelial–mesenchymal transition，EMT）相关程序。
研究人员进一步进行了培养基切换实验。一个GBM模型在改变培养条件后，不仅细胞形态发生变化，核内SOX2信号降低，转录状态也随之改变。
|
这个结果非常重要，因为它提醒我们：培养基并不是一个“中性的背景条件”。它本身可能决定实验最后观察到的是肿瘤的哪一种状态。 |
为了看得更细，研究人员又对16对肿瘤—模型进行了单核RNA测序（single-nucleus RNA sequencing，snRNA-seq），共分析217,749个细胞核，其中117,257个来自模型，100,492个来自原始肿瘤。
在7对GBM中，有3个模型较好保留了亲本肿瘤的细胞状态，另外4对出现不同程度的转录偏移，其中3个模型几乎整体转向间质型（mesenchymal-like）状态。NSA培养的模型保留了更多原始肿瘤的异质性，而条件培养基中的模型更容易向间质型状态偏移。
在胰腺腺癌（pancreatic adenocarcinoma，PAAD）中，情况又有所不同。原始肿瘤中的基质细胞亚群在模型建立过程中明显丢失，但恶性细胞内部的多种转录状态在多数模型中仍有较好的定性保留，只是不同状态所占比例会发生变化。
于是，“模型保真度”从一个静态问题变成了一个动态问题：模型像不像患者肿瘤，不只取决于它从哪里来，也取决于后来怎样养它。
对罕见癌症而言，缺的不只是数据，还有“可以做实验的对象”
癌症图谱可以告诉我们某个突变存在，但如果没有对应的实验模型，很多机制问题仍然只能停留在关联层面。
HCMI在这一点上补上了一块长期存在的缺口。665个模型中有153个来自罕见癌症，其中42个模型覆盖17种癌症基因组图谱常用细胞系资源CCLE（Cancer Cell Line Encyclopedia）中没有的组织学亚型，包括血管免疫母细胞性T细胞淋巴瘤、硬纤维瘤、小肠非典型类癌、外周T细胞淋巴瘤和透明细胞肉瘤等。
HCMI还明显扩充了结直肠癌、胰腺癌和食管癌等癌种的可用模型。当HCMI与CCLE资源合并后，TCGA肿瘤样本中有77.3%，共6902例，可以找到至少一个高保真的组织学匹配模型。
这提示我们，模型库之间更合理的关系可能不是“谁取代谁”，而是互相补充。癌症本身具有高度异质性，一套资源很难独立覆盖所有分子亚型和疾病状态。
但多样性问题并没有因此解决。HCMI中约85%的模型来源于欧洲祖源人群，主要非欧洲祖源供者的模型只有71个。研究团队也明确承认，目前的代表性仍然不足。
模型库越丰富，我们越需要追问：它究竟代表了哪些患者，又遗漏了哪些患者？
当模型带上患者的治疗史，耐药研究就有了“时间轴”
HCMI最具转化价值的一点，是把分子数据和患者的治疗轨迹连接了起来。
这批模型所对应的患者，在模型建立之后共有491次治疗事件，在模型建立之前则有533次治疗事件，涉及6类治疗以及33种不同作用机制。研究人员还发现，234个模型携带COSMIC耐药参考集中已经记录的相关变异。
胶质母细胞瘤中的替莫唑胺（temozolomide，TMZ）耐药，是一个很有代表性的例子。
研究人员在GBM模型中观察到与错配修复缺陷（mismatch repair deficiency，MMR deficiency）相关的SBS6、SBS15、SBS26和SBS44突变特征，也观察到与长期TMZ暴露和获得性耐药有关的SBS11。
其中一名患者接受TMZ治疗长达820天，其模型同时具有MSH2胚系变异和SBS11特征。
但另一个病例更加值得思考：患者经历了1484天的TMZ治疗，模型中却没有出现典型的SBS11。研究人员重新检查临床和分子信息后发现，这个肿瘤的MGMT启动子未甲基化，本身就具有位于更上游的TMZ耐药机制。
也就是说，相同的“耐药”结果，背后完全可能是不同的生物学路径。只测药物敏感性还不够，还需要把治疗暴露、DNA修复状态、突变特征和功能实验放在同一个时间轴上解释。
随后进行的功能验证进一步支持这一点：携带SBS11的模型对TMZ的敏感性显著降低，而且这种关系独立于MGMT启动子甲基化状态。
|
患者来源模型由此展示出一种特别的价值：它模拟的不只是“某种癌症”，还可能保存着肿瘤在患者体内经历治疗选择之后留下的进化历史。 |
一个高保真模型，也有自己明确的“不可回答问题”
这项研究并没有把类器官或患者来源模型描述成患者肿瘤的完美复制品。
相反，大约4%—8%的模型表现出较明显的不一致。通过单细胞分析，研究人员把这种偏离归纳为三种主要机制。
一种是“纯化”（purification）：培养以后，原肿瘤中的基质细胞和免疫细胞逐渐消失。另一种是“选择”（selection）：原始肿瘤中比例不高的某个癌细胞亚克隆，在体外条件下获得生长优势并逐渐占据主体。还有一种是表观基因组可塑性（epigenomic plasticity）：DNA未必发生显著变化，但培养环境改变了恶性细胞不同状态之间的比例。
尤其需要强调的是，HCMI模型普遍缺少基质和免疫细胞，因此并不适合直接回答完整免疫微环境中的药物反应问题。它们可以帮助研究肿瘤细胞内在的免疫逃逸或耐药机制，却不能替代具有完整肿瘤微环境（tumor microenvironment，TME）的模型体系。
这并不是简单的“模型缺陷”，而是实验设计必须知道的边界条件。
模型库还要继续扩大，但更重要的是知道“它在哪些问题上可信”
这项研究最值得关注的，并不是665这个数字，也不只是97.8%、95%或92%这些漂亮的一致率。
更重要的是，它把肿瘤模型的评价，从“有没有这个模型”，推进到了“这个模型在哪些维度、什么条件下、以多高程度保留了患者肿瘤特征”。
一个模型可以在DNA层面高度稳定，却在细胞状态上被培养基重新塑造；它可以保留肿瘤细胞内部的耐药机制，却失去免疫微环境；它可以保存治疗选择留下的突变特征，也可能因为克隆选择、空间取样或者培养压力而偏离原始肿瘤。
因此，未来评价一个癌症模型，或许不应该只有一句“这个模型可用”。
|
更有信息量的问题应该是：它保留了哪些生物学层次？哪些状态容易漂移？这种漂移能否逆转？它适合回答哪类实验问题，又不适合回答哪类问题？ |
当这些边界被描述清楚，患者来源模型才不仅仅是“更像人体的培养物”，而会成为一种能够被校准、被选择，也能够被正确解释的实验工具。
参考文献
