摘要
本报告旨在系统性地梳理“干细胞与肿瘤”这一关键研究领域的历史发展脉络、里程碑式发现、当前前沿进展以及未来方向。自20世纪末“癌症干细胞”(Cancer Stem Cell, CSC)假说被首次实验证实以来,该领域经历了从概念提出、细胞鉴定、机制探索到如今由单细胞多组学、空间生物学及人工智能技术驱动的精准研究范式转变。报告首先追溯了CSC理论的早期思想渊源与20世纪90年代在白血病中取得的开创性实证突破。随后,详细阐述了21世纪初该理论在乳腺癌、脑瘤等多种实体瘤中得以验证的关键研究,这些成果确立了CSC在肿瘤发生、发展、转移和复发中的核心地位。进入2010年代,研究重点转向解析维持CSC干性(stemness)的关键信号通路(如Wnt、Notch)及其与肿瘤微环境的复杂相互作用。
本报告重点分析了自2020年以来,特别是2024年至2026年间涌现的新兴技术和前沿发现。单细胞测序与空间转录组学等高通量技术极大地提升了我们对CSC内部异质性、克隆演化及其在肿瘤组织内空间生态位的认知深度。同时,CSC与肿瘤免疫微环境的相互作用成为研究热点,揭示了CSC通过多种机制塑造免疫抑制环境以实现免疫逃逸,并催生了靶向CSC及其微环境的新型免疫治疗策略。人工智能(AI)的融入,正在从无标记细胞识别、药物靶点预测到个性化治疗方案设计等多个层面,为攻克CSC这一难题提供革命性工具。
最后,报告总结了当前领域内尚未解决的核心科学问题,如CSC的起源与可塑性、休眠CSC的激活机制等,并展望了未来的研究方向。我们预测,未来的研究将聚焦于多模态单细胞/空间组学的深度整合、靶向CSC代谢与表观遗传脆弱性的新药研发、以及基于AI和类器官模型的个体化精准治疗策略的临床转化。尽管将这些前沿发现转化为有效的临床实践仍面临巨大挑战,但靶向并根除CSC,无疑是实现癌症持久治愈的最有希望的途径之一。引言
干细胞(Stem Cell)是一类具有自我更新(self-renewal)和多向分化潜能(multi-potent differentiation)的特殊细胞群体,它们是机体组织器官发育、修复与再生的基础。而肿瘤(Cancer),则被定义为细胞不受控制的异常增殖所导致的疾病,其特征是侵袭性生长和远处转移。长期以来,关于肿瘤起源的“随机模型”(stochastic model)认为,肿瘤组织中的大多数细胞都具备无限增殖和形成新肿瘤的能力。然而,越来越多的证据对这一模型提出了挑战。
在此背景下,“癌症干细胞”(Cancer Stem Cell, CSC)假说应运而生。该假说提出,肿瘤并非由均质的癌细胞组成,而是像正常组织一样,呈现出一种层级化结构(hierarchical organization)。在这个结构顶端的,是一小群具有干细胞特性的癌细胞——即CSC。这群细胞拥有强大的自我更新能力,能够不断补充自身数量,同时也能分化产生构成肿瘤主体的、不具备或仅有有限增殖能力的非CSC癌细胞 [[1]]。
CSC假说的 significance(重要性)是革命性的。它深刻地重塑了我们对肿瘤生物学的理解。根据该模型,CSC是驱动肿瘤持续生长、对传统放化疗产生耐药性、以及导致肿瘤在治疗后复发和远处转移的根源细胞 [[2]]。传统疗法(如化疗和放疗)主要杀伤快速增殖的肿瘤细胞,而对处于静止或缓慢分裂状态的CSC效果有限,这解释了为何许多患者在治疗初期反应良好,但最终仍会复发。因此,靶向并根除CSC被认为是实现癌症治愈的关键。
本研究报告的目的在于,以2026年9月的视角,全面回顾“干细胞与肿瘤”研究领域从理论萌芽到当前前沿探索的完整历史画卷。我们将系统性地梳理:
1.历史发展脉络:追溯从早期的理论雏形到奠基性的实验证据,勾勒出CSC研究的起点。
2.关键时间节点与里程碑成果:重点剖析在白血病、乳腺癌、脑瘤等关键癌种中鉴定出CSC的标志性研究,及其对整个领域产生的深远影响。
3.机制研究的深化:总结近十年来关于CSC信号通路、肿瘤微环境互作等方面的核心发现。
4.最新研究进展与未来方向:聚焦2020年至2026年的前沿突破,特别是单细胞多组学、人工智能、新型免疫疗法等技术如何推动该领域的发展,并基于此总结未来的主要挑战和最有前景的研究方向。
通过这份结构化的深度报告,我们期望为相关领域的研究人员、临床医生和决策者提供一个关于CSC研究过去、现在和未来的全景式参考。
第一章:历史溯源与理论萌芽
在癌症干细胞假说被实验确证之前,关于肿瘤起源和异质性的思考已持续了超过一个世纪。这些早期的理论虽然缺乏现代分子生物学工具的支撑,但其思想的火花为后续的研究提供了重要的概念基础。1.1 早期细胞学理论的启示
关于肿瘤起源于“干细胞样”细胞的构想,最早可以追溯到19世纪。德国病理学家鲁道夫·魏尔肖(Rudolf Virchow)在1855年观察到肿瘤组织与胚胎组织的相似性,提出了“胚胎残余理论”(embryonic rest theory)。他推测,一些在胚胎发育过程中残留的、未分化的细胞巢可能在成年后被激活,并发展成为肿瘤 [[3]]。这一理论虽然在当时无法被证实,但首次将肿瘤的起源与具有“胚胎”或“干细胞”样特性的细胞联系起来。
进入20世纪,随着实验肿瘤学的发展,单细胞起源理论逐渐受到关注。1937年,Furth和Kahn通过实验证明,单个白血病细胞就足以在受体小鼠体内重建整个白血病。这一发现提示,肿瘤可能起源于单个具有强大增殖能力的细胞 [[4]]。尽管这些早期的工作并未明确使用“干细胞”这一术语,但其内涵——即肿瘤由一小部分具有特殊能力的细胞驱动——与后来的CSC模型不谋而合。1.2 干细胞生物学的奠基
“干细胞与肿瘤”研究的真正起飞,离不开干细胞生物学自身的成熟。20世纪50至60年代,加拿大学者Till和McCulloch通过脾集落形成单位(colony-forming unit-spleen, CFU-S)实验,首次在功能上证实了造血干细胞(Hematopoietic Stem Cell, HSC)的存在,并揭示了其自我更新和多向分化的能力 [[5]]。这一里程碑式的发现不仅奠定了现代干细胞生物学的基础,也为科学家们提供了一套研究稀有细胞功能(如移植、重建组织)的实验范式和理论框架。正是基于对正常造血干细胞层级结构和功能的理解,研究人员开始思考:恶性血液病——白血病,是否也遵循类似的层级化组织模式?1.3 癌症干细胞(CSC)假说的理论雏形
在20世纪末一系列决定性实验证据出现之前,一些富有远见的科学家已经开始系统性地构建CSC的理论框架。其中,2001年由Reya、Morrison、Clarke和Weissman在《自然》杂志上发表的综述文章“Stem cells, cancer, and cancer stem cells”具有里程碑意义 [[6]]。这篇文章系统性地提出了一个统一的“癌症干细胞”理论框架,明确指出:
1.相似的调控机制:维持正常干细胞自我更新的信号通路(如Wnt、Notch、Hedgehog等)在肿瘤中常常被异常激活,这可能是驱动CSC自我更新和肿瘤生长的核心机制。
2.肿瘤的层级结构:肿瘤内部存在功能异质性,只有一小部分细胞(即CSC)负责肿瘤的长期维持和生长。
3.临床意义:CSC的存在是导致传统疗法失败和肿瘤复发的根本原因。有效的癌症治疗必须能够靶向并清除CSC。
这篇综述发表之时,关于实体瘤中CSC的直接证据尚未出现,但它极具前瞻性地整合了干细胞生物学和肿瘤学的知识,为即将到来的实验大发现时代提供了清晰的理论指导和假说验证方向。它标志着CSC研究从零散的观察和推测,正式步入一个有系统理论指导的科学探索阶段。至此,舞台已经搭建完毕,只待实验科学家们拉开大幕,揭示CSC的真实面目。第二章:里程碑式的实证突破 (1994-2012)
如果说20世纪的理论探索为CSC假说铺平了道路,那么从1994年开始的一系列开创性实验则为其提供了坚实的实证基础。这些研究不仅证实了CSC的存在,还逐步将其从血液肿瘤扩展到各种实体瘤,彻底改变了肿瘤学研究的格局。2.1 白血病中的开创性发现:CSC模型的诞生 (1994-1997)
现代CSC研究的序幕,由加拿大多伦多大学的John Dick实验室拉开。他们的研究对象是急性髓系白血病(Acute Myeloid Leukemia, AML)。2.1.1 1994年:首次实验证实肿瘤起始细胞的存在
1994年,John Dick团队在《科学》杂志发表了题为“A cell initiating human acute myeloid leukaemia after transplantation into SCID mice”的论文,这被广泛认为是CSC领域的奠基之作 [[7]][[8]][[9]]。
l实验设计:研究人员从AML患者体内分离出癌细胞,并利用细胞表面标志物(如CD34和CD38)将其分成不同的亚群。然后,他们将这些细胞亚群分别移植到严重联合免疫缺陷(Severe Combined Immune-deficient, SCID)小鼠体内。SCID小鼠由于缺乏功能性T细胞和B细胞,不会排斥人类细胞,是研究人类细胞在体内功能的理想模型。
l关键发现:实验结果惊人地清晰。只有一小部分表型为CD34⁺CD38⁻的细胞亚群,能够在移植数周后在SCID小鼠的骨髓中重建出与原始患者样本高度相似的、包含多种细胞类型的完整白血病。而数量上占绝大多数的其他癌细胞亚群(如CD34⁺CD38⁺或CD34⁻细胞)则不具备或仅有非常有限的这种能力。
l研究意义:这项研究首次在功能层面,通过异种移植实验,证实了人类肿瘤中存在一小群能够“起始”并完整重建肿瘤的细胞,即“白血病起始细胞”(Leukemia-Initiating Cell, LIC)。这是现代癌症干细胞理论的第一个直接的、决定性的实证证据,它将CSC假说从一个抽象概念变为了一个可供实验验证的实体。2.1.2 1997年:确立白血病的层级结构模型
在1994年研究的基础上,Dominique Bonnet和John Dick于1997年在《自然医学》发表了另一篇里程碑论文“Human acute myeloid leukemia is organized as a hierarchy that originates from a primitive hematopoietic cell”[[10]][[11]][[12]]。
l进一步的证据:这项工作进一步提纯并 caractérisé(表征)了这群CD34⁺CD38⁻的白血病起始细胞。他们证明,这群细胞不仅能在初代移植小鼠体内生成白血病,还能从这些小鼠体内再次分离出来,并在二代、三代移植小鼠中继续重建白血病。这有力地证明了它们具备干细胞的核心特征——自我更新能力。
l层级模型的提出:更重要的是,研究表明,这群白血病干细胞(Leukemic Stem Cell, LSC)不仅能自我更新,还能分化产生表型和功能上更多样化的、不具备干细胞特性的下游白血病细胞群体,从而构成了整个肿瘤的细胞异质性。
l研究意义:这项研究确立了AML是作为一个层级化结构组织的,其顶端是稀有的、能够自我更新的LSC。这正式宣告了癌症“等级模型”(hierarchical model)的胜利,并为后续所有CSC研究提供了黄金标准——即通过连续移植实验(serial transplantation)来功能性地定义CSC。
这两项研究共同构成了CSC领域的基石,它们不仅鉴定了第一种CSC,还建立了一套至今仍在广泛使用的研究CSC的方法论。2.2 实体瘤研究的重大进展:CSC模型的普及 (2003-2012)
白血病中的发现引发了一个关键问题:CSC模型是否同样适用于占所有癌症90%以上的实体瘤?从2003年开始,答案变得越来越清晰。2.2.1 乳腺癌干细胞的鉴定 (2003)
2003年,来自密歇根大学的Michael Clarke和Max Wicha团队,在题为“Prospective identification of tumorigenic breast cancer cells”的研究中,首次将CSC模型成功扩展到实体瘤领域 [[13]][[14]]。
l实验方法:他们借鉴了John Dick在白血病研究中的思路,利用流式细胞术,根据细胞表面标志物CD44和CD24的表达,对来自人类乳腺癌组织的细胞进行分选。
l关键发现:他们发现,一个表型为CD44⁺CD24⁻/low的细胞亚群,即便只移植极少量(少至100个细胞),也能在免疫缺陷小鼠体内高效地形成新的肿瘤。而数量远多于它们的其他癌细胞亚群(如CD44⁻或CD24⁺细胞)则几乎不具备成瘤能力。更重要的是,由CD44⁺CD24⁻/low细胞形成的肿瘤,其内部包含了CD44⁺CD24⁻/low细胞以及其他各种表型的癌细胞,完美再现了原始肿瘤的异质性。
l研究意义:这项研究是第一个在实体瘤中前瞻性地分离和鉴定出CSC的报道。它雄辩地证明了CSC模型并非血液肿瘤所特有,而可能是一个普遍适用于多种癌症的生物学原理。CD44⁺CD24⁻/low从此成为乳腺癌CSC研究中最经典的表面标志物组合,并激发了在其他实体瘤中寻找类似CSC标志物的研究热潮。2.2.2 脑肿瘤干细胞的发现 (2003-2004)
几乎在同一时期,CSC研究在另一类恶性程度极高的实体瘤——脑肿瘤中也取得了突破。2003/2004年,Peter Dirks和John Dick等团队发表了“Identification of human brain tumour initiating cells”等一系列研究,鉴定出了脑肿瘤干细胞(Brain Tumor Stem Cell, BTSC) [[15]][[16]][[17]]。
l关键标志物与特性:他们发现,在胶质母细胞瘤和髓母细胞瘤等多种脑肿瘤中,表达正常神经干细胞标志物CD133的细胞亚群,是唯一能够在体外形成“神经球”(neurospheres)并在免疫缺陷小鼠脑内形成肿瘤的细胞。这些CD133⁺细胞同样展现出强大的自我更新和分化能力,能够产生CD133⁺和CD133⁻的子代细胞。
l与临床的相关性:研究还发现,CD133⁺ BTSC的自我更新能力与肿瘤的侵袭性和不良预后密切相关 [[18]]。这首次将CSC的生物学特性与肿瘤的临床行为直接联系起来。2.2.3 其他实体瘤中的扩展 (2007-2012)
在乳腺癌和脑肿瘤取得突破后,CSC的发现呈现出井喷之势。研究人员利用类似的策略,在多种主要实体瘤中相继鉴定出了CSC亚群:
l结直肠癌(2007):Ricci-Vitiani等人利用CD133标志物,O'Brien和Clarke等人则利用上皮特异性抗原(ESA)和CD44等,成功分离出结直肠癌干细胞。后续研究还发现,正常肠道干细胞的标志物Lgr5也常常标记结肠癌的CSC [[19]]。
l胰腺癌、肺癌、前列腺癌、黑色素瘤等:在接下来的几年里,CSC在胰腺癌、肺癌、前列腺癌、黑色素瘤和胶质母细胞瘤等几乎所有主要肿瘤类型中都得到了鉴定和报道 [[20]]。
lCSC的起源追踪:更进一步的研究开始追溯CSC的细胞起源。例如,2008年的研究发现胶质母细胞瘤干细胞可起源于转化的正常神经干细胞;2011年证实前列腺癌干细胞源于基底上皮祖细胞;2012年则显示卵巢癌干细胞可能源于正常的卵巢上皮干细胞 [[21]]。2.3 里程碑研究的意义与影响
从1994年到2012年,这近二十年的里程碑式研究,共同完成了对CSC假说的系统性验证,其影响是范式性的:
1.从“随机模型”到“等级模型”的转变:CSC假说从根本上颠覆了传统认为所有癌细胞都平等的“随机模型”,确立了肿瘤内部存在功能等级的“等级模型”,为理解肿瘤的异质性和生物学行为提供了全新的理论框架。
2.对癌症治疗失败的全新解释:CSC对传统放化疗的天然抗性,为肿瘤治疗后为何会复发提供了迄今为止最令人信服的解释。CSC的存在意味着,仅仅缩小肿瘤体积是不够的,根治癌症必须清除掉这群“罪魁祸首”。
3.开辟全新的治疗靶点:既然CSC是肿瘤的根源,那么专门靶向CSC的疗法就成为了癌症新药研发最具吸引力的方向之一。研究的焦点开始转向寻找CSC特有的标志物、信号通路和生物学特性,以期开发出能够“斩草除根”的新型抗癌策略。
总之,这一时期的辉煌发现,不仅让CSC从一个假说变成了肿瘤学研究的核心概念,也为接下来十余年乃至未来的研究指明了方向:深入理解并最终征服癌症干细胞。第三章:机制探索与技术驱动的深化研究 (2010-2020)
在成功鉴定出多种肿瘤的CSC之后,研究的重心自然而然地转向了更深层次的生物学问题:是什么机制在维持CSC的“干性”?它们如何与周围环境互动以促进肿瘤的恶性进展?以及,我们如何才能有效地靶向它们?在2010年至2020年这十年间,随着分子生物学和基因组学技术的进步,科学家们在这些方面取得了长足的进展。3.1 关键信号通路的解析
研究发现,CSC巧妙地“劫持”了正常干细胞用于维持自我更新和调控分化的信号通路。这些通路的异常激活是维持CSC特性的核心驱动力。
l核心“干性”通路:三大经典信号通路——Wnt/β-catenin、Notch和Hedgehog (Hh)——被证实是多种CSC中最为关键的自我更新调控通路 [[22]]。
lWnt通路:在结直肠癌、乳腺癌等多种肿瘤中,Wnt通路的异常激活(如APC基因突变)是常见的致癌事件,它能稳定β-catenin蛋白,促进CSC的增殖和自我更新。
lNotch通路:Notch信号通过细胞间的直接接触激活,对于维持脑肿瘤干细胞、乳腺癌干细胞等的未分化状态至关重要。它通过抑制分化基因,将细胞锁定在“干性”状态。
lHedgehog通路:Hh通路在基底细胞癌、髓母细胞瘤等肿瘤中扮演关键角色,其配体(如SHH)可以旁分泌或自分泌的方式激活信号,驱动CSC的存活和增殖。
l其他重要通路:除了上述三大通路,其他信号网络也被发现深度参与CSC的调控。例如,TGF-β、JAK-STAT、PI3K/Akt和NF-κB等通路,它们或直接促进CSC的存活与增殖,或通过调节CSC与微环境的互作来维持其干性 [[23]]。
l通路间的串扰与网络:研究进一步揭示,这些信号通路并非孤立作用,而是形成了一个复杂的、相互交织的调控网络。例如,Wnt和Notch通路之间存在协同作用,共同维持肠道CSC的特性。这种网络的复杂性和冗余性,也解释了为何靶向单一信号通路的疗法往往效果有限,容易产生耐药性。
这一时期的机制研究,为开发靶向CSC的药物提供了大量潜在靶点。例如,针对Hedgehog通路的抑制剂(如Vismodegib)和针对Notch通路的γ-分泌酶抑制剂等,都进入了临床试验阶段。2016年的一项研究发现,STAT3抑制剂可以有效抑制胶质母细胞瘤干细胞的干性通路,展示了靶向这些通路的治疗潜力 [[24]][[25]]。3.2 CSC与肿瘤微环境(TME)的相互作用
CSC并非孤立存在,它们居住在一个特殊的微环境——“CSC生态位”(CSC niche)中。这个生态位由多种非肿瘤细胞(如成纤维细胞、免疫细胞、内皮细胞等)和细胞外基质、信号分子共同构成,它对CSC的生存、自我更新、休眠和耐药至关重要 [[26]][[27]]。CSC与TME之间存在着复杂的双向互动。
lTME对CSC的滋养与保护:
l癌症相关成纤维细胞(CAFs):CAFs是TME中最主要的细胞成分之一。它们通过分泌多种生长因子(如HGF、TGF-β)和细胞因子,直接促进CSC的自我更新和增殖。
l缺氧(Hypoxia):肿瘤内部的缺氧环境是CSC生态位的一个关键特征。缺氧通过激活缺氧诱导因子(HIFs),能够诱导癌细胞去分化,增强其干性,并使其对放化疗产生抵抗。
l免疫细胞:TME中的某些免疫细胞,如肿瘤相关巨噬细胞(TAMs)和髓源性抑制细胞(MDSCs),非但不能清除肿瘤,反而会分泌IL-6、TGF-β等因子,创建一种免疫抑制性的微环境,同时直接支持CSC的存活和干性 results)。
l外泌体(Exosomes):细胞间的通讯媒介——外泌体,在CSC与TME的对话中扮演着重要角色。例如,TME中的细胞可以分泌含有特定miRNA(如miR-21-5p)或lncRNA(如H19)的外泌体,被CSC吸收后调控其基因表达,从而维持其干性 results)。
lCSC对TME的重塑与改造:
l免疫抑制环境的构建:CSC自身就是重塑免疫微环境的“主谋”。它们通过高表达PD-L1、CD47等免疫检查点分子,直接抑制T细胞的杀伤功能,实现免疫逃逸。同时,CSC分泌的CCL2、CXCL12等趋化因子,能够招募Tregs、MDSCs等免疫抑制细胞,共同构建一个“保护性”的免疫抑制生态位 results)。
l血管生成:CSC通过分泌血管内皮生长因子(VEGF)等,促进肿瘤新生血管的形成,为肿瘤的快速生长提供养分和氧气。
l基质重塑:CSC可以分泌基质金属蛋白酶(MMPs)等,降解细胞外基质,为自身的侵袭和转移开辟道路。
对CSC与TME相互作用的深入理解,揭示了一个重要的事实:仅仅靶向CSC本身可能是不够的,必须同时瓦解其赖以生存的“土壤”——TME。这为“联合治疗”策略的提出奠定了理论基础,即同时使用靶向CSC的药物和靶向TME(如免疫检查点抑制剂、抗血管生成药物)的药物。3.3 靶向CSC的早期治疗策略探索
基于对CSC生物学特性的理解,研究者们开发并测试了多种靶向CSC的治疗策略。
l靶向CSC表面标志物:利用针对CSC特有表面标志物(如CD44, CD133, Lgr5等)的抗体,进行抗体依赖性细胞毒性(ADCC)作用,或者将其作为靶向递送化疗药物的“导弹头”。
l抑制关键信号通路:如前所述,开发针对Wnt、Notch、Hedgehog等通路的小分子抑制剂或单克隆抗体。这是当时最主流的靶向CSC策略之一。
l靶向CSC的代谢特性:研究发现CSC在代谢上与普通癌细胞存在差异,例如,一些CSC更依赖于线粒体的氧化磷酸化而非糖酵解。因此,靶向这些代谢脆弱性(如使用二甲双胍等)成为一个新兴方向。
l诱导CSC分化:既然CSC的危害在于其“干性”,那么能否通过药物强制其分化为对治疗敏感的非CSC细胞?一些药物如全反式维甲酸(ATRA)在治疗急性早幼粒细胞白血病(APL)上的巨大成功,就是诱导分化疗法的经典范例。
l数据库的建立:为了系统性地整合与CSC治疗靶点相关的信息,研究者们开始构建专门的数据库。例如,癌症干细胞治疗靶点数据库(CSCTT)的建立,旨在收集和整理潜在的蛋白质靶点和生物疗法,为新药研发提供信息支持 [[28]]。
尽管在这一时期,大多数靶向CSC的疗法在临床试验中遭遇了挑战,例如疗效有限或毒副作用较大,但这十年的探索为我们积累了宝贵的经验和教训,并清晰地指出了未来研究需要克服的障碍:CSC的异质性、可塑性以及与微环境的复杂动态关系。这些挑战,正由2020年之后的新一轮技术革命来应对。第四章:前沿进展与新兴方向 (2020-2026)
进入2020年代,特别是从2024年到我们所处的2026年,CSC研究领域正经历着一场由单细胞多组学、空间生物学和人工智能(AI)共同驱动的深刻变革。这些颠覆性技术使得我们能够以前所未有的分辨率和维度来审视CSC,从而揭示了其前所未有的复杂性,并催生了更为精准和智能的靶向策略。4.1 单细胞多组学技术带来的革命
传统的基于几个表面标志物(如CD44/CD24)来定义CSC的方法,正在被证明是过于简化的。单细胞测序技术,尤其是单细胞RNA测序(scRNA-seq),彻底改变了我们对CSC异质性的认知。4.1.1 解构CSC的异质性与动态性
scRNA-seq技术能够同时获取成千上万个单个细胞的完整转录组信息,从而将原本被视为一个群体的“CSC”分解为多个具有不同基因表达模式、功能状态和分化潜能的亚群 [[29]][[30]]。
l超越标志物的定义:研究发现,经典的CSC标志物在不同肿瘤甚至同一肿瘤的不同区域表达都存在高度异质性,许多不表达经典标志物的细胞也可能具备干性。scRNA-seq使得我们可以基于完整的转录组特征来定义CSC的功能状态,如“增殖性CSC”、“休眠CSC”、“侵袭性CSC”等,这比依赖少数几个标志物要精确得多 [[31]]。
l描绘分化轨迹:通过生物信息学算法(如伪时间分析),研究人员可以利用单细胞数据重建CSC自我更新和分化为非CSC的过程,精确描绘出细胞状态转变的连续轨迹,并识别出调控这些转变的关键基因和检查点。
l识别新的CSC亚群:单细胞技术已成功在多种癌症中识别出前所未知、且具有临床意义的CSC亚群。例如,一项2024年发表在《Gut》上的重磅研究,利用scRNA-seq技术对结直肠癌进行了深入分析,成功解析了其中异质性的癌症干细胞样细胞,并揭示了不同CSC亚群与肿瘤向特定器官(如肝、肺)转移的倾向性有关[[32]]。这一发现对于预测和干预肿瘤转移具有重大意义。4.1.2 空间转录组学重现CSC生态位
如果说单细胞测序是在“解构”肿瘤,那么空间转录组学(Spatial Transcriptomics)则是在“重构”肿瘤。这项技术在保留组织空间位置信息的同时,获取该位置的基因表达谱,从而让我们能够直观地看到不同类型的CSC亚群、免疫细胞、基质细胞在肿瘤组织内的“排兵布阵” [[33]][[34]]。
l可视化CSC生态位:空间转录组学使得研究人员能够精确地定位CSC富集的区域,并识别出在空间上与它们紧密相邻的细胞类型和信号分子,从而在原位(in situ)描绘出支持CSC干性的“生态位”结构 [[35]]。
l揭示空间演化:通过整合多组学和空间信息,科学家们能够追踪肿瘤在生长和转移过程中的时空演变。例如,一项发表于2024年《Cancer Cell》的研究,通过整合多组学分析,成功解码了转移性肝细胞癌在时间和空间维度上的演化路径[[36]]。这类研究有助于我们理解CSC是如何在原发灶和转移灶之间进行克隆演替和适应性变化的。
l空间代谢重编程:结合空间代谢组学,研究人员可以揭示CSC及其微环境中的代谢特征。2023年的一项研究就利用该技术揭示了胃癌中的代谢重塑现象,发现CSC倾向于聚集在特定的代谢微环境中 [[37]]。这为开发靶向CSC代谢环境的新疗法提供了直接线索。4.1.3 单细胞多组学与未来
当前及未来的趋势是将单细胞RNA测序与表观遗传学(scATAC-seq)、蛋白质组学(CITE-seq)、空间组学等技术进行整合,形成“单细胞多组学” [[38]]。这将提供一个关于CSC从基因型到表型的、包含空间信息的全景视图,以前所未有的深度揭示驱动肿瘤恶性行为的复杂调控网络。4.2 CSC与肿瘤免疫微环境(TIME)的深度交互与治疗新策略
随着免疫疗法,特别是免疫检查点抑制剂(ICIs)的成功,CSC与免疫系统的相互作用已成为当前研究的最前沿和热点。研究表明,CSC是肿瘤免疫逃逸和ICI耐药的关键策动者。4.2.1 CSC的免疫逃逸机制
CSC进化出了一套复杂的策略来逃避和抑制抗肿瘤免疫反应 results):
l高表达免疫检查点:CSC表面常常高表达PD-L1、B7-H3、CD47(“别吃我”信号)等分子,直接与T细胞或巨噬细胞上的抑制性受体结合,从而“刹住”免疫系统的攻击。
l分泌免疫抑制因子:CSC是免疫抑制分子的主要来源,它们大量分泌TGF-β、IL-6、IL-1β等细胞因子,这些因子能够抑制T细胞和NK细胞的活性,促进免疫抑制性细胞的聚集。
l招募和教育免疫抑制细胞:CSC通过分泌CCL2、CXCL12等趋化因子,像“磁铁”一样将调节性T细胞(Tregs)、肿瘤相关巨噬细胞(TAMs)和髓源性抑制细胞(MDSCs)吸引到肿瘤微环境中。并且,CSC还能“教育”这些细胞,使其更好地发挥免疫抑制功能,共同构建一个坚固的“免疫豁免”生态位。
l低免疫原性:部分CSC通过下调MHC-I分子的表达,减少肿瘤抗原的呈递,使自己对T细胞“隐形”。4.2.2 靶向CSC的新型免疫疗法
基于对上述机制的理解,一系列旨在打破CSC免疫豁免状态的新型免疫治疗策略正在被积极开发和测试:
l直接靶向CSC的免疫疗法:
lCAR-T细胞疗法:设计能够识别CSC特有表面抗原(如Cripto-1, OCT4, Nanog等)的嵌合抗原受体T细胞(CAR-T),以期直接、精准地清除CSC。
l治疗性疫苗:开发针对CSC特异性抗原的疫苗,旨在激发患者体内产生能够识别并攻击CSC的特异性T细胞。
l重编程免疫微环境:
l靶向抑制性细胞:开发药物来清除Tregs、MDSCs,或者将促肿瘤的M2型TAMs“重编程”为抗肿瘤的M1型。
l阻断招募信号:使用CXCR4抑制剂(如Plerixafor)来阻断CXCL12/CXCR4信号轴,阻止CSC及其“帮凶”细胞的聚集。
l联合治疗策略:这是目前最有前景的方向。将靶向CSC的药物(如Wnt/Notch通路抑制剂)与免疫检查点抑制剂(ICIs)联合使用。其理论基础是:靶向CSC的药物可以削弱CSC的干性,甚至诱导其分化,使其暴露更多的肿瘤抗原,变得对免疫攻击更敏感;而ICIs则负责“松开刹车”,释放被抑制的T细胞的杀伤潜力。两者协同作用,有望克服单药治疗的耐药性。
l临床试验进展:尽管这个概念极具吸引力,但截至2026年,相关的大规模、决定性的临床试验结果仍然有限。一些早期试验正在进行中(如NCT02467361,[[39]],但多处于早期阶段。2024年的一些报告指出,PD-1与IL-2的联合用药能够影响干细胞样T细胞的分化 [[40]],这提示了调控干细胞样免疫细胞的可行性。然而,直接将靶向CSC的药物与ICIs联合使用的成熟临床数据仍是领域内翘首以盼的突破点 [[41]][[42]]。4.3 人工智能(AI)在CSC研究中的应用
人工智能,特别是机器学习和深度学习,正在为复杂、高维度的CSC研究注入新的动力。4.3.1 AI驱动的CSC识别与表征
l无标记识别:传统上识别CSC依赖于昂贵且耗时的荧光标记和流式分选。最新的研究表明,深度学习模型能够仅通过细胞的明场显微镜图像(形态学特征),就准确地识别出CSC样细胞 [[43]]。这项于2022-2023年间取得进展的技术,极大地降低了CSC研究的技术门槛,并为高通量筛选靶向CSC的药物提供了可能。
l预后预测:AI模型能够整合患者的临床数据、病理图像以及CSC标志物的表达信息,以比传统统计方法更精确的方式预测肿瘤的复发风险和患者的生存期。例如,在膀胱癌研究中,AI已被证明能有效预测疾病行为,为患者提供个性化的管理工具 [[44]]。4.3.2 AI赋能的靶点发现与药物开发
l预测CSC脆弱性:这是AI应用中最激动人心的方向之一。一篇于2025年发表的研究明确指出,AI正被用于预测CSC的独特脆弱性[[45]]。深度学习模型可以分析海量的CSC基因组、转录组和蛋白质组数据,从中发现普通癌细胞不具备的、可作为“阿喀琉斯之踵”的潜在治疗靶点。
l加速药物发现与再利用:AI模型能够预测小分子化合物对CSC的抑制效果,从而在数百万种化合物中快速筛选出候选药物。此外,通过分析CSC的基因表达谱与现有药物数据库的关联,AI还能有效地发现可用于“老药新用”(drug repurposing)的药物,即发现某些已批准用于治疗其他疾病的药物,也可能对CSC有效 [[46]]。4.3.3 未来的“智能体系统”
根据2026年美国癌症研究协会(AACR)会议上展示的趋势,AI在肿瘤学中的应用正从单一模型向集成的“智能体系统”(agentic systems)演进 [[47]]。这意味着未来将出现能够自主整合多模态数据(基因组学、影像学、临床记录等)、设计实验、提出假说并辅助治疗决策的复杂AI系统。对于CSC研究而言,这样的系统将能够应对其高度的异质性和动态可塑性,为开发真正个性化的CSC靶向疗法提供前所未有的强大工具。
综上所述,2020年至2026年是CSC研究领域技术爆炸和认知飞跃的时期。我们正在从“看见”CSC,走向“看懂”CSC,并开始拥有“智能地”对付CSC的武器。第五章:未来的挑战与展望
尽管我们在理解和对抗癌症干细胞方面取得了巨大成就,但通往临床胜利的道路依然充满挑战。CSC的狡猾和复杂性远超我们最初的想象。本章将总结当前领域面临的核心未解之谜,并展望未来最有希望的研究方向。5.1 核心未解之谜
这些是困扰领域多年,至今仍未完全解决,但借助新技术有望取得突破的根本性问题。
lCSC的起源与可塑性:这是CSC生物学中最核心的问题之一 [[48]][[49]]。CSC究竟是来源于组织中正常干细胞或祖细胞的癌变,还是由更分化的癌细胞在特定微环境信号(如炎症、缺氧、化疗)的诱导下“去分化”而来的?这两种模式可能并非互斥,而是并存于不同肿瘤中。理解CSC的起源对于癌症的早期预防和阻断复发至关重要。更棘手的是CSC的可塑性(plasticity),即非CSC与CSC之间可能存在动态的双向转化。这种可塑性意味着,即使我们清除了所有现存的CSC,肿瘤中残余的非CSC也可能重新生成新的CSC,导致治疗失败。未来的研究需要利用更先进的谱系追踪(lineage tracing)技术结合单细胞多组学,来实时、动态地捕捉这种状态转换。
lCSC的动态演化:肿瘤是一个不断演化的生态系统。在自然生长过程和治疗压力下,CSC内部也在发生着克隆演化。哪些突变或表观遗传变异驱动了CSC的演化?不同的CSC克隆之间是竞争还是合作关系?治疗如何筛选出更具侵袭性和耐药性的CSC克隆?回答这些问题需要对来自同一患者不同时间点(如治疗前、治疗中、复发后)的肿瘤样本进行纵向的单细胞和空间组学分析,以重构CSC的演化历史和路径 [[50]]。
l休眠CSC的挑战(Dormant CSCs):许多CSC可以进入一种静止或休眠(quiescent)状态。它们分裂缓慢,代谢活动水平低,因此对大多数靶向快速增殖细胞的传统化疗药物天然不敏感。这些休眠的CSC可以潜伏在患者体内数月甚至数年,在某个未知信号的触发下被重新激活,导致晚期复发。如何识别、靶向并清除这些“沉睡的炸弹”,是预防肿瘤复发的终极挑战。未来的研究需要深入揭示维持CSC休眠和激活休眠的分子开关,并开发能够特异性杀伤休眠细胞的“休眠靶向疗法”(dormancy-targeted therapy)。5.2 未来研究方向
面对上述挑战,未来的CSC研究将沿着以下几个相互关联的方向深度发展:
l多模态单细胞与空间组学的深度整合:这将是未来十年CSC基础研究的主旋律。我们正在超越单一的scRNA-seq,迈向一个整合基因组(DNA)、表观基因组(ATAC-seq, aCUT&Tag)、转录组(RNA)、蛋白质组(CITE-seq, spatial proteomics)和代谢组(spatial metabolomics)的“多模态”时代 [[51]]。通过在单细胞和空间层面同时获取这些信息,我们将能够构建一个关于CSC状态的、从基因蓝图到功能执行的、包含三维空间坐标的完整分子图谱。结合AI进行数据整合与建模,将帮助我们破译驱动CSC行为的终极“操作系统”。
l开发更精准的CSC靶向疗法:未来的药物开发将更加精细化和多维化。
l靶向CSC代谢脆弱性:不同于以往笼统地抑制糖酵解,未来的策略将是精准靶向特定CSC亚群所依赖的独特代谢通路。例如,某些CSC可能依赖于特定的氨基酸(如丝氨酸、谷氨酰胺),或者依赖于线粒体呼吸链的特定复合物。开发针对这些代谢节点的抑制剂,有望“饿死”CSC而不严重影响正常细胞 [[52]]。
l靶向表观遗传调控:CSC的“干性”在很大程度上是由表观遗传程序维持的。开发能够“重编程”CSC表观遗传状态的新药,如更特异的EZH2抑制剂、HDAC抑制剂或新型的染色质重塑复合物抑制剂,有望从根本上瓦解其干性,使其变得脆弱或易于分化 [[53]]。
l下一代免疫疗法:为了应对CSC的异质性和免疫逃逸,下一代免疫疗法将更加智能。例如,开发能够同时识别多个CSC抗原的“多靶点”CAR-T细胞,以防止因单一抗原丢失而导致的复发;设计能够将冷肿瘤(免疫细胞浸润少)变为热肿瘤(免疫细胞浸润多)的联合疗法,如将溶瘤病毒(如MG1-MAGEA3 [[54]]与ICIs结合,先“引爆”肿瘤,再释放免疫系统。
l临床转化的加速:如何将实验室的激动人心的发现安全、有效地转化为临床应用,是最终的考验。
lAI驱动的个性化治疗:未来的临床实践中,AI将扮演“军师”角色。通过对患者肿瘤的多组学数据进行深度分析,AI模型将能够预测其CSC的主要驱动通路、耐药机制以及对哪种靶向CSC疗法或联合方案最敏感,从而指导医生制定“千人千面”的个性化治疗策略 [[55]][[56]]。
l更逼真的临床前模型:传统的细胞系和动物模型难以完全模拟人类CSC的复杂性。**患者来源的类器官(Patient-Derived Organoids, PDOs)和“芯片上器官”(Organ-on-a-chip)**技术 [[57]],能够在体外构建包含CSC及其微环境的“迷你肿瘤”,为高通量筛选CSC靶向药物、测试联合用药方案以及预测患者个体反应提供了前所未有的强大平台。
l临床试验设计的革新:未来的临床试验需要设计新的终点来评估对CSC的疗效。除了传统的肿瘤体积缩小(RECIST标准),还应包括对循环肿瘤细胞(CTCs)中CSC比例的监测、利用高灵敏度技术检测微小残留病(MRD)中的CSC标志物等。这将更准确地反映疗法是否真正清除了肿瘤的根源。尽管目前报道的针对CSC的后期临床试验结果尚不充分 [[58]][[59]]但这正是未来几年临床研究亟待填补的空白和必须攻克的堡垒。结论
从一个世纪前的模糊猜想,到20世纪末的决定性证据,再到21世纪以来的飞速发展,“干细胞与肿瘤”的研究已经从肿瘤学的一个分支,演变为理解和治疗癌症的核心支柱。癌症干细胞(CSC)作为驱动肿瘤生长、耐药、复发和转移的“种子细胞”,其理论的建立与证实,是过去三十年肿瘤学最重大的范式革命之一。
本报告系统回顾了这一波澜壮阔的历程:从John Dick实验室在白血病中点燃的第一把火,到CSC模型在乳腺癌、脑瘤等实体瘤中的燎原之势;从对Wnt、Notch等核心信号通路的机制剖析,到对CSC与其微环境“共谋”关系的深刻揭示。我们特别聚焦于2020年以来的前沿地带,见证了单细胞多组学、空间生物学和人工智能如何以前所未有的精度和深度,解构并重塑我们对CSC异质性、可塑性和免疫逃逸的认知。
站在2026年的时间节点上,我们清晰地看到,尽管征服CSC的道路上仍存在关于其起源、可塑性和休眠等重大挑战,但我们手中的武器库已经空前强大。未来的研究将不再是“盲人摸象”,而是通过多模态组学和AI进行系统性、全景式的描绘和分析。治疗策略也将从“广谱轰炸”转向基于CSC独特脆弱性(如代谢、表观遗传)和微环境依赖性的“精准打击”。将CSC靶向疗法与下一代免疫疗法相结合,并利用类器官等模型进行个体化验证,预示着一个癌症治疗的新纪元。
最终,根除癌症的希望,在很大程度上寄托于我们能否成功地从肿瘤这片“杂草丛生”的田地中,精准地识别并拔除掉那些深藏不露、生命力顽强的“杂草根”——癌症干细胞。这趟旅程虽然道阻且长,但行则将至。随着科学的不断进步,我们有充分的理由相信,在不远的未来,针对癌症干细胞的有效疗法将从梦想照进现实,为无数癌症患者带来持久治愈的曙光。文献来源
摘要
本报告旨在系统性地梳理“干细胞与肿瘤”这一关键研究领域的历史发展脉络、里程碑式发现、当前前沿进展以及未来方向。自20世纪末“癌症干细胞”(Cancer Stem Cell, CSC)假说被首次实验证实以来,该领域经历了从概念提出、细胞鉴定、机制探索到如今由单细胞多组学、空间生物学及人工智能技术驱动的精准研究范式转变。报告首先追溯了CSC理论的早期思想渊源与20世纪90年代在白血病中取得的开创性实证突破。随后,详细阐述了21世纪初该理论在乳腺癌、脑瘤等多种实体瘤中得以验证的关键研究,这些成果确立了CSC在肿瘤发生、发展、转移和复发中的核心地位。进入2010年代,研究重点转向解析维持CSC干性(stemness)的关键信号通路(如Wnt、Notch)及其与肿瘤微环境的复杂相互作用。
本报告重点分析了自2020年以来,特别是2024年至2026年间涌现的新兴技术和前沿发现。单细胞测序与空间转录组学等高通量技术极大地提升了我们对CSC内部异质性、克隆演化及其在肿瘤组织内空间生态位的认知深度。同时,CSC与肿瘤免疫微环境的相互作用成为研究热点,揭示了CSC通过多种机制塑造免疫抑制环境以实现免疫逃逸,并催生了靶向CSC及其微环境的新型免疫治疗策略。人工智能(AI)的融入,正在从无标记细胞识别、药物靶点预测到个性化治疗方案设计等多个层面,为攻克CSC这一难题提供革命性工具。
最后,报告总结了当前领域内尚未解决的核心科学问题,如CSC的起源与可塑性、休眠CSC的激活机制等,并展望了未来的研究方向。我们预测,未来的研究将聚焦于多模态单细胞/空间组学的深度整合、靶向CSC代谢与表观遗传脆弱性的新药研发、以及基于AI和类器官模型的个体化精准治疗策略的临床转化。尽管将这些前沿发现转化为有效的临床实践仍面临巨大挑战,但靶向并根除CSC,无疑是实现癌症持久治愈的最有希望的途径之一。引言
干细胞(Stem Cell)是一类具有自我更新(self-renewal)和多向分化潜能(multi-potent differentiation)的特殊细胞群体,它们是机体组织器官发育、修复与再生的基础。而肿瘤(Cancer),则被定义为细胞不受控制的异常增殖所导致的疾病,其特征是侵袭性生长和远处转移。长期以来,关于肿瘤起源的“随机模型”(stochastic model)认为,肿瘤组织中的大多数细胞都具备无限增殖和形成新肿瘤的能力。然而,越来越多的证据对这一模型提出了挑战。
在此背景下,“癌症干细胞”(Cancer Stem Cell, CSC)假说应运而生。该假说提出,肿瘤并非由均质的癌细胞组成,而是像正常组织一样,呈现出一种层级化结构(hierarchical organization)。在这个结构顶端的,是一小群具有干细胞特性的癌细胞——即CSC。这群细胞拥有强大的自我更新能力,能够不断补充自身数量,同时也能分化产生构成肿瘤主体的、不具备或仅有有限增殖能力的非CSC癌细胞[1]。
CSC假说的significance(重要性)是革命性的。它深刻地重塑了我们对肿瘤生物学的理解。根据该模型,CSC是驱动肿瘤持续生长、对传统放化疗产生耐药性、以及导致肿瘤在治疗后复发和远处转移的根源细胞[2]。传统疗法(如化疗和放疗)主要杀伤快速增殖的肿瘤细胞,而对处于静止或缓慢分裂状态的CSC效果有限,这解释了为何许多患者在治疗初期反应良好,但最终仍会复发。因此,靶向并根除CSC被认为是实现癌症治愈的关键。
本研究报告的目的在于,以2026年9月的视角,全面回顾“干细胞与肿瘤”研究领域从理论萌芽到当前前沿探索的完整历史画卷。我们将系统性地梳理:
1.历史发展脉络:追溯从早期的理论雏形到奠基性的实验证据,勾勒出CSC研究的起点。
2.关键时间节点与里程碑成果:重点剖析在白血病、乳腺癌、脑瘤等关键癌种中鉴定出CSC的标志性研究,及其对整个领域产生的深远影响。
3.机制研究的深化:总结近十年来关于CSC信号通路、肿瘤微环境互作等方面的核心发现。
4.最新研究进展与未来方向:聚焦2020年至2026年的前沿突破,特别是单细胞多组学、人工智能、新型免疫疗法等技术如何推动该领域的发展,并基于此总结未来的主要挑战和最有前景的研究方向。
通过这份结构化的深度报告,我们期望为相关领域的研究人员、临床医生和决策者提供一个关于CSC研究过去、现在和未来的全景式参考。第一章:历史溯源与理论萌芽
在癌症干细胞假说被实验确证之前,关于肿瘤起源和异质性的思考已持续了超过一个世纪。这些早期的理论虽然缺乏现代分子生物学工具的支撑,但其思想的火花为后续的研究提供了重要的概念基础。1.1早期细胞学理论的启示
关于肿瘤起源于“干细胞样”细胞的构想,最早可以追溯到19世纪。德国病理学家鲁道夫·魏尔肖(Rudolf Virchow)在1855年观察到肿瘤组织与胚胎组织的相似性,提出了“胚胎残余理论”(embryonic rest theory)。他推测,一些在胚胎发育过程中残留的、未分化的细胞巢可能在成年后被激活,并发展成为肿瘤[3]。这一理论虽然在当时无法被证实,但首次将肿瘤的起源与具有“胚胎”或“干细胞”样特性的细胞联系起来。
进入20世纪,随着实验肿瘤学的发展,单细胞起源理论逐渐受到关注。1937年,Furth和Kahn通过实验证明,单个白血病细胞就足以在受体小鼠体内重建整个白血病。这一发现提示,肿瘤可能起源于单个具有强大增殖能力的细胞[4]。尽管这些早期的工作并未明确使用“干细胞”这一术语,但其内涵——即肿瘤由一小部分具有特殊能力的细胞驱动——与后来的CSC模型不谋而合。1.2干细胞生物学的奠基
“干细胞与肿瘤”研究的真正起飞,离不开干细胞生物学自身的成熟。20世纪50至60年代,加拿大学者Till和McCulloch通过脾集落形成单位(colony-forming unit-spleen, CFU-S)实验,首次在功能上证实了造血干细胞(Hematopoietic Stem Cell, HSC)的存在,并揭示了其自我更新和多向分化的能力[5]。这一里程碑式的发现不仅奠定了现代干细胞生物学的基础,也为科学家们提供了一套研究稀有细胞功能(如移植、重建组织)的实验范式和理论框架。正是基于对正常造血干细胞层级结构和功能的理解,研究人员开始思考:恶性血液病——白血病,是否也遵循类似的层级化组织模式?1.3癌症干细胞(CSC)假说的理论雏形
在20世纪末一系列决定性实验证据出现之前,一些富有远见的科学家已经开始系统性地构建CSC的理论框架。其中,2001年由Reya、Morrison、Clarke和Weissman在《自然》杂志上发表的综述文章“Stem cells, cancer, and cancer stem cells”具有里程碑意义[6]。这篇文章系统性地提出了一个统一的“癌症干细胞”理论框架,明确指出:
1.相似的调控机制:维持正常干细胞自我更新的信号通路(如Wnt、Notch、Hedgehog等)在肿瘤中常常被异常激活,这可能是驱动CSC自我更新和肿瘤生长的核心机制。
2.肿瘤的层级结构:肿瘤内部存在功能异质性,只有一小部分细胞(即CSC)负责肿瘤的长期维持和生长。
3.临床意义:CSC的存在是导致传统疗法失败和肿瘤复发的根本原因。有效的癌症治疗必须能够靶向并清除CSC。
这篇综述发表之时,关于实体瘤中CSC的直接证据尚未出现,但它极具前瞻性地整合了干细胞生物学和肿瘤学的知识,为即将到来的实验大发现时代提供了清晰的理论指导和假说验证方向。它标志着CSC研究从零散的观察和推测,正式步入一个有系统理论指导的科学探索阶段。至此,舞台已经搭建完毕,只待实验科学家们拉开大幕,揭示CSC的真实面目。第二章:里程碑式的实证突破(1994-2012)
如果说20世纪的理论探索为CSC假说铺平了道路,那么从1994年开始的一系列开创性实验则为其提供了坚实的实证基础。这些研究不仅证实了CSC的存在,还逐步将其从血液肿瘤扩展到各种实体瘤,彻底改变了肿瘤学研究的格局。2.1白血病中的开创性发现:CSC模型的诞生(1994-1997)
现代CSC研究的序幕,由加拿大多伦多大学的John Dick实验室拉开。他们的研究对象是急性髓系白血病(Acute Myeloid Leukemia, AML)。2.1.1 1994年:首次实验证实肿瘤起始细胞的存在
1994年,John Dick团队在《科学》杂志发表了题为“A cell initiating human acute myeloid leukaemia after transplantation into SCID mice”的论文,这被广泛认为是CSC领域的奠基之作[7][8][9]。
l实验设计:研究人员从AML患者体内分离出癌细胞,并利用细胞表面标志物(如CD34和CD38)将其分成不同的亚群。然后,他们将这些细胞亚群分别移植到严重联合免疫缺陷(Severe Combined Immune-deficient, SCID)小鼠体内。SCID小鼠由于缺乏功能性T细胞和B细胞,不会排斥人类细胞,是研究人类细胞在体内功能的理想模型。
l关键发现:实验结果惊人地清晰。只有一小部分表型为CD34⁺CD38⁻的细胞亚群,能够在移植数周后在SCID小鼠的骨髓中重建出与原始患者样本高度相似的、包含多种细胞类型的完整白血病。而数量上占绝大多数的其他癌细胞亚群(如CD34⁺CD38⁺或CD34⁻细胞)则不具备或仅有非常有限的这种能力。
l研究意义:这项研究首次在功能层面,通过异种移植实验,证实了人类肿瘤中存在一小群能够“起始”并完整重建肿瘤的细胞,即“白血病起始细胞”(Leukemia-Initiating Cell, LIC)。这是现代癌症干细胞理论的第一个直接的、决定性的实证证据,它将CSC假说从一个抽象概念变为了一个可供实验验证的实体。2.1.2 1997年:确立白血病的层级结构模型
在1994年研究的基础上,Dominique Bonnet和John Dick于1997年在《自然医学》发表了另一篇里程碑论文“Human acute myeloid leukemia is organized as a hierarchy that originates from a primitive hematopoietic cell”[10][11][12]。
l进一步的证据:这项工作进一步提纯并 caractérisé(表征)了这群CD34⁺CD38⁻的白血病起始细胞。他们证明,这群细胞不仅能在初代移植小鼠体内生成白血病,还能从这些小鼠体内再次分离出来,并在二代、三代移植小鼠中继续重建白血病。这有力地证明了它们具备干细胞的核心特征——自我更新能力。
l层级模型的提出:更重要的是,研究表明,这群白血病干细胞(Leukemic Stem Cell, LSC)不仅能自我更新,还能分化产生表型和功能上更多样化的、不具备干细胞特性的下游白血病细胞群体,从而构成了整个肿瘤的细胞异质性。
l研究意义:这项研究确立了AML是作为一个层级化结构组织的,其顶端是稀有的、能够自我更新的LSC。这正式宣告了癌症“等级模型”(hierarchical model)的胜利,并为后续所有CSC研究提供了黄金标准——即通过连续移植实验(serial transplantation)来功能性地定义CSC。
这两项研究共同构成了CSC领域的基石,它们不仅鉴定了第一种CSC,还建立了一套至今仍在广泛使用的研究CSC的方法论。2.2实体瘤研究的重大进展:CSC模型的普及(2003-2012)
白血病中的发现引发了一个关键问题:CSC模型是否同样适用于占所有癌症90%以上的实体瘤?从2003年开始,答案变得越来越清晰。2.2.1乳腺癌干细胞的鉴定(2003)
2003年,来自密歇根大学的Michael Clarke和Max Wicha团队,在题为“Prospective identification of tumorigenic breast cancer cells”的研究中,首次将CSC模型成功扩展到实体瘤领域[13][14]。
l实验方法:他们借鉴了John Dick在白血病研究中的思路,利用流式细胞术,根据细胞表面标志物CD44和CD24的表达,对来自人类乳腺癌组织的细胞进行分选。
l关键发现:他们发现,一个表型为CD44⁺CD24⁻/low的细胞亚群,即便只移植极少量(少至100个细胞),也能在免疫缺陷小鼠体内高效地形成新的肿瘤。而数量远多于它们的其他癌细胞亚群(如CD44⁻或CD24⁺细胞)则几乎不具备成瘤能力。更重要的是,由CD44⁺CD24⁻/low细胞形成的肿瘤,其内部包含了CD44⁺CD24⁻/low细胞以及其他各种表型的癌细胞,完美再现了原始肿瘤的异质性。
l研究意义:这项研究是第一个在实体瘤中前瞻性地分离和鉴定出CSC的报道。它雄辩地证明了CSC模型并非血液肿瘤所特有,而可能是一个普遍适用于多种癌症的生物学原理。CD44⁺CD24⁻/low从此成为乳腺癌CSC研究中最经典的表面标志物组合,并激发了在其他实体瘤中寻找类似CSC标志物的研究热潮。2.2.2脑肿瘤干细胞的发现(2003-2004)
几乎在同一时期,CSC研究在另一类恶性程度极高的实体瘤——脑肿瘤中也取得了突破。2003/2004年,Peter Dirks和John Dick等团队发表了“Identification of human brain tumour initiating cells”等一系列研究,鉴定出了脑肿瘤干细胞(Brain Tumor Stem Cell, BTSC)[15][16][17]。
l关键标志物与特性:他们发现,在胶质母细胞瘤和髓母细胞瘤等多种脑肿瘤中,表达正常神经干细胞标志物CD133的细胞亚群,是唯一能够在体外形成“神经球”(neurospheres)并在免疫缺陷小鼠脑内形成肿瘤的细胞。这些CD133⁺细胞同样展现出强大的自我更新和分化能力,能够产生CD133⁺和CD133⁻的子代细胞。
l与临床的相关性:研究还发现,CD133⁺ BTSC的自我更新能力与肿瘤的侵袭性和不良预后密切相关[18]。这首次将CSC的生物学特性与肿瘤的临床行为直接联系起来。2.2.3其他实体瘤中的扩展(2007-2012)
在乳腺癌和脑肿瘤取得突破后,CSC的发现呈现出井喷之势。研究人员利用类似的策略,在多种主要实体瘤中相继鉴定出了CSC亚群:
l结直肠癌(2007):Ricci-Vitiani等人利用CD133标志物,O'Brien和Clarke等人则利用上皮特异性抗原(ESA)和CD44等,成功分离出结直肠癌干细胞。后续研究还发现,正常肠道干细胞的标志物Lgr5也常常标记结肠癌的CSC [19]。
l胰腺癌、肺癌、前列腺癌、黑色素瘤等:在接下来的几年里,CSC在胰腺癌、肺癌、前列腺癌、黑色素瘤和胶质母细胞瘤等几乎所有主要肿瘤类型中都得到了鉴定和报道[20]。
lCSC的起源追踪:更进一步的研究开始追溯CSC的细胞起源。例如,2008年的研究发现胶质母细胞瘤干细胞可起源于转化的正常神经干细胞;2011年证实前列腺癌干细胞源于基底上皮祖细胞;2012年则显示卵巢癌干细胞可能源于正常的卵巢上皮干细胞[21]。2.3里程碑研究的意义与影响
从1994年到2012年,这近二十年的里程碑式研究,共同完成了对CSC假说的系统性验证,其影响是范式性的:
1.从“随机模型”到“等级模型”的转变:CSC假说从根本上颠覆了传统认为所有癌细胞都平等的“随机模型”,确立了肿瘤内部存在功能等级的“等级模型”,为理解肿瘤的异质性和生物学行为提供了全新的理论框架。
2.对癌症治疗失败的全新解释:CSC对传统放化疗的天然抗性,为肿瘤治疗后为何会复发提供了迄今为止最令人信服的解释。CSC的存在意味着,仅仅缩小肿瘤体积是不够的,根治癌症必须清除掉这群“罪魁祸首”。
3.开辟全新的治疗靶点:既然CSC是肿瘤的根源,那么专门靶向CSC的疗法就成为了癌症新药研发最具吸引力的方向之一。研究的焦点开始转向寻找CSC特有的标志物、信号通路和生物学特性,以期开发出能够“斩草除根”的新型抗癌策略。
总之,这一时期的辉煌发现,不仅让CSC从一个假说变成了肿瘤学研究的核心概念,也为接下来十余年乃至未来的研究指明了方向:深入理解并最终征服癌症干细胞。第三章:机制探索与技术驱动的深化研究(2010-2020)
在成功鉴定出多种肿瘤的CSC之后,研究的重心自然而然地转向了更深层次的生物学问题:是什么机制在维持CSC的“干性”?它们如何与周围环境互动以促进肿瘤的恶性进展?以及,我们如何才能有效地靶向它们?在2010年至2020年这十年间,随着分子生物学和基因组学技术的进步,科学家们在这些方面取得了长足的进展。3.1关键信号通路的解析
研究发现,CSC巧妙地“劫持”了正常干细胞用于维持自我更新和调控分化的信号通路。这些通路的异常激活是维持CSC特性的核心驱动力。
l核心“干性”通路:三大经典信号通路——Wnt/β-catenin、Notch和Hedgehog (Hh)——被证实是多种CSC中最为关键的自我更新调控通路[22]。
lWnt通路:在结直肠癌、乳腺癌等多种肿瘤中,Wnt通路的异常激活(如APC基因突变)是常见的致癌事件,它能稳定β-catenin蛋白,促进CSC的增殖和自我更新。
lNotch通路:Notch信号通过细胞间的直接接触激活,对于维持脑肿瘤干细胞、乳腺癌干细胞等的未分化状态至关重要。它通过抑制分化基因,将细胞锁定在“干性”状态。
lHedgehog通路:Hh通路在基底细胞癌、髓母细胞瘤等肿瘤中扮演关键角色,其配体(如SHH)可以旁分泌或自分泌的方式激活信号,驱动CSC的存活和增殖。
l其他重要通路:除了上述三大通路,其他信号网络也被发现深度参与CSC的调控。例如,TGF-β、JAK-STAT、PI3K/Akt和NF-κB等通路,它们或直接促进CSC的存活与增殖,或通过调节CSC与微环境的互作来维持其干性[23]。
l通路间的串扰与网络:研究进一步揭示,这些信号通路并非孤立作用,而是形成了一个复杂的、相互交织的调控网络。例如,Wnt和Notch通路之间存在协同作用,共同维持肠道CSC的特性。这种网络的复杂性和冗余性,也解释了为何靶向单一信号通路的疗法往往效果有限,容易产生耐药性。
这一时期的机制研究,为开发靶向CSC的药物提供了大量潜在靶点。例如,针对Hedgehog通路的抑制剂(如Vismodegib)和针对Notch通路的γ-分泌酶抑制剂等,都进入了临床试验阶段。2016年的一项研究发现,STAT3抑制剂可以有效抑制胶质母细胞瘤干细胞的干性通路,展示了靶向这些通路的治疗潜力[24][25]。3.2 CSC与肿瘤微环境(TME)的相互作用
CSC并非孤立存在,它们居住在一个特殊的微环境——“CSC生态位”(CSC niche)中。这个生态位由多种非肿瘤细胞(如成纤维细胞、免疫细胞、内皮细胞等)和细胞外基质、信号分子共同构成,它对CSC的生存、自我更新、休眠和耐药至关重要[26][27]。CSC与TME之间存在着复杂的双向互动。
lTME对CSC的滋养与保护:
l癌症相关成纤维细胞(CAFs):CAFs是TME中最主要的细胞成分之一。它们通过分泌多种生长因子(如HGF、TGF-β)和细胞因子,直接促进CSC的自我更新和增殖。
l缺氧(Hypoxia):肿瘤内部的缺氧环境是CSC生态位的一个关键特征。缺氧通过激活缺氧诱导因子(HIFs),能够诱导癌细胞去分化,增强其干性,并使其对放化疗产生抵抗。
l免疫细胞:TME中的某些免疫细胞,如肿瘤相关巨噬细胞(TAMs)和髓源性抑制细胞(MDSCs),非但不能清除肿瘤,反而会分泌IL-6、TGF-β等因子,创建一种免疫抑制性的微环境,同时直接支持CSC的存活和干性results)。
l外泌体(Exosomes):细胞间的通讯媒介——外泌体,在CSC与TME的对话中扮演着重要角色。例如,TME中的细胞可以分泌含有特定miRNA(如miR-21-5p)或lncRNA(如H19)的外泌体,被CSC吸收后调控其基因表达,从而维持其干性results)。
lCSC对TME的重塑与改造:
l免疫抑制环境的构建:CSC自身就是重塑免疫微环境的“主谋”。它们通过高表达PD-L1、CD47等免疫检查点分子,直接抑制T细胞的杀伤功能,实现免疫逃逸。同时,CSC分泌的CCL2、CXCL12等趋化因子,能够招募Tregs、MDSCs等免疫抑制细胞,共同构建一个“保护性”的免疫抑制生态位results)。
l血管生成:CSC通过分泌血管内皮生长因子(VEGF)等,促进肿瘤新生血管的形成,为肿瘤的快速生长提供养分和氧气。
l基质重塑:CSC可以分泌基质金属蛋白酶(MMPs)等,降解细胞外基质,为自身的侵袭和转移开辟道路。
对CSC与TME相互作用的深入理解,揭示了一个重要的事实:仅仅靶向CSC本身可能是不够的,必须同时瓦解其赖以生存的“土壤”——TME。这为“联合治疗”策略的提出奠定了理论基础,即同时使用靶向CSC的药物和靶向TME(如免疫检查点抑制剂、抗血管生成药物)的药物。3.3靶向CSC的早期治疗策略探索
基于对CSC生物学特性的理解,研究者们开发并测试了多种靶向CSC的治疗策略。
l靶向CSC表面标志物:利用针对CSC特有表面标志物(如CD44, CD133, Lgr5等)的抗体,进行抗体依赖性细胞毒性(ADCC)作用,或者将其作为靶向递送化疗药物的“导弹头”。
l抑制关键信号通路:如前所述,开发针对Wnt、Notch、Hedgehog等通路的小分子抑制剂或单克隆抗体。这是当时最主流的靶向CSC策略之一。
l靶向CSC的代谢特性:研究发现CSC在代谢上与普通癌细胞存在差异,例如,一些CSC更依赖于线粒体的氧化磷酸化而非糖酵解。因此,靶向这些代谢脆弱性(如使用二甲双胍等)成为一个新兴方向。
l诱导CSC分化:既然CSC的危害在于其“干性”,那么能否通过药物强制其分化为对治疗敏感的非CSC细胞?一些药物如全反式维甲酸(ATRA)在治疗急性早幼粒细胞白血病(APL)上的巨大成功,就是诱导分化疗法的经典范例。
l数据库的建立:为了系统性地整合与CSC治疗靶点相关的信息,研究者们开始构建专门的数据库。例如,癌症干细胞治疗靶点数据库(CSCTT)的建立,旨在收集和整理潜在的蛋白质靶点和生物疗法,为新药研发提供信息支持[28]。
尽管在这一时期,大多数靶向CSC的疗法在临床试验中遭遇了挑战,例如疗效有限或毒副作用较大,但这十年的探索为我们积累了宝贵的经验和教训,并清晰地指出了未来研究需要克服的障碍:CSC的异质性、可塑性以及与微环境的复杂动态关系。这些挑战,正由2020年之后的新一轮技术革命来应对。第四章:前沿进展与新兴方向(2020-2026)
进入2020年代,特别是从2024年到我们所处的2026年,CSC研究领域正经历着一场由单细胞多组学、空间生物学和人工智能(AI)共同驱动的深刻变革。这些颠覆性技术使得我们能够以前所未有的分辨率和维度来审视CSC,从而揭示了其前所未有的复杂性,并催生了更为精准和智能的靶向策略。4.1单细胞多组学技术带来的革命
传统的基于几个表面标志物(如CD44/CD24)来定义CSC的方法,正在被证明是过于简化的。单细胞测序技术,尤其是单细胞RNA测序(scRNA-seq),彻底改变了我们对CSC异质性的认知。4.1.1解构CSC的异质性与动态性
scRNA-seq技术能够同时获取成千上万个单个细胞的完整转录组信息,从而将原本被视为一个群体的“CSC”分解为多个具有不同基因表达模式、功能状态和分化潜能的亚群[29][30]。
l超越标志物的定义:研究发现,经典的CSC标志物在不同肿瘤甚至同一肿瘤的不同区域表达都存在高度异质性,许多不表达经典标志物的细胞也可能具备干性。scRNA-seq使得我们可以基于完整的转录组特征来定义CSC的功能状态,如“增殖性CSC”、“休眠CSC”、“侵袭性CSC”等,这比依赖少数几个标志物要精确得多[31]。
l描绘分化轨迹:通过生物信息学算法(如伪时间分析),研究人员可以利用单细胞数据重建CSC自我更新和分化为非CSC的过程,精确描绘出细胞状态转变的连续轨迹,并识别出调控这些转变的关键基因和检查点。
l识别新的CSC亚群:单细胞技术已成功在多种癌症中识别出前所未知、且具有临床意义的CSC亚群。例如,一项2024年发表在《Gut》上的重磅研究,利用scRNA-seq技术对结直肠癌进行了深入分析,成功解析了其中异质性的癌症干细胞样细胞,并揭示了不同CSC亚群与肿瘤向特定器官(如肝、肺)转移的倾向性有关[32]。这一发现对于预测和干预肿瘤转移具有重大意义。4.1.2空间转录组学重现CSC生态位
如果说单细胞测序是在“解构”肿瘤,那么空间转录组学(Spatial Transcriptomics)则是在“重构”肿瘤。这项技术在保留组织空间位置信息的同时,获取该位置的基因表达谱,从而让我们能够直观地看到不同类型的CSC亚群、免疫细胞、基质细胞在肿瘤组织内的“排兵布阵” [33][34]。
l可视化CSC生态位:空间转录组学使得研究人员能够精确地定位CSC富集的区域,并识别出在空间上与它们紧密相邻的细胞类型和信号分子,从而在原位(in situ)描绘出支持CSC干性的“生态位”结构[35]。
l揭示空间演化:通过整合多组学和空间信息,科学家们能够追踪肿瘤在生长和转移过程中的时空演变。例如,一项发表于2024年《Cancer Cell》的研究,通过整合多组学分析,成功解码了转移性肝细胞癌在时间和空间维度上的演化路径[36]。这类研究有助于我们理解CSC是如何在原发灶和转移灶之间进行克隆演替和适应性变化的。
l空间代谢重编程:结合空间代谢组学,研究人员可以揭示CSC及其微环境中的代谢特征。2023年的一项研究就利用该技术揭示了胃癌中的代谢重塑现象,发现CSC倾向于聚集在特定的代谢微环境中[37]。这为开发靶向CSC代谢环境的新疗法提供了直接线索。4.1.3单细胞多组学与未来
当前及未来的趋势是将单细胞RNA测序与表观遗传学(scATAC-seq)、蛋白质组学(CITE-seq)、空间组学等技术进行整合,形成“单细胞多组学” [38]。这将提供一个关于CSC从基因型到表型的、包含空间信息的全景视图,以前所未有的深度揭示驱动肿瘤恶性行为的复杂调控网络。4.2 CSC与肿瘤免疫微环境(TIME)的深度交互与治疗新策略
随着免疫疗法,特别是免疫检查点抑制剂(ICIs)的成功,CSC与免疫系统的相互作用已成为当前研究的最前沿和热点。研究表明,CSC是肿瘤免疫逃逸和ICI耐药的关键策动者。4.2.1 CSC的免疫逃逸机制
CSC进化出了一套复杂的策略来逃避和抑制抗肿瘤免疫反应results):
l高表达免疫检查点:CSC表面常常高表达PD-L1、B7-H3、CD47(“别吃我”信号)等分子,直接与T细胞或巨噬细胞上的抑制性受体结合,从而“刹住”免疫系统的攻击。
l分泌免疫抑制因子:CSC是免疫抑制分子的主要来源,它们大量分泌TGF-β、IL-6、IL-1β等细胞因子,这些因子能够抑制T细胞和NK细胞的活性,促进免疫抑制性细胞的聚集。
l招募和教育免疫抑制细胞:CSC通过分泌CCL2、CXCL12等趋化因子,像“磁铁”一样将调节性T细胞(Tregs)、肿瘤相关巨噬细胞(TAMs)和髓源性抑制细胞(MDSCs)吸引到肿瘤微环境中。并且,CSC还能“教育”这些细胞,使其更好地发挥免疫抑制功能,共同构建一个坚固的“免疫豁免”生态位。
l低免疫原性:部分CSC通过下调MHC-I分子的表达,减少肿瘤抗原的呈递,使自己对T细胞“隐形”。4.2.2靶向CSC的新型免疫疗法
基于对上述机制的理解,一系列旨在打破CSC免疫豁免状态的新型免疫治疗策略正在被积极开发和测试:
l直接靶向CSC的免疫疗法:
lCAR-T细胞疗法:设计能够识别CSC特有表面抗原(如Cripto-1, OCT4, Nanog等)的嵌合抗原受体T细胞(CAR-T),以期直接、精准地清除CSC。
l治疗性疫苗:开发针对CSC特异性抗原的疫苗,旨在激发患者体内产生能够识别并攻击CSC的特异性T细胞。
l重编程免疫微环境:
l靶向抑制性细胞:开发药物来清除Tregs、MDSCs,或者将促肿瘤的M2型TAMs“重编程”为抗肿瘤的M1型。
l阻断招募信号:使用CXCR4抑制剂(如Plerixafor)来阻断CXCL12/CXCR4信号轴,阻止CSC及其“帮凶”细胞的聚集。
l联合治疗策略:这是目前最有前景的方向。将靶向CSC的药物(如Wnt/Notch通路抑制剂)与免疫检查点抑制剂(ICIs)联合使用。其理论基础是:靶向CSC的药物可以削弱CSC的干性,甚至诱导其分化,使其暴露更多的肿瘤抗原,变得对免疫攻击更敏感;而ICIs则负责“松开刹车”,释放被抑制的T细胞的杀伤潜力。两者协同作用,有望克服单药治疗的耐药性。
l临床试验进展:尽管这个概念极具吸引力,但截至2026年,相关的大规模、决定性的临床试验结果仍然有限。一些早期试验正在进行中(如NCT02467361,[39],但多处于早期阶段。2024年的一些报告指出,PD-1与IL-2的联合用药能够影响干细胞样T细胞的分化[40],这提示了调控干细胞样免疫细胞的可行性。然而,直接将靶向CSC的药物与ICIs联合使用的成熟临床数据仍是领域内翘首以盼的突破点[41][42]。4.3人工智能(AI)在CSC研究中的应用
人工智能,特别是机器学习和深度学习,正在为复杂、高维度的CSC研究注入新的动力。4.3.1 AI驱动的CSC识别与表征
l无标记识别:传统上识别CSC依赖于昂贵且耗时的荧光标记和流式分选。最新的研究表明,深度学习模型能够仅通过细胞的明场显微镜图像(形态学特征),就准确地识别出CSC样细胞[43]。这项于2022-2023年间取得进展的技术,极大地降低了CSC研究的技术门槛,并为高通量筛选靶向CSC的药物提供了可能。
l预后预测:AI模型能够整合患者的临床数据、病理图像以及CSC标志物的表达信息,以比传统统计方法更精确的方式预测肿瘤的复发风险和患者的生存期。例如,在膀胱癌研究中,AI已被证明能有效预测疾病行为,为患者提供个性化的管理工具[44]。4.3.2 AI赋能的靶点发现与药物开发
l预测CSC脆弱性:这是AI应用中最激动人心的方向之一。一篇于2025年发表的研究明确指出,AI正被用于预测CSC的独特脆弱性[45]。深度学习模型可以分析海量的CSC基因组、转录组和蛋白质组数据,从中发现普通癌细胞不具备的、可作为“阿喀琉斯之踵”的潜在治疗靶点。
l加速药物发现与再利用:AI模型能够预测小分子化合物对CSC的抑制效果,从而在数百万种化合物中快速筛选出候选药物。此外,通过分析CSC的基因表达谱与现有药物数据库的关联,AI还能有效地发现可用于“老药新用”(drug repurposing)的药物,即发现某些已批准用于治疗其他疾病的药物,也可能对CSC有效[46]。4.3.3未来的“智能体系统”
根据2026年美国癌症研究协会(AACR)会议上展示的趋势,AI在肿瘤学中的应用正从单一模型向集成的“智能体系统”(agentic systems)演进[47]。这意味着未来将出现能够自主整合多模态数据(基因组学、影像学、临床记录等)、设计实验、提出假说并辅助治疗决策的复杂AI系统。对于CSC研究而言,这样的系统将能够应对其高度的异质性和动态可塑性,为开发真正个性化的CSC靶向疗法提供前所未有的强大工具。
综上所述,2020年至2026年是CSC研究领域技术爆炸和认知飞跃的时期。我们正在从“看见”CSC,走向“看懂”CSC,并开始拥有“智能地”对付CSC的武器。第五章:未来的挑战与展望
尽管我们在理解和对抗癌症干细胞方面取得了巨大成就,但通往临床胜利的道路依然充满挑战。CSC的狡猾和复杂性远超我们最初的想象。本章将总结当前领域面临的核心未解之谜,并展望未来最有希望的研究方向。5.1核心未解之谜
这些是困扰领域多年,至今仍未完全解决,但借助新技术有望取得突破的根本性问题。
lCSC的起源与可塑性:这是CSC生物学中最核心的问题之一[48][49]。CSC究竟是来源于组织中正常干细胞或祖细胞的癌变,还是由更分化的癌细胞在特定微环境信号(如炎症、缺氧、化疗)的诱导下“去分化”而来的?这两种模式可能并非互斥,而是并存于不同肿瘤中。理解CSC的起源对于癌症的早期预防和阻断复发至关重要。更棘手的是CSC的可塑性(plasticity),即非CSC与CSC之间可能存在动态的双向转化。这种可塑性意味着,即使我们清除了所有现存的CSC,肿瘤中残余的非CSC也可能重新生成新的CSC,导致治疗失败。未来的研究需要利用更先进的谱系追踪(lineage tracing)技术结合单细胞多组学,来实时、动态地捕捉这种状态转换。
lCSC的动态演化:肿瘤是一个不断演化的生态系统。在自然生长过程和治疗压力下,CSC内部也在发生着克隆演化。哪些突变或表观遗传变异驱动了CSC的演化?不同的CSC克隆之间是竞争还是合作关系?治疗如何筛选出更具侵袭性和耐药性的CSC克隆?回答这些问题需要对来自同一患者不同时间点(如治疗前、治疗中、复发后)的肿瘤样本进行纵向的单细胞和空间组学分析,以重构CSC的演化历史和路径[50]。
l休眠CSC的挑战(Dormant CSCs):许多CSC可以进入一种静止或休眠(quiescent)状态。它们分裂缓慢,代谢活动水平低,因此对大多数靶向快速增殖细胞的传统化疗药物天然不敏感。这些休眠的CSC可以潜伏在患者体内数月甚至数年,在某个未知信号的触发下被重新激活,导致晚期复发。如何识别、靶向并清除这些“沉睡的炸弹”,是预防肿瘤复发的终极挑战。未来的研究需要深入揭示维持CSC休眠和激活休眠的分子开关,并开发能够特异性杀伤休眠细胞的“休眠靶向疗法”(dormancy-targeted therapy)。5.2未来研究方向
面对上述挑战,未来的CSC研究将沿着以下几个相互关联的方向深度发展:
l多模态单细胞与空间组学的深度整合:这将是未来十年CSC基础研究的主旋律。我们正在超越单一的scRNA-seq,迈向一个整合基因组(DNA)、表观基因组(ATAC-seq, aCUT&Tag)、转录组(RNA)、蛋白质组(CITE-seq, spatial proteomics)和代谢组(spatial metabolomics)的“多模态”时代[51]。通过在单细胞和空间层面同时获取这些信息,我们将能够构建一个关于CSC状态的、从基因蓝图到功能执行的、包含三维空间坐标的完整分子图谱。结合AI进行数据整合与建模,将帮助我们破译驱动CSC行为的终极“操作系统”。
l开发更精准的CSC靶向疗法:未来的药物开发将更加精细化和多维化。
l靶向CSC代谢脆弱性:不同于以往笼统地抑制糖酵解,未来的策略将是精准靶向特定CSC亚群所依赖的独特代谢通路。例如,某些CSC可能依赖于特定的氨基酸(如丝氨酸、谷氨酰胺),或者依赖于线粒体呼吸链的特定复合物。开发针对这些代谢节点的抑制剂,有望“饿死”CSC而不严重影响正常细胞[52]。
l靶向表观遗传调控:CSC的“干性”在很大程度上是由表观遗传程序维持的。开发能够“重编程”CSC表观遗传状态的新药,如更特异的EZH2抑制剂、HDAC抑制剂或新型的染色质重塑复合物抑制剂,有望从根本上瓦解其干性,使其变得脆弱或易于分化[53]。
l下一代免疫疗法:为了应对CSC的异质性和免疫逃逸,下一代免疫疗法将更加智能。例如,开发能够同时识别多个CSC抗原的“多靶点”CAR-T细胞,以防止因单一抗原丢失而导致的复发;设计能够将冷肿瘤(免疫细胞浸润少)变为热肿瘤(免疫细胞浸润多)的联合疗法,如将溶瘤病毒(如MG1-MAGEA3 [54]与ICIs结合,先“引爆”肿瘤,再释放免疫系统。
l临床转化的加速:如何将实验室的激动人心的发现安全、有效地转化为临床应用,是最终的考验。
lAI驱动的个性化治疗:未来的临床实践中,AI将扮演“军师”角色。通过对患者肿瘤的多组学数据进行深度分析,AI模型将能够预测其CSC的主要驱动通路、耐药机制以及对哪种靶向CSC疗法或联合方案最敏感,从而指导医生制定“千人千面”的个性化治疗策略[55][56]。
l更逼真的临床前模型:传统的细胞系和动物模型难以完全模拟人类CSC的复杂性。**患者来源的类器官(Patient-Derived Organoids, PDOs)和“芯片上器官”(Organ-on-a-chip)**技术[57],能够在体外构建包含CSC及其微环境的“迷你肿瘤”,为高通量筛选CSC靶向药物、测试联合用药方案以及预测患者个体反应提供了前所未有的强大平台。
l临床试验设计的革新:未来的临床试验需要设计新的终点来评估对CSC的疗效。除了传统的肿瘤体积缩小(RECIST标准),还应包括对循环肿瘤细胞(CTCs)中CSC比例的监测、利用高灵敏度技术检测微小残留病(MRD)中的CSC标志物等。这将更准确地反映疗法是否真正清除了肿瘤的根源。尽管目前报道的针对CSC的后期临床试验结果尚不充分[58][59]但这正是未来几年临床研究亟待填补的空白和必须攻克的堡垒。结论
从一个世纪前的模糊猜想,到20世纪末的决定性证据,再到21世纪以来的飞速发展,“干细胞与肿瘤”的研究已经从肿瘤学的一个分支,演变为理解和治疗癌症的核心支柱。癌症干细胞(CSC)作为驱动肿瘤生长、耐药、复发和转移的“种子细胞”,其理论的建立与证实,是过去三十年肿瘤学最重大的范式革命之一。
本报告系统回顾了这一波澜壮阔的历程:从John Dick实验室在白血病中点燃的第一把火,到CSC模型在乳腺癌、脑瘤等实体瘤中的燎原之势;从对Wnt、Notch等核心信号通路的机制剖析,到对CSC与其微环境“共谋”关系的深刻揭示。我们特别聚焦于2020年以来的前沿地带,见证了单细胞多组学、空间生物学和人工智能如何以前所未有的精度和深度,解构并重塑我们对CSC异质性、可塑性和免疫逃逸的认知。
站在2026年的时间节点上,我们清晰地看到,尽管征服CSC的道路上仍存在关于其起源、可塑性和休眠等重大挑战,但我们手中的武器库已经空前强大。未来的研究将不再是“盲人摸象”,而是通过多模态组学和AI进行系统性、全景式的描绘和分析。治疗策略也将从“广谱轰炸”转向基于CSC独特脆弱性(如代谢、表观遗传)和微环境依赖性的“精准打击”。将CSC靶向疗法与下一代免疫疗法相结合,并利用类器官等模型进行个体化验证,预示着一个癌症治疗的新纪元。
最终,根除癌症的希望,在很大程度上寄托于我们能否成功地从肿瘤这片“杂草丛生”的田地中,精准地识别并拔除掉那些深藏不露、生命力顽强的“杂草根”——癌症干细胞。这趟旅程虽然道阻且长,但行则将至。随着科学的不断进步,我们有充分的理由相信,在不远的未来,针对癌症干细胞的有效疗法将从梦想照进现实,为无数癌症患者带来持久治愈的曙光。文献来源文献来源
[1,15,71,88]. A cell initiating human acute myeloid leukaemia after transplantation into SCID mice
[2,5]. Cancer research. Mutant stem cells may seed cancer.
[3,9,66,70,90,96]. Identification of human brain tumour initiating cells
[4,91]. Human acute myeloid leukemia is organized as a hierarchy that originates from a primitive hematopoietic cell
[6,7,11,12,16,82,84,85,87,93]. Side population in human lung cancer cell lines and tumors is enriched with stem-like cancer cells.
[8,19,36,40,65,69,94]. Prospective identification of tumorigenic breast cancer cells
[10,21,97,99]. Identification of a cancer stem cell in human brain tumors.
[13,86]. Stem cells: the real culprits in cancer?
[14,83,101,103,104]. Cancer Stem Cells: Future Possibilities for Cancer Therapy
[17,18]. Leukaemia stem cells and the evolution of cancer-stem-cell research
[20]. Stem cells, cancer, and cancer stem cells
[22,38,42,108,129]. Cancer stem cells: a model in the making.
[23,107,138]. Cancer Stem Cells in Tumor Modeling: Challenges and Future Directions.
[24]. Industry updates from the field of stem cell research and regenerative medicine in June 2020.
[25]. Industry updates from the field of stem cell research and regenerative medicine in July 2020.
[26,29,110]. Advances in single-cell RNA sequencing and its applications in cancer research
[27,111]. Single-cell RNA sequencing in cancer: Applications, advances, and emerging challenges
[28,112]. Single-cell analysis technologies for cancer research: from tumor-specific single cell discovery to cancer therapy
[30,35]. Single-Cell RNA Sequencing: Technological Progress and Biomedical Application in Cancer Research
[31,33]. Glioma Stem Cells: Novel Data Obtained by Single-Cell Sequencing
[32]. Applications of single-cell sequencing in cancer research: progress and perspectives
[34,109]. Cancer Stem Cells Therapeutic Target Database: The First Comprehensive Database for Therapeutic Targets of Cancer Stem Cells.
[37]. [Recent advances in cancer stem cell research].
[39,43,130]. Pancreatic cancer stem cells – update and future perspectives
[41,44]. Global research landscape and trends of cancer stem cells from 1997 to 2023: A bibliometric analysis
[45,49,52,54,117,131]. Deciphering breast cancer dynamics: insights from single-cell and spatial profiling in the multi-omics era
[46,56,114]. Spatial multi-omics: deciphering technological landscape of integration of multi-omics and its applications
[47,50,51,53,55,113]. Advances in spatial transcriptomics and its applications in cancer research
[48,58,59,116,119,132]. The impact of multi-omics in medicine
[57,115]. Current state and future prospects of spatial biology in colorectal cancer
[60,118,133]. Spatial transcriptomics in cancer research and potential clinical impact: a narrative review
[61,126,127,137]. Decoding the role of cancer stem cells in digestive tract tumors: Mechanisms and therapeutic implications (Review)
[62,124]. Deep learning models for cancer stem cell detection: a brief review
[63,125]. The expression of stem cells markers and its effects on the propensity for recurrence and metastasis in bladder cancer: A systematic review
[64,128,136]. Emerging artificial intelligence advances in oncology: latest updates from the 2026 AACR annual meeting
[67]. Targeting breast cancer stem cells.
[68]. Global development of artificial intelligence in cancer field: a bibliometric analysis range from 1983 to 2022
[72,80,120,140]. Combining targeted therapy with immunotherapy. Can 1+1 equal more than 2?
[73,81,123]. Immunotherapy for targeting cancer stem cells in hepatocellular carcinoma
[74]. Cancer stem cells as a therapeutic target: current clinical development and future prospective.
[75,77,122,139]. Immune checkpoint inhibitors: breakthroughs in cancer treatment
[76,78,89,92,95,98,100,102,105,106,134,135]. Editorial: Immunotherapeutic strategies to target cancer stem cells: state of the art in basic research to clinical application
[79,121]. Exploring treatment options in cancer: tumor treatment strategies
以下来源未被直接引用
Relationships between stem cells and cancer stem cells.
The intricate interplay between cancer stem cells and cell-of-origin of cancer: implications for therapeutic strategies
A human colon cancer cell capable of initiating tumour growth in immunodeficient mice
Prostate cancer stem cell biology.
Colorectal Cancer Stem Cells: An Overview of Evolving Methods and Concepts
100 plus years of stem cell research—20 years of ISSCR
CTCs 2020: Great Expectations or Unreasonable Dreams
Lung cancer stem cells in the tumor microenvironment: translational biomarkers and therapeutic strategies for immune evasion and treatment resistance.
Cancer Stem Cells Decide the Fate of Cancer Immunotherapy by Remodeling Tumor Microenvironment
Targeting cancer stem cell pathways for cancer therapy
Exploring the dynamic interplay between cancer stem cells and the tumor microenvironment: implications for novel therapeutic strategies
Cross-talk between cancer stem cells and immune cells: potential therapeutic targets in the tumor immune microenvironment
Update on immune‐based therapy strategies targeting cancer stem cells
Immunotherapeutic Strategies Targeting Breast Cancer Stem Cells
Cripto-1 as a Potential Target of Cancer Stem Cells for Immunotherapy
Exosome crosstalk between cancer stem cells and tumor microenvironment: cancer progression and therapeutic strategies
Modulation of the tumor microenvironment and mechanism of immunotherapy-based drug resistance in breast cancer
Glioma stem cells promote radioresistance by preferential activation of the DNA damage response
Cancer stem cells in solid tumours: accumulating evidence and unresolved questions
Identification and expansion of human colon-cancer-initiating cells
Summary: present and future challenges for stem cell research.
Applications of single-cell technologies in drug discovery for tumor treatment
Applicability of Spatial Technology in Cancer Research
Next‐generation spatial transcriptomics: unleashing the power to gear up translational oncology
Breaks for Precision Medicine in Cancer: Development and Prospects of Spatiotemporal Transcriptomics
The cancer stem cell niche: how essential is the niche in regulating stemness of tumor cells?