Galunisertib

点击蓝字 关注我们 传播科学知识 促进同行交流 推动产业发展 服务国家战略   Nature Cancer|类器官模型模拟肿瘤异质性揭示KRAS抑制剂反应差异并识别优化药物组合 2026-02-25 这项研究聚焦于KRAS抑制剂在不同个体中疗效差异的核心难题，其根源在于肿瘤内部的遗传异质性。为解决传统模型难以大规模模拟这种异质性的瓶颈，研究团队开发了名为GENEVA的创新平台。该平台通过将多种来源的癌细胞系混合培养或移植，构建出模拟肿瘤镶嵌现象的实验体系，从而在单一实验中跨遗传背景评估药物反应。 利用GENEVA平台，研究人员系统探究了KRAS-G12C抑制剂的药理机制与耐药途径。他们发现，线粒体激活是驱动KRAS抑制后细胞死亡的关键因素，而上皮-间质转化（EMT）则是在体环境下一种显著的耐药机制。基于这些发现，该平台成功筛选出与KRAS抑制剂联用具有协同效应的药物组合，并在动物模型中验证了其增强疗效的潜力。 这项工作不仅为理解靶向治疗中的肿瘤异质性提供了高分辨率的研究工具，更重要的是，它展示了一种从临床前模型中快速识别有效联合用药策略的方法。这为克服KRAS抑制剂的耐药性、推动更精准的联合疗法进入临床，提供了重要的科学依据与实践路径。 研究背景 【癌症治疗的个体化挑战与KRAS抑制剂的临床困境】靶向治疗作为精准医学的核心，旨在通过作用于驱动肿瘤生长的特定分子或遗传异常来精准打击癌细胞。然而，尽管靶向疗法取得了显著进展，一个根本性的挑战依然存在：不同患者之间肿瘤反应的巨大差异。这意味着，即使针对同一靶点，药物在不同个体中的疗效也可能天差地别。这一挑战在KRAS-G12C抑制剂（一种靶向KRAS蛋白G12C突变体的药物）的临床应用中体现得尤为突出。自2021年首个KRAS-G12C抑制剂（如Sotorasib）获批以来，该领域迎来了革命性的突破，因为KRAS突变曾被视为“不可成药”的靶点。然而，临床数据显示，这类药物的客观缓解率与持续时间远未达到理想水平。例如，Sotorasib在非小细胞肺癌患者中的中位无进展生存期仅为约6个月，且多数患者最终会产生耐药。因此，如何理解并克服KRAS抑制剂反应的异质性，以及如何识别更优的药物组合以提升疗效，成为当前肿瘤学领域亟待解决的核心科学问题。 【传统临床前模型的局限性：无法模拟肿瘤“嵌合体”异质性】要解决上述临床挑战，一个关键步骤是在药物进入临床试验前，使用能够尽可能反映患者肿瘤异质性的临床前模型进行系统性评估。然而，现有的主流模型存在显著的局限性。传统的细胞系培养是在二维平面中进行的，其基因背景单一，无法模拟体内复杂的肿瘤微环境。而异种移植模型（Xenograft Models，指将人源肿瘤组织或细胞移植到免疫缺陷小鼠体内建立的模型）虽然被认为是临床前研究的“金标准”，但其构建过程昂贵、耗时且通量极低。更重要的是，传统方法通常对每个模型进行单独测试，这使得在有限的资源和时间内，难以系统性地比较多种药物在多种遗传背景下的疗效。这种局限性导致我们对药物反应的理解往往基于少数几个模型，可能无法捕捉到在真实患者中广泛存在的肿瘤异质性。肿瘤异质性（Tumor Heterogeneity）不仅指不同患者之间的差异，也指同一患者肿瘤内部不同细胞亚群之间的差异，这正是导致治疗失败和耐药产生的重要原因。因此，开发一种能够同时、系统地研究多种遗传背景下的药物反应的可扩展平台，对于桥接临床前发现与临床疗效至关重要。 【创新平台的引入：GENEVA与“肿瘤嵌合体”模型】为了突破传统模型的瓶颈，本研究引入了 GENEVA （GENetically diverse and Endogenously controlled phenotypic Variation Assay）平台。这是一个可扩展的、单细胞分辨率的平台，用于测量药物扰动下的细胞反应。GENEVA的核心创新在于其能够模拟肿瘤嵌合体（Tumor Mosaicism）。所谓肿瘤嵌合体，是指在单一的实验体系（如体外三维培养或体内异种移植）中，将来自不同患者或细胞系、具有不同遗传背景的细胞混合在一起，形成一个“嵌合”的肿瘤模型。通过这种方式，研究者可以在同一个实验中，平行地观察药物对数十种不同遗传背景的癌细胞的影响。这不仅大大提高了实验通量，更重要的是，它能够在内部对照的设置下，直接比较不同基因型细胞对同一药物的反应，从而更可靠地揭示药物作用的普遍规律和特异性机制。该平台与单细胞RNA测序（scRNA-seq，一种能够同时对成千上万个单个细胞进行基因表达谱分析的技术）相结合，使得研究者不仅能够量化细胞数量的变化（如药物敏感性），还能深入解析细胞在分子层面的应答状态，从而揭示药物作用的机制和耐药产生的根源。 【本研究的目标与核心科学问题】基于GENEVA这一创新平台，本研究旨在系统性地回答关于KRAS抑制剂的两个核心科学问题。首先，KRAS-G12C抑制剂在不同遗传背景的肿瘤细胞中诱导细胞死亡的具体分子机制是什么？ 传统上，对KRAS抑制剂作用机制的理解主要集中在上游受体酪氨酸激酶的再激活或下游信号通路的反馈调节。然而，是否存在更基础的、跨肿瘤类型的共同作用机制，尚待阐明。其次，在体内复杂环境中，肿瘤细胞发展出何种耐药机制，我们又该如何通过药物组合来抑制这些机制？ 临床观察发现，耐药机制具有高度异质性，且体内环境可能诱导出体外培养中不常见的耐药表型。因此，需要一个能够在体内环境下，同时研究多种模型和多种药物组合的平台。 【研究的必要性与科学价值】开展此项研究的必要性体现在多个层面。从临床需求看，KRAS突变在多种癌症中高发，且KRAS抑制剂作为新兴疗法，其疗效的提升迫切需要对反应异质性有更深入的理解。从科学方法看，传统研究方法的低通量和高变异性限制了我们对肿瘤异质性的系统性认知。GENEVA平台的出现，为我们提供了一种前所未有的工具，能够以可扩展、高分辨率的方式，在接近生理的条件下（体内模型）研究药物反应。通过将多个患者来源的细胞系或细胞系衍生的异种移植模型（CDX）和患者来源的异种移植模型（PDX）混合成“肿瘤嵌合体”，我们能够在一次实验中捕获广泛的药物反应谱，并利用单细胞技术解析其背后的分子决定因素。这不仅有助于发现KRAS抑制剂新的作用靶点（如本研究揭示的线粒体激活机制），还能识别出有潜力的联合治疗策略（如靶向mTOR或上皮-间质转化通路）。最终，这项工作有望为优化KRAS抑制剂的临床使用提供新的生物学见解和药物组合思路，从而推动精准医疗的发展，让更多的患者从靶向治疗中获益。通过建立这样一个强大的临床前研究范式，本研究旨在缩小当前药物发现与患者临床疗效之间的差距，为未来更高效、更个性化的癌症治疗奠定基础。关键实验技术 本文介绍的GENEVA平台，是一项旨在解决肿瘤异质性建模瓶颈的创新型单细胞分辨率技术。该平台通过将多个患者来源的细胞系或癌细胞系混合，构建三维（3D）培养体系或异种移植瘤（xenograft）模型，从而在单次实验中模拟肿瘤的遗传多样性（即“镶嵌现象”），并高通量评估药物反应。这一方法为桥接临床前模型与患者疗效差异提供了新思路。 肿瘤镶嵌模型构建与类器官培养技术 该研究的核心是构建肿瘤细胞的“混合体”模型。首先，研究者从多个不同的癌细胞系（如携带KRAS G12C突变或BRAF V600E突变的细胞）中收集细胞。关键步骤在于平衡混合比例：根据各细胞系在独立培养时的生长速率进行反向加权，确保混合后各细胞系在池中能保持相对稳定的代表性，避免因生长速度差异导致某些细胞系被淘汰。随后，将混合细胞悬液与基质胶（如Matrigel）按1:1比例混合，在4°C下注入小鼠皮下，形成多细胞系来源的镶嵌肿瘤。对于类器官培养，研究者将患者来源的肿瘤组织（PDX）消化后，将细胞悬浮液以特定密度接种在100% Matrigel中，待其形成三维结构后，加入含有Advanced DMEM/F12、N-2、B27、HEPES缓冲液、L-谷氨酰胺和青霉素-链霉素的专用类器官培养基进行培养，每日更换培养基以维持其活性。这一流程的关键在于细胞消化和Matrigel的3D培养环境，它能更好地模拟体内肿瘤的微环境。 单细胞悬液制备与细胞条形码标记（Hashing） 为了在一次实验中区分不同来源的细胞，研究者采用了细胞条形码技术。从培养的肿瘤模型（无论是体外3D培养还是体内异种移植瘤）中分离出单细胞悬液。消化后，使用MULTI-seq脂质寡核苷酸条形码或TotalSeq-A抗体条形码对不同细胞系的样本进行标记。具体步骤是：将细胞与对应的条形码试剂在冰上孵育20分钟，用冷PBS洗涤三次，然后将所有标记好的细胞池混合。这一步骤是实现“多重分析”的关键，使得研究者可以在同一份样本中对数十种遗传背景的细胞进行并行分析。 体外与体内药物反应评估 药物处理在两个层面进行。体外实验：将构建好的镶嵌3D培养体系或细胞池，暴露于不同浓度的KRAS-G12C抑制剂（如ARS-1620、Sotorasib）或对照溶剂（DMSO）中，处理时间根据实验设计从数天到数周不等，期间定期更换含药培养基。体内实验：在镶嵌肿瘤形成后，对荷瘤小鼠进行药物灌胃或腹腔注射给药，持续数天至数周。关键在于多剂量给药，以模拟临床剂量递增，并观察剂量反应关系。处理结束后，收集肿瘤组织，消化成单细胞悬液，并进行后续的测序分析。 单细胞RNA测序（scRNA-seq）与数据解卷积 这是实现高分辨率表型分析的核心技术。研究者使用10x Genomics Chromium平台进行单细胞转录组测序。实验前，通过单核苷酸多态性（SNP）分析对每个细胞系进行基因组特征鉴定。测序后，利用Demuxlet或Freemuxlet软件，根据SNP信息将测得的细胞转录组数据“解卷积”，精确地将每个单细胞归属于其来源的原始细胞系（如H2030或H2122）。同时，通过分析条形码序列，确定每个细胞所接受的药物处理条件。这种技术组合使得研究者能同时获得细胞身份、所处药物环境及其转录组状态三重信息。 体外/体内CRISPRi筛选与功能基因鉴定 为了验证基因功能，研究者进行了体内CRISPRi筛选。首先，构建一个包含目标基因（如mTOR、EMT通路相关基因）的双sgRNA文库，使用慢病毒转导至目标癌细胞系中，使dCas9-KRAB系统稳定表达，从而实现对特定基因的敲低。随后，将这些经过基因编辑的细胞混合，植入小鼠体内形成镶嵌肿瘤，并对小鼠进行药物（如Sotorasib）或对照处理。治疗结束后，提取肿瘤组织的基因组DNA，通过高通量测序测定不同sgRNA的丰度。通过比较药物处理组与对照组中sgRNA丰度的变化，计算ρ值（Z-score），从而筛选出在药物压力下对细胞存活有保护或致敏作用的基因。 关键实验技术详解：从体内到体外的表型分析 研究者通过整合多种技术，实现了从宏观到微观的表型分析。体内实验在免疫缺陷的NSG小鼠中进行，通过皮下注射构建镶嵌肿瘤，模拟体内微环境。体外实验则利用3D培养和类器官技术，在可控条件下进行药物测试。两者均通过scRNA-seq获得单细胞水平的转录组数据，并分析细胞周期、凋亡、线粒体功能等表型。例如，通过流式细胞术检测细胞周期（使用细胞周期基因注释）和线粒体功能（如TMRE染色检测膜电位、MitoSOX检测活性氧），这些高通量表型检测与scRNA-seq数据相互印证，揭示了KRAS抑制剂诱导线粒体激活导致细胞死亡、以及上皮-间质转化（EMT）作为耐药机制等关键发现。 科普支持：理解“肿瘤镶嵌模型”与“单细胞解码” 为了帮助理解这些复杂技术，可以将其比作一场精密的“细胞派对”和“身份鉴定”。肿瘤镶嵌模型就像是在一个派对上同时邀请了数十位来自不同背景的客人（不同癌细胞系），让他们在同一个舞池（肿瘤微环境）中共同活动。通过观察他们在药物（舞曲）刺激下的反应，研究者能一次性比较不同“客人”的抗压能力，这比单独邀请每一位客人要高效得多，更能模拟真实肿瘤的复杂性。单细胞解卷积技术则像是给每位客人佩戴了独一无二的智能手环（基于SNP的条形码）。即使他们混在一起，研究者也能通过扫描手环数据，精准识别出每位客人的身份（细胞系来源）以及他们当时正在做什么（转录组状态），从而绘制出整个“派对”的动态图谱。这种技术组合，使得我们能从宏观的群体反应深入到单个细胞的微观行为，极大地提升了药物发现的精度和效率。 总之，GENEVA平台通过整合肿瘤镶嵌建模、高通量单细胞测序和功能基因组学筛选，为系统评估药物反应异质性提供了强大的技术框架。该方法不仅揭示了KRAS抑制剂的新作用机制和耐药通路，也为开发更有效的联合疗法提供了实验依据，具有推动精准肿瘤学发展的潜力。 参考文献• 本文主要技术及数据来源于：Yu, J.X. et al. The GENEVA platform models tumor mosaicism to reveal variations of responses to KRAS inhibitors and identify improved drug combinations. Nature Cancer (2026). DOI: 10.1038/s43018-026-01130-5.结果解析 研究问题与假说：靶向KRAS-G12C的抑制剂在临床应用中面临个体间疗效差异的挑战，这主要源于现有体内预临床模型（如异种移植模型）难以大规模模拟肿瘤之间的遗传异质性。为了桥接这一鸿沟，本研究假说认为，开发一种能够同时纳入多种遗传背景的肿瘤模型的高通量平台，将有助于系统性地揭示KRAS抑制剂响应变异的机制，并识别出更有效的联合用药策略。 研究思路（方法）：为验证上述假说，研究团队开发了名为GENEVA（GENetically diverse and Endogenously controlled phenotypic Variation Assay）的平台。该平台的核心思路是将数十种来自不同患者或细胞系的肿瘤细胞组合成一个“嵌合体”池，然后在单次实验中同时进行三维培养或体内异种移植建模。通过单细胞RNA测序（scRNA-seq）技术，并结合单核苷酸多态性（SNP）解卷积和细胞标签（hashing）技术，研究人员能够在单细胞分辨率下，同时追踪不同遗传背景的细胞在药物处理后的转录组、细胞周期、凋亡等多种表型变化，从而在高度可控的实验体系内评估药物响应的异质性。 结果分析与阐述：研究团队首先在体外验证了GENEVA平台的有效性。在包含11种不同细胞系的嵌合体池中，应用针对BRAF V600E和KRAS G12C的特异性抑制剂后，平台成功地在单细胞水平上复现了已知的敏感性模式，并揭示了细胞系间的内在异质性。如图1b所示，通过量化各细胞系在处理组与对照组中的相对丰度，可以清晰地看到KRAS G12C突变细胞系对ARS-1620的敏感性显著高于非G12C细胞系，而BRAF V600E突变细胞系则对vemurafenib高度敏感。这一结果验证了平台捕捉宏观药物响应的能力。 随后，研究团队将GENEVA平台应用于体内的KRAS抑制剂研究。通过在免疫缺陷小鼠中建立包含多种KRAS G12C突变细胞系的嵌合体肿瘤模型，并用ARS-1620进行治疗，研究者观察到了与体外实验一致的药物响应模式。更重要的是，该平台在体内模型中揭示了KRAS抑制剂诱导的细胞死亡机制。如图3e和3f所示，通过对H2030细胞系进行急性和急性后处理，研究者发现KRAS-G12C抑制剂（如sotorasib）会显著增加线粒体耗氧率（OCR），特别是提升线粒体的备用呼吸能力。这一发现与传统认知中抑制剂通常会降低线粒体功能的观点相反，表明KRAS-G12C抑制剂通过诱导线粒体过度激活来驱动细胞死亡，这一机制在不同KRAS G12C细胞系中得到验证。 在探究耐药机制时，GENEVA平台同样展现了其优势。研究者在体内和体外模型中均观察到，耐药细胞群体表现出上皮-间质转化（EMT）相关基因的显著上调。如图4e所示，与体外模型相比，体内嵌合体肿瘤模型中KRAS抑制剂耐药细胞的EMT基因集表达差异更为显著，提示肿瘤微环境在介导EMT相关耐药中可能扮演关键角色。基于此发现，研究者测试了将KRAS抑制剂与EMT通路抑制剂（如galunisertib）进行联合用药。如图4f所示，在体内异种移植模型中，ARS-1620与galunisertib的联合治疗产生了显著的协同抗肿瘤效果，肿瘤生长抑制远超单一药物。 此外，通过对单细胞转录组数据的深入分析，研究者还识别出mTOR通路作为另一个关键的耐药驱动因子。如图4b所示，在体外细胞存活实验中，KRAS抑制剂与mTOR抑制剂INK128的组合表现出显著的协同效应（Bliss synergy）。这一发现随后在体内得到验证，如图4c所示，ARS-1620与INK128的联合治疗在小鼠模型中显著增强了抗肿瘤疗效。这些结果共同证明，GENEVA平台不仅能识别单个药物的响应模式，还能高效地筛选和验证旨在克服耐药性的联合治疗策略。 与结论：本研究成功开发并验证了GENEVA平台，该平台通过建模肿瘤遗传异质性，为在高通量、单细胞分辨率下评估抗癌药物疗效及组合策略提供了新的范式。研究不仅揭示了KRAS-G12C抑制剂通过诱导线粒体过度激活这一独特机制导致细胞死亡，还发现了EMT和mTOR通路在介导体内耐药中的关键作用，并据此开发出有效的联合治疗方案。GENEVA平台的应用，有望更早、更精准地在临床前阶段识别出药物响应的生物标志物和潜在耐药机制，从而优化药物开发流程，推动更具个体化、更有效的癌症治疗策略走向临床。图注翻译 图 1 | GENEVA 允许在遗传多样化的群体中对细胞进行丰富的表型分析。(A) 我们的GENEVA初步研究涉及11种人类细胞系和三种处理条件：DMSO、ARS-1620（1 μM）和vemurafenib（0.8 μM）处理6天。均匀流形逼近与投影（UMAP）了由此产生的单细胞RNA测序（scRNA-seq）数据。细胞根据其药物治疗进行着色，每个簇的细胞系身份已标记。A375簇用红色虚线圆圈标记。(B) 治疗组与对照组中每个细胞系的细胞分数用于定量测量每个细胞系的敏感性。细胞计数来自基因分型的scRNA-seq数据。细胞系根据其相对敏感性排序，G12C和V600E突变细胞系分别在ARS-1620和vemurafenib图中标记。相对代表性通过将细胞计数按细胞系归一化，并除以各药物条件下最大细胞数计算得出；显示的比值为此归一化后的结果。(C) Lasso回归分析，以重叠的遗传突变作为协变量，GENEVA相对存活数据作为结果变量。显示被模型选择的变量并标记。$K R A S ^ { \mathrm { G 1 2 C } }$ 和 $B R A F ^ { \mathsf { V 6 0 0 E } }$ 突变在各图中标记。(D) 由8个G12C细胞系和2个非G12C细胞系（G12V和G12D）组成的G12C GENEVA池的摘要，以及三个剂量的ARS-1620处理6天。分别显示了DMSO和25 μM ARS-1620条件下的UMAP图。(E) 相对于DMSO的最高剂量下的细胞系代表性用于测量每个样本的相对药物敏感性。结果以排序的条形图显示，其中单个生物学重复作为点包含在内，条形显示数据的平均值（n=2）。(F) 两个G12C和两个非G12C细胞系在多个剂量下的细胞代表性比较。细胞系按其身份着色，并分为G12C和非G12C组，G12C细胞系在ARS-1620剂量滴定中显示出负斜率（n=2表示所有剂量的生物学重复，每点为平均值）。使用Pearson R显著性检验的单侧检验评估统计显著性。 图 2 | 将体内GENEVA应用于KRASG12* CDX和PDX模型。(A) 将携带来自KRASG12突变细胞系池的嵌合细胞系模型的NSG小鼠，用ARS-1620（100 mg/kg体重）或载体对照处理10天。单个细胞根据KRASG12突变状态（左）或治疗条件（右）着色。(B) CDX GENEVA嵌合肿瘤中的体内敏感性表型。通过比较药物组和载体组中每个细胞系的计数，并汇总不同KRASG12*突变，计算每个细胞系的相对存活评分。(C) CDX GENEVA数据集中H2122细胞的UMAP图，按细胞周期阶段着色（左）。统计ARS-1620和载体处理样本中各阶段的细胞数（右）。P值通过双侧卡方检验计算。(D) 将两种G12C模型（JAX233和JAX877）和两种非G12C模型（EML4-ALK和TH21）池化，并用递增浓度的ARS-1620或DMSO处理的PDOs的UMAP图。(E) G12C和非G12C PDOs中G1期细胞比例与ARS-1620浓度的关系。显示了斜率及其相关的双侧P值（用于检验Pearson R的显著性）。(F) ARS-1620体内GENEVA实验中，用ARS-1620（100 mg/kg体重）处理NSG小鼠16天后，嵌合PDXs的UMAP图。细胞按G12C状态（左）和ARS-1620或载体治疗（右）着色。(G) 在AR-1620和载体治疗样本中，跨$K R A S ^ { \mathrm { G 1 2 ^ { * } } }$ 突变状态计数处于凋亡细胞状态的细胞数。P值通过双侧卡方检验计算。 图 3 | KRAS-G12C抑制通过增加线粒体电子传递链活性导致细胞死亡。(A) 幸存于ARS-1620治疗的细胞富集于线粒体含量较低的细胞中。对于此分析，细胞根据线粒体基因表达从低含量（左）到高含量（右）进行分箱。对于GENEVA池中的每个细胞系，使用接受ARS-1620治疗并位于每个分箱中的细胞数来计算富集（金色）或耗竭（蓝色）评分。使用互信息（MI）及其相关的z分数以及双侧Mann-Whitney U检验来衡量模式的显著性。(B) ARS-1620治疗后，跨线粒体编码、基因组编码但线粒体驻留和非线粒体驻留蛋白编码基因集的差异表达，以累积分布可视化。较低的差异表达表示治疗后下调。使用双侧t检验计算统计量，针对每个基因集，使用非线粒体驻留基因作为零分布。(C) 在KRASG12C突变H358细胞系中，与ARS-1620进行合成致死筛选的基因组范围CRISPRi筛选数据，按MitoCarta、Mitoribosome和所有其他基因分组。表型评分增加表示在药物治疗背景下对细胞存活具有缓冲或挽救效应。数据来自Lou等人。(D) 通过MitoTracker Red对H2030持久性细胞和亲代细胞系进行线粒体含量分析。亲代（n=2,996）和持久性（n=6,415）群体之间通过双侧Mann-Whitney U检验比较数据，P = 2.75 × 10^{-335}。(E) 在H2030中，用sotorasib急性处理2小时（500 nM）后，使用Seahorse分析法测量耗氧率（OCR）。P值通过双侧Welch t检验计算（n=10）；n代表Seahorse分析中的生物学重复数，即接受药物处理并测量的孔数。显示的是均值和标准差。(F) H2030细胞在sotorasib急性处理后的基础呼吸。数据来自Seahorse分析。P值通过双侧t检验计算（n=10）；n代表Seahorse分析中的生物学重复数。显示的是均值和标准误。对于所有箱线图，中心线表示中位数值，箱体边界表示第25和第75百分位数，须线延伸至Q1/Q3的1.5倍IQR范围内的最小值和最大值，须线之外的单个点代表异常值。(G) 亲代（绿色）和持久性（粉色）细胞系在sotorasib急性处理2小时（500 nM）后的OCR测量。P值为0.0003，通过双侧Welch t检验计算（亲代n=10，持久性n=12生物学重复）。显示的是均值和标准差。(H) 用sotorasib（500 nM）诱导0-5小时后，通过流式细胞术测量线粒体膜电位（TMRE和MitoTracker Red比值）。显示了Spearman相关系数及相关的P值，用于测量所有时间点的趋势。单个时间点统计使用Welch双侧t检验计算1小时与3小时、3小时与3小时与5小时的差异。使用单样本双侧t检验计算1小时与归一化DMSO值的统计量。显示的数据点为生物学重复，每点代表单个孔内所有细胞的中位荧光值。(I) 用sotorasib（500 nM）诱导0-5小时后，通过流式细胞术测量线粒体ROS（MitoROS）形成（MitoSOX信号）。使用单样本双侧t检验计算1、3和5小时时间点与归一化DMSO值的统计量。显示的数据点为生物学重复，每点代表单个孔内所有细胞的中位荧光值。(J) 用sotorasib（500 nM）诱导0-7小时后，通过流式细胞术测量Caspase-3/Caspase-7切割（CellEvent Caspase-3/7信号）。显示了Spearman相关系数及相关的P值，用于测量所有时间点的趋势。显示的数据点为生物学重复，每点代表单个孔内所有细胞的中位荧光值。(K) 在两种KRASG12C细胞系（H2030和H1373）和一种非G12C细胞系（H441）中，使用sotorasib和adagrasib与抗霉素A组合给药的细胞存活比例。P值通过双侧t检验计算。条形图表示数据的平均值（n=3，生物学重复）；NS，不显著。(L) 火山图展示跨10种KRASG12C细胞系在GENEVA池中，经ARS-1620处理后的差异表达基因。P值通过双样本t检验计算，将独立细胞系作为生物学重复。(M) ARS-1620治疗3天后，通过CTG和BODIPY 581/591 C11测量的相对细胞存活和脂质过氧化剂量反应。左侧y轴表示存活率，随后绘制为橙色数据点；右侧y轴表示脂质过氧化，随后绘制为紫色数据点（n=2表示所有剂量的生物学重复）。(N) 用三种KRAS-G12C抑制剂与载体处理相比，脂质过氧化水平（由BODIPY 581/591 C11测量）。使用双样本双侧t检验计算每种治疗条件与归一化DMSO值的统计量。显示的数据点为生物学重复，每点代表单个孔内所有细胞的中位荧光值。 图 4 | 靶向与KRAS-G12C抑制剂耐药相关的途径可带来更有效的组合疗法。(A) KRASG12C突变细胞系的火山图，显示KRASG12C特异性基因表达上调。G12C特异性表达通过首先计算每个细胞系中DMSO和ARS-1620治疗之间的差异表达，然后取G12C（n=8）和非G12C（n=2）突变细胞系之间平均log2（倍数变化）差异得出。使用G12C和非G12C组之间的双侧t检验计算P值。以红色突出显示在G12C特异性方式中显著上调的可成药蛋白。(B) 在H2030细胞中，使用三种KRAS-G12C抑制剂和靶向G12C特异性耐药机制的化合物进行组合疗法测试，使用3天CTG存活检测。数据以Bliss协同值热图显示，紫色表示Bliss药物协同，灰色表示Bliss拮抗，橙色轮廓表示P值小于0.05。P值通过对特定双剂组合的生物学重复进行双侧t检验计算，与从无药生物学重复估计的零分布（n=4）进行比较。(C) 在NSG小鼠中进行的体内组合疗法研究，治疗持续时间在17至35天之间。ARS-1620（100 mg/kg体重）与mTOR抑制剂INK128（0.3 mg/kg体重）共同给药。ARS-1620和INK128在指示的给药计划间隔（绿色）期间，通过腹腔注射每日单独和组合给药。(D) 体内和体外嵌合池之间基因表达下调的一致性二维密度图。红色表示线粒体编码基因表达富集，蓝色表示耗竭。表达数据通过比较各自体外和体内GENEVA池中ARS-1620与DMSO条件，转换为差异表达z分数。使用双侧Mann-Whitney U检验计算基因集内基因和所有其他基因的z分数的P值。P值表示各模型系统（体外/体内）中下调的显著性。(E) 体内和体外嵌合池之间模型特异性基因表达下调的二维密度图。红色表示EMT基因集富集，蓝色表示耗竭。统计计算如D所述。(F) 在NSG小鼠中，使用TGFβ/EMT抑制剂galunisertib（75 mg/kg体重）和ARS-1620（100 mg/kg体重）进行的体内组合疗法研究。ARS-1620和galunisertib在指示的给药计划间隔（绿色）期间，通过腹腔注射每日单独和组合给药。数据表示为平均值±标准差。使用双侧t检验确定galunisertib和ARS-1620+galunisertib治疗组之间最终归一化肿瘤体积的统计显著性。对照和ARS-1620小鼠数据在C和F之间共享。研究设计和统计如C所述。 图 5 | GENEVA 能够在体内进行多重组合疗法筛选。(A) 示意图说明在多种KRASG12*癌症模型中进行池化遗传体内筛选。(B) 体内CRISPRi筛选结果说明了不同癌症模型在聚合时的保护性和敏化基因候选物的差异（每组n=46个基因）。保护性和敏化基因候选物基于GENEVA数据和已知途径作用方向进行注释；计算每个条件与配对载体筛选的ρ分数，并使用单样本t检验对零分布ρ=0进行统计计算。对于所有箱线图，中心线表示中位数值，箱体边界表示第25和第75百分位数，须线延伸至Q1/Q3的1.5倍IQR范围内的最小值和最大值，须线之外的单个点代表异常值。(C) 体内CRISPRi筛选结果按单个驱动基因和途径细分，GENEVA预测用箭头注释（每组n=46个基因）。对于比较，在单个驱动基因分组图中，显示了目前在临床试验中研究的已知组合靶点（SOS1和SHP2）以及已知结合靶点（KRAS）。使用双样本t检验计算基因集的所有基因ρ值，针对G12C（H2030和H2122细胞）或H441细胞模型。对于所有箱线图，中心线表示中位数值，箱体边界表示第25和第75百分位数，须线延伸至Q1/Q3的1.5倍IQR范围内的最小值和最大值，须线之外的单个点代表异常值。(D) 嵌合肿瘤在单药或组合给药（左）前处理10天。肿瘤在生长10天后，通过腹腔注射每日给药7天。ARS-1620（100 mg/kg体重）、galunisertib（75 mg/kg体重）、INK128（0.3 mg/kg体重）和抗霉素A1（0.5 mg/kg体重）以这些浓度单独或组合给药。簇按细胞系来源标记，按药物治疗条件着色。细胞按其细胞周期状态和身份着色（右）。(E) 从GENEVA中计算KRASG12C细胞系在与ARS-1620和galunisertib、INK128或抗霉素组合给药后的G1停滞得分的Bliss协同值。热图颜色反映两种药物的相对协同水平，较浅颜色表示协同抑制G1，较深颜色表示拮抗效应。(F) 识别在药物治疗响应中偏离加性协同模型的基因。使用单药和双药GENEVA研究的数据构建线性模型以计算基因水平系数。计算每个基因的单药和双药模型系数之间的差异，并排序；系数差异值的z分数绘制在y轴上，基因从低到高的排名绘制在x轴上。此分析针对ARS-1620 + INK128和ARS-1620 + galunisertib进行。线粒体基因在两张图上以红点着色。创新特色 【研究背景与局限】传统肿瘤异种移植模型在模拟患者间遗传多样性方面存在规模化瓶颈，导致药物疗效评估受限于有限模型，难以预测临床响应差异。本文通过开发GENEVA平台，旨在解决这一核心问题。 【平台创新：肿瘤异质性模拟】GENEVA平台通过将多种患者来源细胞系与癌细胞系整合为三维共培养或异种移植模型，构建遗传异质性嵌合肿瘤。该平台结合单细胞RNA测序与单核苷酸多态性解卷积，实现单细胞分辨率下跨遗传背景的药物扰动响应分析，在单一实验内系统评估药物反应的种群内与种群间异质性。 【核心发现：KRAS抑制剂作用机制】应用GENEVA研究KRAS-G12C抑制剂发现，线粒体呼吸链活性增强是KRAS-G12C抑制诱导细胞死亡的关键机制，而上皮-间质转化（EMT）是体内耐药的主要途径。研究证实，线粒体激活特异性由KRAS-G12C抑制引发，且该机制在体外与体内模型中均具可重复性。 【应用拓展：药物组合优化】基于GENEVA揭示的耐药机制，研究筛选出mTOR抑制剂（如INK128）和EMT抑制剂（如galunisertib）与KRAS-G12C抑制剂联用具有协同抗肿瘤效应。体内实验验证，上述组合方案显著抑制肿瘤生长，为临床联合用药提供了新策略。 【研究意义：弥合模型与临床鸿沟】GENEVA平台通过规模化、高分辨率的多模型药物筛选，有效捕捉了肿瘤异质性导致的药物响应差异，为桥接临床前模型与患者疗效提供了新工具。该研究不仅深化了对KRAS靶向治疗机制的理解，也为优化精准治疗方案奠定了方法学基础。局限与建议 引言段在癌症药物研发领域，临床前模型的局限性一直是连接基础研究与患者疗效的关键瓶颈。近期发表于《Nature Cancer》（DOI: 10.1038/s43018-026-01130-5）的研究介绍了一种名为GENEVA的新型平台，旨在通过建模肿瘤内细胞多样性（即肿瘤嵌合性）来更精准地预测药物反应。该研究结合多种患者来源的细胞系与癌细胞系，构建了三维培养体系及异种移植模型，并利用单细胞分辨率技术评估了药物扰动下的响应。研究发现，该平台能有效揭示KRAS-G12C抑制剂反应的变异，并识别出线粒体激活是导致细胞死亡的关键驱动因素。然而，任何创新平台在迈向临床转化前，均需经过严谨的审视。本文旨在对GENEVA平台进行批判性分析，指出其潜在局限，并提出切实可行的改进建议，以期为未来研究提供参考。 不足之处模型系统的代表性与复杂性限制论文详细阐述了GENEVA平台通过混合多种细胞系和类器官模型来模拟肿瘤异质性。然而，其核心模型——无论是体外的三维培养还是体内的异种移植（CDX/PDX）——均存在固有的生物学简化。原文明确指出，当前使用的异种移植模型均在免疫缺陷小鼠（如NSG小鼠）中进行。这意味着，研究完全排除了适应性免疫系统这一关键的肿瘤微环境组分对药物反应的影响。论文在讨论部分也坦承，非细胞自主性的药物响应机制（如免疫介导的杀伤）无法在此平台中被捕捉。这对于评估当前热门的靶向疗法与免疫疗法的联合策略而言，是一个显著的短板。此外，论文虽验证了多个KRAS-G12C细胞系，但其涵盖的癌症类型（如肺癌、胰腺癌）和遗传背景的广度仍有限，可能无法完全代表临床患者群体的全部异质性。 实验周期与耐药性模拟的深度研究通过短期（数天至数周）的药物处理来揭示耐药机制，如上皮-间充质转化（EMT）。然而，临床观察到的耐药性往往是在长期药物暴露下逐步形成的复杂过程。论文中提到，耐药机制的识别依赖于对幸存细胞群体的分析，但这种短期实验可能仅捕捉到早期的适应性变化，而未能充分模拟临床中出现的、更为复杂的克隆演化。例如，论文指出某些耐药机制（如EMT）在体内模型中更显著，这暗示了微环境对长期耐药的关键作用，但平台本身对长期、动态演化过程的模拟能力尚待进一步验证。 数据解读与临床转化的预测性验证GENEVA平台生成了海量的单细胞转录组数据，并据此提出了新的药物组合策略（如联合mTOR抑制剂）。这些发现基于体外和小鼠模型的药效学数据。虽然论文通过体内基因筛选（CRISPRi）验证了部分靶点，但将小鼠模型中的发现直接外推至人类患者仍存在不确定性。原文提到，临床批准的KRAS-G12C抑制剂（如Sotorasib）在患者中的中位无进展生存期仅约6个月，而GENEVA平台预测的组合疗法能否在人体中显著改善这一结局，缺乏直接的临床前或临床数据支持。平台的预测价值最终需要在更贴近人类的模型（如人源化免疫系统小鼠）或直接的临床样本中得到验证。 改进建议整合免疫微环境，扩展模型系统针对模型缺乏免疫成分的局限，建议将GENEVA平台与人源化免疫系统小鼠模型相结合。具体而言，可以在免疫缺陷小鼠中重建人源免疫系统（如过继转移人外周血单核细胞），然后再植入经过标记的、混合的肿瘤细胞系或类器官。这样可以在保留GENEVA多细胞系、单细胞分析优势的同时，引入适应性免疫应答的维度，从而评估靶向疗法对免疫细胞的潜在影响，并探索联合免疫检查点抑制剂的可能性。这能极大增强平台预测临床疗效的可靠性。 开展长期动态演化实验，模拟临床耐药进程为更真实地模拟临床耐药，建议在GENEVA框架下设计长期（数月）药物暴露实验。可以定期从培养体系或动物模型中取样，进行纵向单细胞测序和克隆追踪分析。这不仅能捕捉到比短期实验更丰富的耐药机制，还能揭示肿瘤细胞在药物压力下的进化轨迹和克隆选择动态。例如，可以研究在长期治疗中，哪些亚克隆最终主导了肿瘤复发，其分子特征是什么，从而为预防或克服耐药提供更精准的靶点。 加强跨平台验证与临床前-临床关联研究为了提升预测的准确性，建议建立多层次验证体系。首先，利用更复杂的类器官库（涵盖更多患者来源和肿瘤亚型）重复关键发现，以确认其普适性。其次，将GENEVA平台筛选出的最优药物组合，与患者来源的异种移植（PDX）模型（保留原发肿瘤的基质和微环境）进行头对头比较。最后，积极寻求与临床研究合作的机会，将平台预测的生物标志物和联合治疗方案，在早期临床试验（如I/II期）中进行验证，形成“平台预测-模型验证-临床试验”的闭环反馈，加速研究成果的转化。 结语段总的来看，GENEVA平台为系统性研究肿瘤异质性与药物反应提供了强大的工具，其发现的线粒体激活机制和mTOR/EMT等耐药通路具有重要科学价值。然而，其模型系统在免疫微环境模拟、长期耐药演化以及临床转化验证方面仍存在局限。通过整合免疫模型、开展长期实验并加强多层次验证，可以进一步提升该平台的预测能力和临床适用性。这些改进方向不仅能巩固GENEVA平台的学术地位，更能推动其从实验室工具向临床决策辅助系统的转变，最终惠及更多癌症患者。 期刊：Nature Cancer DOI：10.1038/s43018-026-01130-5© SCIENTIFIC 如果你想在此显示您的广告信息，请联系我们。  /  科学技术普及新媒体矩阵  肠道类器官（Organoid Bulletin） 本公众号由AI智能体ORGANOID AGENT驱动赋能，您可以直接与公众号对话，获得最专业的类器官知识指导与信息。      我们致力于发布本领域优质资讯与评述，推送国内外类器官及干细胞相关领域最新研究论文、综述与技术进展。发布科普文章、专家观点评论、行业分析、招聘信息和会议通知。您可以在微信、小红书、百家号、企鹅号、今日头条、知乎和Bilibili关注我们。秉承类器官创新计划组织愿景，我们积极传播科学知识，促进同行交流，推动产业发展，服务国家战略，积极为类器官与干细胞技术发展提供助力。欢迎各位关注、分享、转载、投稿！原创内容欢迎转载，直接私信即可，完全免费授权。内容多来自学术论文或网络公开资源，如有侵权还请联系删除。 编辑部联系邮箱：zj@organoid.ac.cn 欢迎关注更多科学矩阵账号获取更多资讯~ 合作品牌 2026年度 欢迎找到组织 类器官创新计划组织（Innovations in organoids organization）是由来自中国科学院、北京大学、清华大学、复旦大学和浙江大学等多个顶级研究机构的头部研究团队组织发起的，完全公益的，学术与研究技术交流合作组织，成员主要由来自类器官行业内的企业高管、技术经理、高级PI等构成。加入“类器官创新计划”后，您将以极低的成本实现类器官资源的互换与共享，基于肠道类器官和类器官创新计划组织微信公众号平台，您将获得来自全行业的赋能与指导，进行标准化的类器官制备与检测，保证您的研究顺利且高质量开展。我们会将你纳入本组织“技术研发”、“开源公益”和“产品服务”等多个微信群，这样您能够与所有参与计划的成员及时沟通，您所有的类器官问题都能最及时的得到解答和帮助，互换类器官品系和干细胞研究工具资源，解决技术难题，获得技术支持。我们已有上万个来自全国顶级类器官研究机构、大学和企业的注册认证会员，大家一起为类器官事业发展点燃星星之火，推动类器官产业发展壮大。我们还建立了AI知识问答和开源类器官分析工具等多个公益项目为类器官研究提供帮助，构建开放包容的领域生态。在这里,我们敢为人先，始终积极寻求更新类器官更优的解决方案，勇于突破经验与预想的界限，致力打造科学卓越的行业新标准。 官方网站：www.organoid.ac.cn 联系邮箱：info@isco.ac.cn   组织愿景 1.共建开放协作生态：搭建行业资源共享平台，促进技术互通与经验共享，降低类器官研究门槛。 2.引领行业标准与规范：推动制定行业与国家工程标准，实现类器官培养与应用的规范化、全流程标准化。 3.打造国际学术资源枢纽：推动建设全球认可的类器官库与智库平台，加速技术向精准医学与药物研发转化。 4.驱动技术融合创新：推动整合生物材料、智能装备等工程技术创新，突破类器官规模化制备与功能重建瓶颈。 5.强化技术自主可控：推进国产化试剂、仪器研发与技术体系替代，保障核心研发链安全与战略主动权。 加入我们       本组织面向类器官全领域同行提供交流平台和会员身份认证服务，可以加入“技术研发”、“开源公益”、“产品服务”和“专属领域”等多个类型的交流群，涵盖科学研究技术、开源工具和公益、销售产品与服务、细分领域如类器官芯片、生物材料等专属群等平台，参与讨论。高级研究员或独立PI可以申请成为荣誉发起人，成为类器官创新计划贡献者与受益者。本公益组织目前已有10000+会员，期待您加入讨论分享，让我们共同促进类器官产业发展。      现在，您只需添加发起人微信，备注自己的真实姓名与单位和必要信息，例如“张三-中国科学院大学”，说明申请加入类器官创新计划，提供有效身份证件如学生证、身份证、工作证或其他任何可以证明身份的真实性的证件，即可加入对应社群。而这一切都是公益的，免费的，不收取任何费用。 扫描添加微信以进群交流 加入知识星球 面向专业科研需求和企业级资源共享，现在扫描二维码加入“肠道类器官”知识星球，就能获得来自顶级研究机构分享的类器官培养基配方和方案，类器官创新计划组织发布的官方标准指南、AI类器官分析工具等更加专业的资料。与1000+位行业精英共同交换类器官技术资料和资源，向行业专家提问，免费参与国内领先的类器官品牌产品内测试用，获得类器官工程师认证等。全行业最专业的类器官知识社区和公益平台，让您的类器官研究少走弯路！ #为什么要加入知识星球？ 1.最新最专业的培养基配方和技术资料即时获取。 2.标准类器官培养方案和技术标准材料发布唯一渠道。 3.最强AI智能体和类器官分析软件和工具解析和下载。 4.类器官领域TOP专家一对一沟通，权威资料触手可及。 5.类器官企业新产品评测和免费试用特权通道。 6.定期发放免费会议入场券和资料，提供演讲机会。  更多福利，请移步知识星球内部了解。 扫二维码｜获取资源 标准类器官培养基配方 高级类器官AI分析软件 高水平类器官文章资料 ...... 注册会员 注册会员是面向所有人的公益身份识别项目。如需以组织会员身份获取各种资源与免费福利。您只需访问www.organoid.ac.cn注册会员，并补充个人真实有效身份信息，经人工审核后，即可获得注册会员认证。通过“类器官创新计划组织”和“肠道类器官公众号”的“身份认证”菜单就能找到查询入口。也可以下载专属的身份二维码用于各种需要出示本组织身份的场合如学术会议、合作商提供的免费产品申请。由PI或课题组长及以上级别提供实名信息可注册为“注册会员”，加入“注册认证会员群”优先享受本组织提供的学术界与产业界资源。特别的，您所有的信息仅用于身份识别，不会被进行任何形式的商业用途，     欢迎监督举报（邮箱：isco@organoid.ac.cn）。未进行注册的，不被认为是我组织正式会员，合作方有权拒绝提供任何服务和或产品。 具体注册方式点击下列文章了解： 如何注册成为注册会员？ 扫码获取您的电子会员证 访问www.organoid.ac.cn注册账号， 填写必要信息即可资格认证。 求点赞 求分享 求推荐