Nelarabine

儿童急性淋巴细胞白血病（acute lymphoblastic leukemia，ALL）是儿童最常见的恶性肿瘤之一，具有起病急、疾病异质性强和治疗周期长等特点。不同免疫表型、遗传学亚型及治疗反应的患者，其风险分层和治疗路径存在明显差异。因此，明确诊断、精准分型并动态监测微小残留病，是儿童ALL规范诊疗的重要基础。 儿童ALL并非单一疾病，可按细胞谱系分为B-ALL和T-ALL。B-ALL还包括BCR::ABL1 阳性、BCR::ABL1-like、KMT2A重排、ETV6::RUNX1、TCF3::PBX1 及高/低二倍体等遗传亚型；T-ALL主要包括T-ALL未另行分型和早期T细胞前体（ETP）ALL。婴儿ALL则是按年龄划分的特殊临床组，需要结合遗传学特征和MRD进一步进行风险分层，不同亚型的治疗方案和风险分层不同。 一、儿童急性淋巴细胞白血病的诊断 儿童ALL的诊断需要结合骨髓形态学、流式细胞免疫表型和遗传学检测。ALL的诊断通常需要结合骨髓中淋巴母细胞比例、形态学、免疫表型及遗传学结果综合判断；一般不建议在骨髓淋巴母细胞低于20%时轻易诊断，但具体判断需结合临床情况和相关分类标准。当外周血循环淋巴母细胞数量足够、通常达到至少1000/µL，且临床情况不适合骨髓穿刺和活检时，可在特定情形下用外周血替代骨髓标本。 儿童ALL主要分为B-ALL（约占80%）和T-ALL（约占10%～15%）；其中，早期T细胞前体（ETP）ALL约占儿童T-ALL的12%，约占全部ALL的2%。B-ALL中，超二倍体约占25%，ETV6::RUNX1 约占儿童ALL的25%，BCR::ABL1-like 约占15%，BCR::ABL1 阳性约占2%；KMT2A重排约占儿童ALL的5%，但在婴儿ALL中可达约70%～80%，TCF3::PBX1 约占5%，iAMP21约占2%，低二倍体约占1%～2%，TCF3::HLF 少于1%。 1 基础诊断评估 基础评估包括骨髓涂片及活检、综合流式细胞免疫表型、白血病克隆特征鉴定，以及后续用于微小残留病（MRD）监测的基线检测。诊断时还应完成血常规及分类、血液生化和肝功能、肿瘤溶解综合征相关检查、胸部X线用于排除纵隔肿块；有神经系统症状时行头部增强CT/MRI；怀疑淋巴母细胞淋巴瘤时考虑全身PET/CT、腰椎穿刺并结合方案给予鞘内化疗；接受蒽环类药物者应评估左心室功能。 2 遗传学分型 推荐通过核型、FISH、RT-PCR及NGS等方法识别复发性遗传异常，明确B-ALL或T-ALL亚型及遗传风险。B-ALL需关注BCR::ABL1、BCR::ABL1样ALL、KMT2A重排、ETV6::RUNX1、TCF3::PBX1、高超二倍体、低二倍体、iAMP21，以及DUX4、MEF2D、ZNF384、NUTM1等异常。 BCR::ABL1 阴性患者应关注BCR::ABL1样ALL相关融合和突变，包括CRLF2、FLT3、IL7R、SH2B3、JAK1、JAK3，以及通常需结合CRLF2融合背景评估的JAK2异常。 二、儿童急性淋巴细胞白血病的治疗 治疗方案应结合ALL类型、遗传风险、年龄、初始白细胞计数、治疗反应和MRD结果进行风险分层。总体治疗通常包括诱导、巩固和维持，并根据疾病亚型和疗效反应安排强化、靶向、免疫治疗或造血干细胞移植。儿童及部分青少年患者应在具有儿童血液肿瘤经验的专业中心接受评估和治疗。 1 BCR::ABL1 阴性或 BCR::ABL1 样B-ALL 治疗通常从诱导开始，随后进入风险适应性巩固治疗。根据诱导和巩固阶段的治疗反应及MRD结果，患者可继续风险分层治疗并进入维持治疗；MRD持续阳性、未达到完全缓解或难治性疾病患者，应转入相应的复发/难治性治疗路径。对于BCR::ABL1样ALL，若存在可靶向的酪氨酸激酶通路异常，可考虑使用酪氨酸激酶抑制剂（TKI）。  BCR::ABL1 阴性B-ALL治疗方案  BCR::ABL1 样B-ALL治疗方案 2 BCR::ABL1 阳性B-ALL BCR::ABL1 阳性B-ALL后续治疗需结合危险度和MRD结果进行分流；未达到完全缓解或巩固治疗结束时MRD阳性的患者属于高风险情形，需要进一步强化治疗评估。  BCR::ABL1 阳性B-ALL治疗方案 3 T-ALL T-ALL治疗包括诱导、巩固和维持等阶段，所有患者均应在治疗各阶段接受中枢神经系统导向治疗。诱导后在T-ALL治疗中加入奈拉滨是合理的，尤其适用于MRD阳性或诊断时存在中枢神经系统疾病的患者；诱导后未达到完全缓解者，应强烈考虑将奈拉滨纳入后续治疗。CNS-3患者应考虑颅脑放疗，其他高危T-ALL患者也可考虑。 4 婴儿ALL 婴儿ALL应根据年龄、遗传学特征和治疗反应进行风险分层，优先考虑临床试验；可采用Interfant方案，并在适当情况下联合贝林妥欧单抗（blinatumomab）。 5 复发或难治性ALL 复发/难治性ALL应按B-ALL或T-ALL、骨髓或髓外复发、首次或多次复发、复发时间、MRD及既往HCT/治疗情况分层处理。治疗应优先考虑临床试验；贝林妥欧单抗、奥英妥珠单抗和替沙格司等仅应在NCCN相应疾病分层和适应证下使用，不能将B-ALL方案泛化至T-ALL。替沙格司治疗后是否进行异基因造血细胞移植尚不明确，应结合骨髓MRD、替沙格司在外周血中的持续情况、B细胞缺失是否持续及复发风险综合判断。 6 治疗期间的支持管理 治疗期间应持续开展感染预防、器官毒性监测、营养和心理社会支持。治疗期间及完成治疗后，应监测低丙种球蛋白血症；当IgG低于400 mg/dL或低于相应年龄正常下限时，推荐进行静脉注射免疫球蛋白（IVIG）补充，尤其适用于感染风险较高或存在反复、活动性感染的患者。 唑类抗真菌药物可能增强长春新碱相关毒性，增加周围神经病变和抗利尿激素分泌异常综合征（SIADH）风险，联用时应谨慎。天冬酰胺酶相关胰腺炎、肝毒性、凝血异常和肝窦阻塞综合征等也需密切监测；卡培拉酶（calaspargase）可能引起严重、危及生命甚至致死性肝窦阻塞综合征，严重肝功能损害患者不应使用。对于存在严重早发神经病变、尤其伴足弓异常的患者，可考虑遗传性周围神经病相关评估。 疫苗：治疗结束后，应根据免疫恢复情况进行必要的补种和再免疫；在条件允许时可检测疫苗抗体滴度。对于无法进行抗体滴度检测的中心，也可考虑在专业团队指导下直接进行再免疫。接种的具体种类和时机应由感染科/免疫科结合个体免疫状态指导；必要时可检测疫苗抗体滴度及其他免疫功能指标。COVID-19相关接种和感染管理应参照CDC、NCCN感染指南及ASH儿科ALL相关指导。 三、儿童急性淋巴细胞白血病的分子检测 1 免疫表型检测 检测内容：检测淋巴母细胞的谱系和分化相关标志物，建立白血病克隆的基线免疫表型；可重点结合B-ALL、T-ALL及早期T细胞前体ALL的相关表达特征进行判断。 临床意义：用于确认淋巴系来源、辅助B-ALL与T-ALL分型，并为后续流式MRD监测建立基线。部分免疫表型还可提示特定遗传亚型，例如CD10表达减弱/阴性可见于 KMT2A、ZNF384 或 MEF2D 重排相关疾病；NG2阳性与KMT2A重排相关。上述表现仅用于提示，不能替代遗传学检测。 2 染色体核型与FISH检测 检测内容：检测染色体数目和结构异常，以及B-ALL中常见的复发性遗传异常；可根据临床需要选择BCR::ABL1、KMT2A、ETV6::RUNX1、RUNX1 相关异常、ABL1、ABL2、PDGFRB、CRLF2 和 JAK2 等检测探针。 临床意义：辅助明确ALL遗传亚型、识别高危遗传特征并完善风险分层。对于核型不完整或存在非整倍体等情况，可通过FISH及其他分子方法补充识别异常。 3 融合基因和关键突变检测 检测内容：检测BCR::ABL1 融合及BCR::ABL1 样ALL相关融合和突变，包括CRLF2、FLT3、IL7R、SH2B3、JAK1、JAK3，以及通常需结合CRLF2 融合背景评估的JAK2异常；同时关注KMT2A、ETV6::RUNX1、TCF3::PBX1、DUX4、MEF2D、ZNF384、NUTM1 等相关分子亚型。 临床意义：用于明确分子分型、辅助风险分层，并为部分患者的靶向治疗评估提供依据。BCR::ABL1 阳性患者通常需要评估酪氨酸激酶抑制剂（TKI）联合治疗；BCR::ABL1 样ALL患者可根据具体驱动异常考虑TKI，但检测结果需结合临床特征和治疗反应综合判断。 4 拷贝数和倍体检测 检测内容：评估染色体数目异常、低二倍体、高超二倍体、iAMP21及其他拷贝数改变。 临床意义：辅助识别具有特定预后意义的遗传风险亚型，并在核型不充分或结果不明确时补充遗传学信息。低二倍体，尤其是32–39条染色体的ALL，可能与胚系TP53变异相关，需要结合遗传咨询和胚系检测进行评估。 5 TPMT 和NUDT15 药物基因组学检测 检测内容：检测与硫嘌呤类药物代谢和毒性风险相关的遗传变异。 临床意义：有助于识别6-巯基嘌呤等药物相关的骨髓抑制和治疗毒性风险，为治疗期间的剂量管理提供参考。检测结果不能替代血常规、肝功能、药物毒性和治疗反应监测，具体用药调整应由临床团队结合治疗方案判断。 6 MRD分子检测 检测内容：利用诊断时建立的白血病克隆免疫表型，或克隆性免疫球蛋白/T细胞受体基因重排，对治疗后残留白血病细胞进行动态检测。骨髓通常优先采用第一抽或早期抽取标本；外周血可在适当情况下作为NGS监测的补充。 临床意义：用于评估诱导、巩固等阶段的治疗反应，辅助判断复发风险和后续治疗强度。流式MRD阴性时，在适当情况下可考虑使用NGS检测进一步确认；MRD阳性阈值可因检测方法和治疗方案而异，结果必须结合检测灵敏度、治疗阶段和具体方案解释。 7 白血病易感相关胚系检测 检测内容：结合个人及家族肿瘤史、体格表现、Down综合征、低二倍体ALL和肿瘤测序中具有潜在胚系意义的变异，评估TP53 及其他白血病易感相关基因。 临床意义：用于识别潜在的遗传性白血病易感综合征，辅助制定患儿长期随访和治疗相关风险管理方案，并为家庭成员的遗传咨询和必要的级联评估提供依据。 分子分型与精准诊疗的进展及挑战[2] 儿童ALL的生存率已从20世纪60年代的10%上升至如今的95%，这主要归功于多药联合细胞毒性化疗的引入，随后整合了基于可测量残留病（MRD）监测和遗传改变存在的风险分层，以及针对选择性基因组改变（例如BCR::ABL1）或表面抗原（例如CD19和CD22）的定制疗法。 急性淋巴细胞白血病（ALL）的诊断通常采用形态学、免疫表型和分子检测相结合的分步流程。首先通过骨髓或外周血形态学检查确认白血病细胞，再利用多参数流式细胞术确定B系、T系或谱系不明确的类型。随后根据临床需求选择核型、FISH、RT-PCR、靶向DNA/RNA panel、全转录组测序、外显子组或全基因组测序，以识别常见及隐蔽的遗传异常和分子亚型。治疗过程中还需结合流式或分子学MRD监测评估疗效、复发风险，并指导治疗强化、免疫治疗和移植决策。 尽管治疗结局已显著改善，ALL仍面临一系列未解决的挑战。约一部分B-ALL患者最终发生复发，尤其是具有高危遗传改变、早期治疗反应不佳或MRD持续阳性的患者；成人及老年患者的治疗结局和耐受性也明显较差。此外，白血病克隆的遗传异质性、谱系可塑性和治疗压力下的克隆演化，可导致靶向治疗或免疫治疗耐药。与此同时，T-ALL及谱系不明确急性白血病的分子分类尚未完全整合到常规临床实践中，许多新发现的基因组和表观基因组异常也仍缺乏经过充分验证的风险分层和治疗依据。因此，如何将不断扩展的多组学信息转化为准确、可重复且能够改善患者结局的临床决策，仍是ALL研究和诊疗领域的核心挑战。 参考文献： 1.NCCN Clinical Practice Guidelines in Oncology: Pediatric Acute Lymphoblastic Leukemia. Version 1.2026. 2.Iacobucci I, Mullighan CG. A genomic and epigenomic lens into the biology of acute lymphoblastic leukaemia. Nature Reviews Cancer. Published online July 2, 2026. doi:10.1038/s41568-026-00951-x. 伯科生物在国内已经建设了全流程国产化的高通量核酸合成与应用技术转化中心，建立了GMP厂房和ISO9001、ISO13485质量体系。已经为国内外数百家知名医院、科学研究机构、临床检验所开发了上千款Gene Panel（液相基因芯片），并配套完整的检测试剂，各项性能参数均与国际竞品相当或优于（详见附表1），在基因组、转录组、甲基化组及病原体的检测应用方向均有成熟的产品管线。 附表1： 产品简介 TargetCap® WES Onco Panel 在肿瘤临床研究与转化的检测应用中，WES（全外显子组测序）通过捕获和测序基因组中所有蛋白质编码区域（约占总基因组的1-2%），高效识别肿瘤样本中的体细胞突变、拷贝数变异及关键驱动基因。它与正常对照样本比较，能够精准筛选出与肿瘤发生、进展及耐药性相关的功能性变异，为揭示不同癌种的基因突变谱、发现潜在治疗靶点以及评估遗传易感性提供核心数据支撑。因此，WES是肿瘤基因组学研究和临床转化应用中的基础工具。 伯科设计的TargetCap® WES Onco Panel目标区域和捕获区域大小分别约为40 Mb和50M+，覆盖基因数量超20000个，其中数百个肿瘤重要相关基因编码区进一步得到覆盖增强，还包含34个融合基因的非编码区（融合基因），能够准确检出SNV、InDel等多种突变类型，实现肿瘤基因组变异的全面解析。 数据表现 采用肿瘤gDNA和血液gDNA样本，使用伯科TargetCap® WES Onco Panel进行杂交捕获，在捕获性能方面， 伯科TargetCap® WES Onco Panel表现优异，整体Panel测序深度为500x时，肿瘤相关基因测序深度达到778x，0.2 × Mean占比均在99%左右，Fold 80为1.5-1.6之间。 整体区域QC Onco区域QC 血液肿瘤液相基因芯片 TargetCap® Haematological Disease Research Panel是一款用于血液肿瘤研究分析的基型panel，覆盖407个血液病相关基因，探针覆盖约2Mb区间。探针浓度已知，可独立或进一步掺入其他探针使用。 数据表现 杂交与清洗试剂盒v2 简介 试剂盒概述 伯科杂交与清洗试剂盒v2 (TargetCap® Hybridization and Wash Kit v2，下文简称Hyb&Wash Kit v2)简化了试剂组分和操作流程，同时仍保持优异的捕获性能。Hyb&Wash Kit v2包含4种缓冲液组分，仅需3步清洗，操作流程更加便捷。  性能表现介绍 Ⅰ. 基本QC表现 使用NA12878和NA24694 gDNA标准品，采用三款不同大小的Gene Panel (650Kb、2.3Mb和42Mb) 对Hyb&Wash Kit v2 和 v1 进行比较测试。 结果显示，在不同大小的Gene Panel中，对于杂交与清洗试剂盒的关键参数-中靶率和均一性，v2与v1试剂盒表现相当，v2试剂盒表现更好的均一性(0.2X_MD、0.5X_MD和Fold80)。 Clean_ratio、Map_ratio等基本参数两款试剂盒表现一致，由于v2试剂盒对低GC目标区域覆盖更佳，其GC_rate率略低于v1。 Ⅱ. 低频变异检测 使用肿瘤 SNV gDNA 标准品Ⅱ (GW-OGTM006) 对Hyb&Wash Kit v2的低频变异检测性能进行验证。GW-OGTM006 DNA标准品包含 EGFR、KRAS、NRAS、BRAF、PIK3CA、FGFR3、Her2、MET 等多个常见伴随诊断基因及位点，包含点突变、插入和缺失等多种变异类型。 采用300 Kb Gene Panel对该标准品进行捕获，捕获数据显示，v1与v2试剂盒的基本捕获性能表现相当，v2的中靶率与均一性略优于v1。同时，v1与v2试剂盒均能对12个已知变异准确检出。 关于伯科 伯科生物是一家专注于DNA/RNA合成技术的生命科学上游企业，致力于面向基因组学与合成生物学的新技术开发与应用转化，为构建精准诊疗和临床转化体系提供工具平台。依托自研自造的DNA/RNA合成平台，为医疗健康、生物制药等领域提供底层技术支持，公司产品线涵盖NGS测序、长读长测序、PCR平台检测、CRISPR基因编辑、以及RNA干扰等领域。现已在国内搭建了全流程国产化的高通量核酸合成与应用技术转化中心，建立了GMP厂房和ISO9001、ISO13485质量体系。 伯科生物的各种型号的多功能Oligo合成仪已完成自研自造，深度优化的硬件和软件系统可满足从科学试验、分子检测、药物研发等不同的合成需求。不同类型的Oligo合成仪可进行pmol~mmol的oligo合成，开展不同类别、规格、长度和修饰的高品质DNA和RNA Oligo合成，满足不同领域的应用需求。 未来，依托合成生物学的底层技术工具平台，伯科生物将向基因治疗、核酸药物、DNA存储、DNA材料学、分子育种等领域积极拓展，为实现“精益求精创新，为人类美好生活”的企业使命而努力。

研究内容 T 细胞淋巴瘤 / 白血病（简称 TCL）是一类起源于 T 免疫细胞的罕见血液肿瘤，分为十多种亚型，不同亚型发病特点、治疗效果差异极大。目前临床主流治疗方案仍是传统化疗，靶向药选择少，多数晚期患者预后很差。核心现实难题有三点：1）TCL 各亚型病例稀少，很难开展大规模新药临床试验；2）现有公共数据库（DepMap、DrugComb 等）仅收录少量 TCL 细胞，缺少统一标准化的基因组、转录组、染色质开放等多组学配套数据；3）同时包含单药、药物联合筛选的 TCL 数据集几乎空白，无法快速找到亚型专属靶向药和能预判药效的分子标志物。现有细胞系药物筛选研究技术标准不统一，数据无法合并分析，缺少一套完整、可公开复用的临床前研究工具支撑新药发掘，这是本研究需要解决的核心痛点。 2025年10月30日芬兰赫尔辛基大学Tero Aittokallio团队联合奥地利维也纳兽医大学、加拿大多伦多玛格丽特公主癌症中心、德国科隆综合肿瘤中心等多国多机构在Cancer Research（IF≈13.312）上发表题为“Multiomics Profiling of T-cell Leukemia and Lymphoma Enables Targeted Therapeutic Discovery”的研究论文，构建基于RNA-seq/ATAC-seq/aCGH/突变检测整合的TCL-38多组学药理资源库，结合多机器学习模型实现T细胞淋巴瘤亚型特异性单药、协同药物组合挖掘与药效预测标志物筛选。 核心创新点 研究搭建了大规模、数据最完整的 TCL 细胞系多组学药理数据库 TCL-38，一次性完成 38 株覆盖全部主流 TCL 亚型细胞的多维度分子测序 + 172 种药物单药筛选 + 17 组 AI 预测的联合用药验证； 同时融合三类机器学习模型实现药效预测，通过基因组、转录、表观多组学交叉分析找到多个可临床转化的药效标志物； 配套开发免费免登录网页可视化工具，所有数据标准化开源共享，填补了 TCL 精准治疗临床前研究的工具空白。 研究内容 Fig 1 A 为 38 株 TCL 细胞系对应 7 种肿瘤亚型的占比饼图；B 汇总全部细胞系临床背景信息（病毒感染、发病部位、患者年龄、性别等）；C 罗列本研究使用的全部分子检测技术；D 为 172 种受试药物按作用靶点分类的饼图；E 是多组学特征、单药响应、联合用药协同、基因突变、拷贝数、转录组、染色质开放数据的可视化热图合集。 1.TCL-38 整合多组学与药物筛选资源全景图 图 1A 直观展示 38 株细胞完整覆盖临床所有主流 TCL 亚型，包含 T-ALL、ALCL、NK/T、皮肤 T 细胞淋巴瘤等 7 大类，兼顾发病率高的亚型和极罕见亚型。图 1B 补充每株细胞原始患者的临床信息，方便研究者对照临床场景解读体外实验结果，区分 EB 病毒阳性 / 阴性、淋巴结 / 结外发病细胞系，完善细胞模型临床背景注释。图 1C 说明本研究同时开展 RNA-seq、ATAC-seq、aCGH 芯片、突变检测四大类分子测序，一次性获取基因组、转录、染色质表观三层分子信息，区别于过往仅单一组学的研究。图 1D 统计 172 种受试药物构成，包含 67 种已上市临床药物、105 种在研靶向化合物，覆盖激酶抑制剂、HDAC 抑制剂、BCL2 抑制剂等全部 TCL 热门药物类别，药物来源分为临床专家人工挑选、AI 模型预测两类，两类药物形成互补筛选体系。 图 1E 将全部多组学和药物响应数据整合为并排热图，纵轴（每行）为 38 株细胞、纵向对应不同检测维度，直观体现不同亚型细胞在基因突变、基因表达【转录组展示基因挑选规则：仅保留至少 1 个样本 count＞10、全部样本总 count＞25的基因，低于阈值直接丢弃，消除极低表达带来的随机测序干扰】、染色质开放、药物敏感度上的巨大差异，同时标注单药 DSS 药效评分、联合用药 ZIP 协同打分两套标准化定量指标，证明 TCL 不同亚型分子特征和药物反应不存在统一规律，必须分亚型精准分析。研究还发现 Mac-1、Mac-2a 两株细胞原始来源于皮肤 T 细胞淋巴瘤，但分子、药物响应模式和 ALCL 细胞高度聚类，证明单纯依靠临床发病部位划分肿瘤亚型存在局限性，分子特征才是决定药物敏感性的核心因素（图 1E）。 Fig 2 2A 展示机器学习模型训练完整流程；2B 对比专家筛选药物、AI 预测药物数量并展示全部细胞单药药效热图；2C 箱图对比两类药物在不同细胞系的药效差异；2D 基于药物响应的细胞分层聚类树；2E 左侧为两种药物库聚类结果与临床亚型匹配度、右侧为药物亚型特异性打分分布；2F-J 依次为转录组、ATAC 表观、基因突变、拷贝数变异、基因融合与药物敏感性的相关性散点图。 2.单药敏感性机器学习预测、筛选及多组学分子标志物关联分析 图 2A 完整呈现 AI 预测药物的建模逻辑，使用 16 株 TCL 细胞 + 5 例健康人 CD3 阳性 T 细胞转录组作为训练输入，分别搭建 XGBoost、pairwiseMKL、scTherapy 三种独立机器学习模型，融合三者输出形成集成预测模型，加入健康正常细胞数据可以减少模型把广谱毒性药物误判为肿瘤特异性药物的概率（图 2A）。图 2B 统计药物来源：专家人工挑选 116 种、AI 预测 69 种，仅 13 种药物两者重合，说明 AI 能挖掘大量临床专家忽略的潜在有效药物，右侧热图清晰看出 JAK 抑制剂对 NK、γδ 亚型细胞特异性更强，蛋白酶体抑制剂硼替佐米对全部细胞均有效，广谱药物和亚型专属药物区分明显。 图 2C 证实 38 株细胞中有 5 株对 AI 预测药物整体响应更强，证明 AI 筛选的化合物能补充传统专家筛选遗漏的治疗潜力分子。图 2D 基于 DSS 药效评分对细胞分层聚类，专家药物、AI 药物两套体系聚类结果不同，代表两类药物分别捕捉肿瘤细胞不同层面的生存依赖特征，不能互相替代。 图 2E 左图调整兰德指数证明两类药物聚类结果和临床亚型匹配度接近，说明两种筛选方式都能反映 TCL 亚型异质性；右图药物特异性指数显示两类独有药物亚型选择性更强，重合药物大多广谱起效（图 2E）。图 2F 转录组数据发现 ALK 抑制剂 ceritinib 药效和 RASA4 基因表达显著负相关，RASA4 低表达的 ALCL 细胞对 ceritinib 更敏感；图 2G ATAC-seq 染色质开放数据证明 DNA 复制相关染色质开放程度越高，核苷类药物 nelarabine 杀伤效果越强，该规律在 T-ALL 细胞中最突出；图 2H 突变检测显示 MDM2 抑制剂 idasanutlin 仅在 TP53 野生型细胞中起效，突变型细胞几乎无响应；图 2I 拷贝数芯片数据证实 21 号染色体 q22.3 区域扩增会降低 JAK2/FLT3 抑制剂 pacritinib 药效；图 2J 融合基因检测发现携带 NPM1-ALK 融合的 ALCL 细胞对 gilteritinib 更敏感，该融合基因可作为 gilteritinib 疗效预判标志物。以上五组跨组学关联结果，证明 TCL 药物敏感性由基因组、转录、表观多重分子特征共同调控，单一维度测序无法完整解释药效差异。 Fig 3  3A 为 AI 预测亚型专属联合用药的分析流程；图 3B 是 17 组预测组合在 38 株细胞的 ZIP 协同得分热图；图 3C 展示单组药物 8×8 剂量矩阵热图与协同值分布示例；图 3D 柱状图统计各亚型中强协同组合（ZIP≥10）占比；图 3E 三组代表性药物组合在不同 TCL 亚型的协同差异箱图；图 3F 对比 TP53 野生 / 突变细胞中 idasanutlin 两类联合方案的协同强度；图 3G 散点图展示 RET 基因表达与 alectinib+gilteritinib 组合协同得分相关性；图 3H 通路富集 GSVA 分值与协同得分关联热图；图 3I p53 通路活性与 idasanutlin+venetoclax 协同相关性；图 3J STRING 蛋白互作网络展示 p53 通路、idasanutlin 靶点、venetoclax 靶点的相互作用关系。 3.SjD 唾液腺基因共表达模块分析 图 3A 利用 scTherapy 模型完成亚型专属联合用药预测，先将三大主流 TCL 亚型（NK、ALCL、T-ALL）分别和健康 T 细胞、其他亚型细胞做差异基因对比，筛选出各亚型独有的表达特征基因，基于特征基因预测仅对单一亚型起效的药物搭配，同时过滤单独药效过强 / 完全无效的药物，只保留单药中等活性、具备联用增效潜力的分子，最终筛选出 17 组候选联合方案（图 3A）。图 3B 大规模实验验证全部 17 组组合，热图可见预测给 NK 亚型的 4 组药物仅在 NK 细胞中出现强协同效应，ALCL 专属 alectinib+gilteritinib 组合仅在 ALCL 细胞起效，证明 AI 预测具备高度亚型特异性（图 3B）。图 3C 以 SNK-6 NK 细胞为例展示 8×8 梯度剂量矩阵，能定位 3×3 最优给药浓度窗口，定量计算 ZIP 协同分数，避免单一固定剂量误判联用效果，提升筛选精准度（图 3C）。图 3D 柱状统计结果显示，每种组合在原本预测匹配的亚型中强协同比例显著更高，其中 ALCL 亚型匹配度最优，归因于该亚型细胞数量最多、模型训练数据充足（图 3D）。图 3E 选取三组代表性组合验证亚型特异性：idasanutlin+venetoclax 在 NK、γδ 亚型协同最强，alectinib+gilteritinib 仅 ALCL 起效，sapanisertib+upadacitinib 对 PTCL 亚型增效明显，不同组合适配完全不同肿瘤亚型（图 3E）。图 3F 对比 TP53 野生和突变细胞，idasanutlin 联合 venetoclax、upadacitinib 两组方案在 TP53 野生细胞中协同效果显著提升，功能正常的 p53 蛋白是两组联用起效的必要条件。 图 3G 相关性分析证明 RET 基因表达越高，alectinib+gilteritinib 联用协同越强，RET 表达可作为该组合疗效预判标志物（图 3G）。 图 3H 全通路 GSVA 富集分析显示不同药物组合对应的关键通路完全不同，不存在通用增效通路，联合用药机制具备高度肿瘤亚型特异性（图 3H）。图 3I p53 通路激活分值和 idasanutlin+venetoclax 协同得分正相关，通路活性越高联用杀伤肿瘤效果越好（图 3I）； 图 3J 蛋白互作网络直观解释联用机制：idasanutlin 解除 p53 抑制、venetoclax 解除凋亡蛋白抑制，两者共同打通细胞凋亡通路，形成协同杀伤效果，从分子通路层面解释体外筛选结果（图 3J）。整套联合用药实验和多组学关联分析，证明 AI 能精准预判亚型专属增效组合，且可通过多组学找到联用疗效的分子预测标志物。 Fig 4 A网页平台三大核心模块流程图（分子多组学检测、机器学习预测、药物响应筛选）；4B 同一批细胞的转录组表达热图、单药 DSS 药效热图并排展示；4C 鼠标悬浮弹窗展示单药完整剂量 - 效应曲线与 IC50 数值； 4D 多组学关联分析散点图，示例 ceritinib 药效评分与 RASA4 基因表达的负相关关系 4.TCL-38 交互式网页工具架构与可视化功能演示 图 4A 清晰划分网页工具三大数据来源模块：第一模块整合 RNA-seq、ATAC-seq、拷贝数、基因突变全部分子测序数据；第二模块收纳 XGBoost、pairwiseMKL、scTherapy 三类机器学习模型的药物预测结果；第三模块收录单药、联合用药高通量筛选原始药效数据，三类数据打通互通，用户可自由交叉关联分析，所有数据云端存储无需本地下载大型测序文件。 图 4B 实现多组学数据并排可视化，用户可自主选择任意细胞系、任意目标基因、任意药物，同时查看基因表达水平和对应药物敏感性，直观对比分子特征和药效的对应关系，省去手动整合多份独立数据文件的繁琐操作，适合快速批量筛选潜在疗效标志物。 图 4C 搭载悬浮弹窗交互功能，鼠标点击任意药物单元格，自动弹出完整梯度剂量抑制曲线、IC50 定量数值、DSS 药效评分，不用单独调取原始筛选数据，快速判断药物活性强弱、起效浓度区间，辅助评估药物临床转化潜力。 图 4D 内置多组学关联统计工具，自动计算基因表达、染色质开放、突变状态和药物响应的皮尔逊、斯皮尔曼相关系数，一键生成散点图可视化相关性，本图示例复现图 2F 中 ceritinib 与 RASA4 的负相关结果，所有统计 P 值自动输出，无需额外使用 R、Python 等编程软件分析数据，降低临床医生、基础实验室人员使用门槛。 该网页工具完全免费开放、无需注册登录，配套完整标准化 TCL-38 数据集，同时支持数据导出对接 ORCESTRA、Zenodo 公共数据库，符合科研数据 FAIR 共享原则，解决过往多组学药理数据门槛高、可视化工具缺失、数据难以复用的行业痛点，让全球研究者均可免费挖掘 TCL 靶向药与疗效标志物。 研究思路 样本搭建：多方合作收集、扩增、质控 38 株 TCL 细胞，建立完整注释细胞库； 多组学全景测序：统一标准完成转录、表观、拷贝数、基因突变四层分子测序，整合 DepMap 公开 DNA 突变数据补充基因组信息； 高通量药物筛选：完成 172 种单药梯度活力检测；基于 AI 预测 17 组亚型专属联合用药并开展联用梯度筛选，定量单药、联用药效； 机器学习建模：训练三类 AI 模型，基于转录组预测潜在有效药物，区分高低置信预测结果； 多组学关联挖掘：通过 MOFA、GSVA、相关性检验、突变富集分析，挖掘各亚型药物敏感性对应的基因组 / 转录 / 表观标志物，解析单药、联合用药分子机制； 数据标准化开源：整合全部多组学、药理数据构建 TCL38 PSet 标准化数据集，上传公共数据库；搭建免费交互式网页工具供全球研究者使用，助力 TCL 靶向新药发掘。 内容总结 T 细胞淋巴瘤 / 白血病（TCL）亚型异质性强、临床前标准化多组学药理数据稀缺，新药研发与标志物挖掘存在明显瓶颈。本研究构建全球覆盖最全的 38 株 TCL 细胞系 TCL-38 资源库，囊括全部主流临床亚型，完成 RNA-seq、ATAC-seq、拷贝数芯片、突变融合检测四层整合多组学测序；同时完成 172 种单药高通量药效筛选，融合三类机器学习模型预测并体外验证 17 组亚型专属协同药物组合。 研究通过多组学关联分析，挖掘出 TP53、RASA4、NPM1-ALK 等一批可预判药物响应的分子标志物，阐明不同亚型药物敏感的分子调控机制。研究统一 DSS、ZIP 标准化药效打分体系，搭建免费免登录交互式网页分析平台，全部测序与药物筛选数据开源共享。该资源填补 TCL 整合药理多组学数据空白，为精准靶向药、联合用药及临床疗效标志物发掘提供标准化体外研究工具。 原文地址：http://dx.doi.org/10.1158/0008-5472.CAN-25-0881