Elimusertib

THE LATENT STACK UPDATE · CELL DATA STACK UPDATE｜技术栈更新AI制药为什么开始争夺“细胞数据”？ 从18亿美元联合计划到虚拟细胞评测，AI制药争夺的是怎样的数据基础 2026.10 · AI DRUG DISCOVERY / VIRTUAL CELL AI已经能预测蛋白质结构，但药物进入活细胞之后会发生什么，仍需要真实实验提供答案。新一轮投入正在指向“干预—反应”配对数据：在什么细胞、剂量和时间条件下，一次干预带来了什么变化。决定这些数据价值的，是它们能否支持可复核的预测，并帮助研究者做出更好的下一步决策。 00这次更新，真正变了什么？ AI已经能预测蛋白质结构，也能设计候选药物分子。但一个分子进入生物系统后，还有更难的问题：患病细胞会怎样变化？旁边的正常细胞是否受到影响？同一种药为什么对某些细胞有作用，对另一些却没有？ 这些问题无法仅从分子结构中读出答案。研究者必须观察真实细胞在干预下的反应，再让模型学习其中的规律。近两年，“虚拟细胞”从科研概念进入大规模数据生产、模型训练和公开评测阶段。围绕细胞数据的投入，正在成为AI制药的一条新主线。 DATA 01观察细胞状态单细胞测量记录细胞此刻的基因表达、形态与生物学背景。 DATA 02记录干预反应给药或改变基因活性，再测量细胞如何变化，形成可用于训练的配对记录。 DATA 03检验预测价值用未见过的细胞和干预考验模型，并让独立实验复核候选线索。 0118亿美元计划，投向“能预测反应的数据” 2026年10月7日，非营利机构Biohub宣布扩展Virtual Biology Initiative。Biohub、美国能源部、美国国立卫生研究院，以及Google DeepMind、Isomorphic Labs、Meta等参与方，合计承诺约18亿美元的资金、既有数据、计算资源和测量技术，用于建立可供研究者使用的生物数据基础。［1］ 18亿美元资金、既有数据等多类资源合计承诺 5年能源部计划投入的时间跨度 3亿美元三家科技企业合计投入 投入口径｜并非单家企业融资 这并非某家AI制药公司的融资，也不全是新增现金：Biohub此前承诺5亿美元，其中4亿美元支持测量和生成数据的技术，1亿美元支持外部研究；能源部计划在五年内投入超过5亿美元；美国国立卫生研究院将协调此前超过5亿美元联邦科研投入所形成的数据与知识库；三家科技企业合计投入3亿美元。［1］ 如此多机构为什么要围绕细胞共同投入？Biohub的目标是建立能预测细胞行为的模型：给定一种细胞、它所处的状态以及一种干预，模型能否推测细胞接下来会发生什么。项目计划扩大对不同细胞类型、干预条件和组织环境的测量，并使新生成的数据成为开放科研资源。［1］ 知道一个分子可能“碰到谁”，还不等于知道它会让整个细胞“变成什么样”。 02为什么结构预测还不能代替细胞实验？ 药物与靶蛋白结合，只是治疗过程中的一个环节。细胞里同时存在大量蛋白、基因调控网络和反馈机制。抑制一个靶点可能改变多条下游通路，细胞也可能通过其他路径补偿。相同药物作用于肿瘤细胞、免疫细胞和正常组织细胞，后果未必一样。 单细胞测序让研究者逐个观察细胞的RNA表达：哪些基因正在活跃，细胞更接近炎症、增殖还是其他状态。但大部分资料只是某一时刻的“快照”。它告诉模型细胞现在是什么样，未必告诉模型如果给药或关闭一个基因，细胞将怎样改变。 于是最紧缺的数据变成了“干预—反应”配对记录。实验中，研究者给细胞用药，或借助CRISPR降低某个基因的活性，同时保留未干预对照，再读取基因表达、蛋白水平、显微图像或细胞存活等结果。模型由此学习：哪种细胞，在什么剂量和时间下，接受什么干预，出现什么变化。 Arc Institute指出，单靠观察数据很难推断干预造成的影响，这也是其大量生产干预数据的原因。［3］ 图1｜细胞干预数据的实验流程与质量控制。示意细胞系构建、表面标志物检查、Perturb-seq及后续测序等环节。原图由作者提供。 应用边界 对药物研发而言，这类数据可以帮助研究者寻找新靶点、比较候选化合物在不同细胞中的反应，及早发现其他细胞类型是否受影响。但这些用途目前主要处于研究和候选筛选阶段，模型预测仍需实验核对。 03Tahoe：把药物反应做成可查询的“细胞地图” 企业已经开始把干预数据变成研发资产。Tahoe Therapeutics建设的Tahoe-100M，包含约1亿个单细胞的基因表达记录，覆盖50种癌症细胞系和约1100种药物—剂量处理条件；相关研究于2026年9月发表于《Cell》。这里的“约1100”计入同一种化合物的不同剂量，不能理解为1100种独立药物。［4］ 约1亿单细胞基因表达记录 50种癌症细胞系 约1100种药物—剂量处理条件，含不同剂量 图2｜Tahoe-100M的实验设计。多种癌细胞接受不同药物及剂量处理，再通过单细胞测序记录反应。来源：作者提供的Tahoe-100M研究配图；相关论文见［4］。 为什么要做到单细胞尺度？如果一群细胞中有的强烈响应、有的几乎不响应，把它们的结果平均，可能掩盖两种截然不同的状态。单细胞记录保留了这种差异，使研究者能够比较同一干预在不同癌症细胞中的作用。 这张地图已经被用于一个具体问题：能否找到让肿瘤细胞更容易被免疫系统识别的化合物？MHC-I分子参与向免疫细胞展示抗原，部分肿瘤会降低这类信号。Tahoe团队在数据中筛查能提高MHC-I相关基因活动的药物，选出包括Elimusertib和TAK-901在内的候选物，并在CFPAC-1癌细胞实验中通过蛋白检测和流式细胞术进一步观察到MHC-I表达变化。［6］ 图3｜从数据筛选走向细胞实验。Tahoe对筛出的部分化合物进行流式细胞术检测，观察CFPAC-1细胞表面MHC-I表达变化。来源：作者提供的Tahoe实验配图；相关研究说明见［6］。 证据边界｜细胞复核并非临床获益 这是从大规模数据查询→提出候选→另一种实验方法复核的路径。但目前验证的是细胞中的分子与表面蛋白变化，尚未证明这些化合物能使患者的肿瘤更容易被免疫系统清除，也未证明与免疫治疗联用可改善临床结果。下一步：扩大药物与患者来源模型的交互数据 Tahoe并未止步于现有数据。2026年1月，它与Arc Institute、Biohub宣布合作，计划再产生超过1.2亿条单细胞数据，覆盖约22.5万种药物与患者来源模型的交互条件。这个规模仍属建设目标，不能当作已经完成的成果；合作方表示数据将先在三方之间共享，之后开放给研究界。［7］ 04Recursion：数据怎样走向药企愿意推进的靶点？ 细胞数据并不只有RNA测序一种形式。Recursion的路线更强调大规模基因干预后的细胞形态与表型图像，再将其与其他生物数据连接。 在与罗氏、基因泰克的神经科学合作中，Recursion称，其利用制备的超过1万亿个诱导多能干细胞衍生神经元中的一部分，建立了覆盖全基因组敲除的细胞表型图谱。这个数字指相关细胞的制备规模，不是1万亿条单细胞测序记录。团队从图谱中提出靶点假设，再经过通路、功能和疾病相关性验证。2026年8月，基因泰克行使合作中的首个已验证靶点选择权，将一个神经科学靶点推进早期小分子发现项目。［8］ 图4｜Recursion神经元表型图谱的建设流程与规模。公司配图展示神经元制备、全基因组CRISPR干预及表型数据建设路径。来源：作者提供的Recursion配图；合作进展见［8］。 研发阶段与商业化口径 这比单纯展示模型分数更接近药企的实际决策：合作方愿意挑选一个靶点继续投入研发。不过，该靶点仍处于早期发现，并不等于已经找到有效药物。Recursion披露，截至当时，它从罗氏和基因泰克合作中累计获得2.16亿美元首付款及里程碑款；这是整个合作的累计金额，不能全部归于这一个靶点。［8］ Tahoe和Recursion采用不同测量方式，但逻辑相通：在真实细胞中系统制造变化，记录结果，再用模型寻找值得继续验证的规律。前者展示开放药物反应数据与细胞级复核，后者展示表型图谱如何进入企业合作的靶点选择流程。 05“虚拟细胞”目前能虚拟到哪一步？ 当数据积累到一定规模，研究者希望训练模型回答一个反事实问题：如果对尚未测试的细胞施加某种干预，会出现什么结果？ Arc Institute发布的State模型，输入细胞原有的基因表达与干预条件，预测干预后的表达变化。Arc称，它的训练资料包括近1.7亿个细胞的观察数据，以及超过1亿个细胞的干预数据，后者覆盖约70种细胞背景。［3］ 能力边界 这种“虚拟细胞”目前主要预测特定可测结果。RNA变化不等于完整的细胞行为；模型也没有因此掌握药物在人体内的吸收、代谢、免疫反应与长期疗效。 评测尤其容易造成错觉。如果训练集与测试集有相似细胞和药物，预测分数可能很好看；研发最需要知道的却是陌生细胞或从未测试过的干预会怎样反应。一项比较27种方法、29个数据集的基准研究，把跨细胞背景和跨干预条件的泛化能力列为重点。［9］ 2025年首届Virtual Cell Challenge提供了更直观的警示。Arc Institute赛后总结指出，模型并未在所有指标上稳定超过简单基线；在衡量整体基因表达误差的指标上，几乎所有模型都比基线差。部分模型在辨认不同干预、找出受影响基因方面则取得进展。换句话说，模型可能已经擅长某些局部任务，距离可靠复现一次真实细胞实验仍有差距。［10］ 预测分数好看，还需要经得起陌生细胞、未见干预和独立实验的检验。 2026年的挑战因此升级：研究者只提供新细胞未经干预时的状态，让模型预测这些细胞在基因被抑制后的表达结果，真实测量留作核对。赛事计划在10月22日才释放最终测试资料；截至本文整理日期（2026年10月17日），本届挑战的最终结果尚未公布。［11］ 图5｜虚拟细胞的考题正在变难。2025年侧重同一细胞背景下未见干预的预测；2026年进一步要求预测未见细胞背景中的反应。来源：作者提供的Virtual Cell Challenge任务配图；任务与日程见［10—11］。 06数据争夺背后，真正稀缺的是什么？ 如果只按“细胞数量”排序，很可能看错行业壁垒。对研发有用的数据至少要回答四个问题：样本来自哪里？施加了什么干预？结果如何测量？换一个实验室或细胞背景还能复现吗？ QUESTION 01覆盖面：测了哪些干预组合？几百种化合物、有限的剂量和时间点，只占庞大组合空间的一小部分。 QUESTION 02样本背景：离真实疾病有多近？癌症细胞系便于规模化，却不能完整代表患者肿瘤、免疫细胞和真实组织环境。 QUESTION 03测量维度：看见了什么结果？RNA记录了基因表达，仍不足以独自说明蛋白功能、细胞空间位置或最终治疗效果。 QUESTION 04互通性：换个实验室还能复现吗？不同实验室的批次、技术和注释口径不一致，合并后的大数据集也可能包含系统误差。 上述数据缺口也是原稿所引Biohub计划关注的方向。［1］ Biohub计划投入成像、冷冻电子断层扫描、生物干预技术及共享数据标准，正是针对这些缺口。从现有项目可以作出一个有待验证的商业判断：开放数据逐渐成为公共基础后，企业的差异化可能更多来自贴近疾病的样本、更有信息量的实验设计、更低的有效测量成本，以及把预测推进到可验证靶点或候选药物的能力。Recursion与基因泰克的合作说明，后一个环节已经可能产生商业价值；它尚不能证明“虚拟细胞”普遍提高了新药成功率。［1］ COMMERCIAL SIGNAL｜商业判断 开放数据逐渐成为公共基础后，贴近疾病的样本、更有信息量的实验设计，以及把预测推进到可验证靶点或候选药物的能力，可能成为企业差异化的来源。这仍是有待验证的判断，现有合作不能证明“虚拟细胞”已普遍提高新药成功率。 结语：从“能预测”走向“值得据此做决定” AI制药投入细胞数据，是因为药物研发最终要改变活细胞与疾病过程，而细胞反应不能仅靠分子结构推断。Tahoe展示数据如何筛出可复核的研究线索，Recursion展示细胞图谱如何进入药企的靶点选择，Arc的公开挑战则提醒我们：预测新细胞的真实反应仍然很难。 下一阶段值得关注的指标，不只是“测了多少细胞”，而是模型提出的新反应有多少被独立实验验证；它在陌生细胞和剂量条件下是否可靠；利用这些预测，每获得一个有效靶点或候选药物，需要多少实验、时间与成本。 当预测足以帮助研究者做出更好的下一步决策，细胞数据才真正开始改变创新药研发。 参考资料与延伸阅读 Biohub：Virtual Biology Initiative扩展公告，2026年10月7日。https://biohub.org/news/virtual-biology-initiative-expansion/ Biohub：Virtual Biology Initiative初始计划，2026年4月29日。https://biohub.org/news/virtual-biology-initiative/ Arc Institute：State虚拟细胞模型。https://arcinstitute.org/news/virtual-cell-model-state Zhang等，《Cell》：Tahoe-100M研究论文。https://www.cell.com/cell/fulltext/S0092-8674%2826%2901008-1 Arc Institute：Virtual Cell Atlas与Tahoe-100M。https://arcinstitute.org/news/arc-virtual-cell-atlas-launch Tahoe Therapeutics：Tahoe-100M筛选MHC-I调节候选物及实验复核。https://blog.tahoebio.ai/p/using-tahoe-100m-to-find-new-immunomodulators Arc Institute：Tahoe、Arc与Biohub联合数据计划。https://arcinstitute.org/news/tahoe-arc-biohub Recursion：2026年第二季度公告及基因泰克合作进展。https://ir.recursion.com/news-releases/news-release-details/recursion-reports-second-quarter-financial-results-genentech 《Nature Methods》：单细胞干预预测方法基准研究。https://www.nature.com/articles/s41592-025-02980-0 Arc Institute：2025 Virtual Cell Challenge赛后总结。https://arcinstitute.org/news/virtual-cell-challenge-2025-wrap-up Arc Institute：2026 Virtual Cell Challenge任务和日程。https://arcinstitute.org/news/virtual-cell-challenge-2026 本文用于行业研究与技术交流，不构成医疗建议或投资建议。数据规模、计划目标、研发阶段及合作款项按原稿所列资料区分表述；细胞实验结果不能直接等同于患者疗效。企业与研究进展以原始论文和正式披露为准。 THE LATENTSEE THE STRUCTURE BENEATH THE SIGNAL

Replication stress in cancer: origins, consequences and therapeutic opportunities (Nature Reviews Cancer, IF 60.7) 作者信息：Junjie Chen（通讯作者，美国德克萨斯大学MD Anderson癌症中心实验放射肿瘤学系）、Lee Zou（通讯作者，美国杜克大学医学院药理学与癌症生物学系）。 核心信息速览： “DNA复制压力”指DNA复制受损并由此带来基因组不稳定，它是肿瘤发生和进展的核心特征，也是癌细胞“乱中有序”的源头。这篇综述要解决的问题是：癌细胞里的复制压力从哪来、会造成什么后果、又能怎样被药物利用。文章把复制压力同时定位为肿瘤基因组进化的驱动因素和精准肿瘤学可以下手的框架：一方面，癌基因激活、转录与复制“撞车”、核苷酸代谢异常、阻碍DNA合成的DNA二级结构都在给癌细胞制造压力，推动染色体不稳定和突变累积；另一方面，癌细胞为了活下来必须高度依赖复制压力应答通路（核心是ATR–CHK1轴），这恰恰成了可攻击的软肋——ATR、CHK1、WEE1、PKMYT1抑制剂，以及在BRCA1/2缺陷肿瘤中的PARP抑制剂、在微卫星不稳定（MSI-H）肿瘤中的WRN抑制剂，都是沿着这条思路进入临床的。作者特别强调：肿瘤里的复制压力往往是慢性的、亚致死的，而不是急性的、灾难性的，正因如此它才既能塑造基因组演化，又能被“将计就计”地利用。 英文摘要 Abstract. Replication stress, defined as impaired DNA replication leading to genomic instability, is a central feature of tumour development and progression. In cancer cells, it arises from oncogene activation, transcription–replication conflicts, altered nucleotide metabolism and DNA secondary structures that hinder DNA synthesis. These pressures compromise accurate genome duplication and promote chromosomal instability and mutagenesis. Recent advances have clarified the molecular mechanisms that stabilize, remodel and restart stressed replication forks, and highlighted the essential role of the ataxia telangiectasia and Rad3-related protein (ATR)–checkpoint kinase 1 (CHK1) pathway in preventing excessive single-stranded DNA accumulation and catastrophic genome fragmentation. Although replication stress fuels tumour evolution and heterogeneity, it also creates dependencies on replication stress response pathways that can be therapeutically exploited. Inhibitors targeting ATR, CHK1 and WEE1 kinases, which override the G2 checkpoint, are in clinical development, whereas synthetic lethal strategies, including poly(ADP-ribose) polymerase (PARP) inhibition in BRCA1-deficient or BRCA2-deficient tumours and inhibition of the DNA helicase WRN in microsatellite-unstable cancers, illustrate how replication stress-associated vulnerabilities can be targeted. In this Review, we position replication stress as both a driver of cancer genome evolution and a tractable framework for precision oncology. We emphasize that replication stress in tumours is often chronic and sublethal, shaping genome evolution. We further highlight its integration with oncogenic and metabolic alterations and broader impact on tumour–microenvironment interactions, which create dynamic and context-dependent therapeutic vulnerabilities. Main text overview. This Review is organized into five main sections. Origins of replication stress in cancer groups the sources into three categories — physical barriers to replication fork progression (DNA lesions, transcription–replication conflicts and R-loops, DNA secondary structures and chromatin compaction), defects in DNA synthesis (deoxynucleotide deficiency and imbalance, compromised replisome, dysregulated origin firing) and compromised DNA damage tolerance and repair. Cellular responses to replication stress describes the ATR–CHK1 checkpoint pathway, its activators TOPBP1 and ETAA1, its local and cell-cycle effects, and the replication-coupled damage tolerance and repair pathways (translesion synthesis, repriming by PRIMPOL, fork reversal and template switching, homologous recombination and break-induced replication). Impact of replication stress on cancer biology covers structural genome remodelling, the roles of replication stress at different stages of cancer development (early tumorigenesis, tumour progression, therapy-driven adaptive evolution) and immune modulation through cGAS–STING and RIG-I/MDA5 signalling. Therapeutic opportunities reviews replication stress response pathway inhibition, synthetic lethal approaches (PARP inhibition in BRCA1-deficient or BRCA2-deficient cancers, WRN dependency in MSI-high tumours, ATM loss and ATR inhibition) and DDR–immunotherapy combinations. Conclusions and perspectives identifies unresolved questions, including resistance to replication stress-targeted therapies and the lack of robust predictive biomarkers. 中文摘要 摘要：DNA复制压力被定义为DNA复制受损并导致基因组不稳定，是肿瘤发生与进展的核心特征。在癌细胞中，复制压力来自癌基因激活、转录—复制冲突、核苷酸代谢改变，以及阻碍DNA合成的DNA二级结构。这些压力损害基因组复制的准确性，促进染色体不稳定和突变发生。近期研究进展阐明了稳定、重塑并重启“受压迫”复制叉的分子机制，并凸显了共济失调毛细血管扩张症与Rad3相关蛋白（ATR）–检查点激酶1（CHK1）通路在防止单链DNA过度累积和灾难性基因组碎裂中的关键作用。复制压力虽然推动肿瘤演化与异质性，但也让癌细胞对复制压力应答通路产生依赖，从而可被治疗利用。靶向ATR、CHK1和WEE1激酶（可越过G2检查点）的抑制剂正处于临床开发阶段；而合成致死策略，包括在BRCA1缺陷或BRCA2缺陷肿瘤中抑制聚（ADP-核糖）聚合酶（PARP），以及在微卫星不稳定癌症中抑制DNA解旋酶WRN，则展示了如何攻击与复制压力相关的脆弱点。在本综述中，我们把复制压力同时定位为癌症基因组进化的驱动因素和精准肿瘤学中可操作的框架。我们强调，肿瘤中的复制压力往往是慢性的、亚致死的，它在塑造基因组演化；我们还强调它与癌基因改变、代谢改变的整合，以及对肿瘤—微环境相互作用的更广泛影响，这些共同造就了动态的、依赖具体情境的治疗脆弱性。 正文概要：本综述分为五大部分。肿瘤中复制压力的来源把来源归纳为三类——阻碍复制叉前进的物理屏障（DNA损伤、转录—复制冲突与R-loop、DNA二级结构与染色质压缩）、DNA合成缺陷（脱氧核苷酸缺乏与失衡、复制体受损、起始点发放失调），以及DNA损伤耐受与修复通路受损。细胞对复制压力的应答介绍了ATR–CHK1检查点通路、其激活因子TOPBP1与ETAA1、它在复制叉局部的与细胞周期层面的作用，以及复制偶联的损伤耐受与修复通路（跨损伤合成、PRIMPOL介导的重启、复制叉逆转与模板转换、同源重组和断裂诱导复制）。复制压力对肿瘤生物学的影响涵盖基因组结构重塑、复制压力在肿瘤发展不同阶段的作用（早期肿瘤发生、肿瘤进展、治疗驱动的适应性演化），以及通过cGAS–STING和RIG-I/MDA5信号实现的免疫调节。治疗机会梳理了复制压力应答通路抑制、合成致死策略（BRCA1/2缺陷癌症中的PARP抑制、MSI-H肿瘤中的WRN依赖、ATM缺失与ATR抑制）以及DDR抑制剂与免疫治疗的联合。结论与展望指出了尚未解决的问题，包括对复制压力靶向治疗的耐药，以及缺乏可靠的预测性生物标志物。 文献解读 一、研究背景与临床需求 DNA复制是维持基因组完整性的基础过程。复制压力这个词，指的不只是复制本身受到干扰，还包括由此产生的基因组和染色体异常。当复制叉前进被DNA损伤、转录—复制冲突（TRC）、核苷酸耗竭或复制体功能异常挡住时，复制压力就出现了；停滞的复制叉会产生一长段被复制蛋白A（RPA）包裹的单链DNA（ssDNA），进而激活下游的复制压力应答。 作者指出，复制压力已经是癌症基因组不稳定的主要驱动力，深刻影响肿瘤演化和治疗反应。在癌细胞里，癌基因激活、转录—复制冲突增多、易形成二级结构的DNA区域、核苷酸代谢失调、DNA修复通路缺陷是复制压力升高的主要来源。而这里存在一个关键的双面性：持续存在的复制压力一方面造成基因组与染色体不稳定、突变增加，让肿瘤更异质、更容易耐药；另一方面也让癌细胞高度依赖复制压力应答通路，从而制造出可被利用的弱点。 临床需求正来自这后半句：DNA损伤反应（DDR）抑制剂已成为抗肿瘤药物研发的重要方向，但“哪些患者能用、用什么指标选人”仍未解决。这篇综述的目的，就是把这些机制、后果与治疗机会系统整合起来，为精准用药提供一个可操作的框架。 二、研究设计特点 这是发表在《Nature Reviews Cancer》的一篇综述（Review article），不是原始临床研究，因此没有患者队列、没有随机分组、也没有试验注册号。作者为美国德克萨斯大学MD Anderson癌症中心实验放射肿瘤学系的Junjie Chen与美国杜克大学医学院药理学与癌症生物学系的Lee Zou，两人均为通讯作者。文章结构完整：正文分为引言、肿瘤中复制压力的来源、细胞对复制压力的应答、复制压力对肿瘤生物学的影响、治疗机会、结论与展望六大部分；配有3张主图（复制压力来源、ATR–CHK1检查点通路、未解决复制压力的后果）和1张临床药物表，另有3个专栏（Box 1 DNA复制机器、Box 2 ATM与ATR在基因组监视中的关系、Box 3 在肿瘤模型中检测复制压力的工具与局限）以及术语表。方法学上的特点有三点：一是以机制研究文献与功能基因组学证据为基础做整合性论述；二是反复强调肿瘤中的复制压力多为慢性、亚致死状态，而非急性、灾难性事件，这一判断贯穿全文；三是所讨论的药物均以已公开注册的临床试验（NCT编号）为依据，来源可追溯。 三、核心内容与关键证据 图（原Figure 1）：肿瘤中复制压力的来源。九个分图分别对应三类来源——a为基因组DNA模板损伤（UV、活性氧ROS、活性醛、DNA交联等）；b为转录—复制冲突（同向CD碰撞与对头HO碰撞）与R-loop；c为G-四链体、茎环、十字形等DNA二级结构及过度压缩的染色质；d为dNTP缺乏或失衡导致复制叉减慢/停滞、尿嘧啶与核糖核苷酸错掺；e为POLE/POLD1突变降低复制保真度、增加复制叉不稳定；f为复制起始点发放失调（cyclin E扩增导致过度发放，CDT1过表达/稳定导致再复制）；g为跨损伤合成与范可尼贫血通路受损；h为BRCA1/BRCA2缺陷使新生DNA易被核酸酶降解；i为BER过度活跃及SLX4-SLX1、MUS81-EMEI过度切割停滞复制叉，反而增加DNA损伤。 ① 复制压力的三大来源类别（原文框架）：作者把癌细胞中复制压力的来源明确归纳为三类——阻碍复制叉前进的物理屏障、DNA合成缺陷、DNA损伤耐受与修复通路受损。每一类下的具体贡献者见下表。 来源类别 具体贡献者（原文举例） 阻碍复制叉前进的物理屏障 DNA模板损伤（UV形成的环丁烷嘧啶二聚体与6-4光产物、ROS产生的8-氧鸟嘌呤/单链断裂/双链断裂、活性醛形成的DNA与DNA–蛋白交联、APOBEC3A/3B脱氨酶）；转录—复制冲突（TRC）与R-loop（MYC扩增、突变HRAS、BRCA1/BRCA2缺失、U2AF1与SRSF2改变、EWS–FLI融合蛋白）；DNA二级结构与染色质压缩（G-四链体、反向重复形成的茎环、微卫星序列形成的十字形结构、SWI/SNF复合物失活、突变IDH产生的2-羟戊二酸、ATRX缺失累及端粒与着丝粒区） DNA合成缺陷 脱氧核苷酸（dNTP）缺乏与失衡（Rb通路激活抑制RRM2、SAMHD1缺失、结直肠癌中叶酸缺乏导致dUTP/dTTP失衡、谷氨酰胺或葡萄糖代谢改变）；复制体受损（POLE或POLD1校对功能缺陷突变、RPA1与MCM4改变）；起始点发放失调（CCNE/cyclin E扩增增加G1期起始点发放、CDT1过表达或蛋白稳定化引发再复制；长基因等区域缺乏休眠起始点，易形成常见脆性位点） DNA损伤耐受与修复受损 跨损伤合成（TLS）与范可尼贫血通路（POLη缺失见于着色性干皮病变异型XP-V）；复制叉逆转与ssDNA间隙保护失败（BRCA1或BRCA2缺陷使新生DNA被MRE11、EXO1、BLM–DNA2过度降解）；修复缺陷（XRCC1缺陷使未修复单链断裂导致复制叉崩塌，ERCC1缺陷肺癌与RNaseH2缺陷前列腺癌对ATR抑制更敏感，MMR缺陷积累微卫星不稳定）；以及修复过度活跃（过度BER产生脱碱基位点与单链断裂，SLX4、MUS81等结构特异性核酸酶过度切割停滞复制叉） 注：以上三类划分与具体举例均取自原文“Origins of replication stress in cancer”一节及Figure 1图注。 ② ATR–CHK1轴是细胞应对复制压力的中枢：复制叉停滞处产生的ssDNA被RPA包裹，为ATR–ATRIP复合物提供招募平台；ATR的完全激活还需要激活因子TOPBP1（由RAD17-RFC2-5与9-1-1复合物招募）和ETAA1（由RPA招募）。激活后的ATR磷酸化大量底物，其中CHK1是复制检查点的主要效应激酶。这条通路做三件事：在复制叉局部稳定停滞的复制叉、防止ssDNA累积、促进复制叉修复与恢复；通过抑制CDK1、CDK2和DDK活性限制新的起始点发放（S期内检查点）；并通过CDC25A、CDC25C等延迟细胞进入有丝分裂。此外，ATR还分别通过RRM2和dCK促进脱氧核苷酸的从头合成与补救合成。 ③ 抑制这条通路会“压垮”高复制压力的癌细胞：原文指出，抑制ATR或CHK1会加剧解旋酶—聚合酶解偶联、新生DNA降解和模板断裂，导致ssDNA迅速累积并最终形成双链断裂；在本身复制压力水平很高的癌细胞中，ATR抑制可触发“复制灾难”（replication catastrophe）——大规模染色体碎裂和细胞死亡。其机制是ssDNA暴露过度、RPA被耗竭，因此内在复制压力越高的癌细胞越容易走向这种死亡方式。这是ATR抑制剂治疗窗口的机制基础。 ④ 复制压力在肿瘤发展的不同阶段扮演不同角色：在早期肿瘤发生阶段，癌基因信号（MYC、RAS、CCNE过表达）诱导异常起始点发放与转录—复制冲突，在膀胱、乳腺、肺和结肠的早期瘤变中即可检出γH2AX等复制相关DNA损伤标志物以及ATM–CHK2检查点激活，说明检查点最初是恶性进展的屏障；而TP53失活与检查点削弱主要出现在高级别病变和侵袭性胰腺导管腺癌中。在肿瘤进展阶段，检查点屏障被绕过后，亚致死但持续存在的复制压力推动结构重排与基因组重塑（如灶性缺失、拷贝数改变、重排），在CCNE1扩增的高级别浆液性卵巢癌中还与全基因组倍增相关，由此产生的拷贝数多样性可支撑克隆选择与治疗耐药。原文强调：复制压力处于一个连续谱上——与存活不相容的过度压力会被淘汰，肿瘤倾向于把复制压力维持在“可耐受但仍致突变”的水平。 ⑤ 不同来源会留下可复现的基因组“指纹”：原文举出若干对应关系，见下表。 复制压力/修复缺陷类型 对应的基因组特征（原文描述） MMR缺陷 微卫星不稳定（MSI）：重复序列上未被纠正的复制滑移错误导致的插入与缺失 BRCA1或BRCA2缺失 小缺失、串联重复以及SBS3突变特征，符合同源重组缺陷与复制叉保护受损 APOBEC3A/APOBEC3B活性升高 在ssDNA暴露区域形成簇状突变（kataegis）与APOBEC相关突变特征 CCNE1扩增 染色体重排与融合事件，可能源于起始点发放增加与转录—复制冲突 常见脆性位点 晚期复制、转录活跃区域，在早期乳腺肿瘤发生中FHIT与WWOX表达下降，并持续存在于浸润性乳腺癌 注：原文同时指出，这些特征在不同肿瘤类型之间是否一致，仍有待完全明确。 四、机制逻辑与与现有治疗的比较 ① 抑制剂的“分工”并不相同。ATR与CHK1主要在S期稳定复制叉、调控起始点发放；WEE1则通过磷酸化CDK1（Tyr15）与CDK2，阻止DNA未复制完或带损伤的细胞提前进入有丝分裂。因此ATR或CHK1抑制最直接破坏的是复制叉稳定与S期内检查点，而WEE1抑制则迫使细胞提前进入有丝分裂、加重复制相关损伤。PKMYT1同样在Tyr15位点磷酸化CDK1，与WEE1功能重叠；在CCNE1扩增的乳腺、卵巢等肿瘤中，抑制PKMYT1可迫使正在进行DNA复制的细胞提前进入有丝分裂，并产生明显的抗肿瘤活性。 ② 与ATM、DNA-PK抑制剂的关键区别在于“伤敌”还是“伤己”。ATM和DNA-PK抑制剂最直接损害的是双链断裂的感知与修复（非同源末端连接），会通过削弱正常组织的修复能力而显著加重放化疗毒性；而ATR、CHK1、WEE1抑制剂更多是利用肿瘤相对正常组织更高的复制压力与检查点依赖。不过原文也明确提醒：即便如此，临床上相关的骨髓抑制和胃肠道毒性仍然常见，并可能成为剂量限制因素。 ③ 已落地的两个合成致死范例。一是BRCA1/2缺陷肿瘤中的PARP抑制剂：已获批的多数PARP抑制剂同时靶向PARP1和PARP2，其疗效与“PARP捕获”毒性并存；为提高治疗窗口，PARP1选择性抑制剂saruparib（AZD5305）被开发出来以保留PARP2，早期临床已显示令人鼓舞的活性。二是MSI-H肿瘤中的WRN依赖：大规模CRISPR筛选发现WRN是MSI-H癌症的依赖基因——MSI-H细胞中扩展的TA二核苷酸重复形成非B型DNA结构、阻碍复制，需要WRN解旋酶来解开；WRN缺失会在这些癌症中选择性造成染色体断裂与有丝分裂失败。值得注意的是，新构建的MLH1或MSH2缺失的MMR缺陷细胞系在WRN缺失或抑制后仍能存活，提示单是MMR缺失并不足以产生WRN依赖。此外，ATM缺失的肿瘤（如部分淋巴系统恶性肿瘤及乳腺、前列腺等实体瘤）似乎对ATR抑制更敏感，其基础是ATM在对抗染色质结合的cGAS所致复制压力上有独特作用，使ATM缺陷细胞更依赖ATR。 ④ 与现有治疗的另一层交集是耐药。PARP抑制剂耐药最常见的原因是同源重组功能恢复，包括BRCA1/BRCA2回复突变、表观遗传再激活或末端切除拮抗因子缺失；在其他情境下，仅恢复复制叉保护而不同源重组完全恢复也能导致耐药，此外还包括药物外排增加、PARP捕获减少或DNA损伤耐受通路重塑。铂类与PARP抑制剂造成的损伤还可被癌细胞通过增强TLS（REV1–POLζ）、恢复复制叉保护（如PTIP或CHD4缺失）或改变停滞叉加工来耐受。APOBEC3胞苷脱氨酶在ssDNA上引入C→T转换，停滞复制叉和ssDNA间隙为其提供了充足底物；在非小细胞肺癌等肿瘤中，EGFR、ALK、KRAS或MEK抑制剂治疗会诱导持续存在癌细胞的APOBEC3活性，在激素受体阳性乳腺癌中APOBEC3突变还与内分泌治疗（单用或联合CDK4/6抑制剂）耐药相关。 ⑤ 与免疫治疗的连接。复制压力可通过复制叉崩塌、微核破裂及停滞叉中间产物异常加工，把双链DNA和RNA释放到胞质中，分别激活cGAS–STING和RIG-I/MDA5通路，最终汇聚到I型干扰素信号。急性激活可增强抗肿瘤免疫、促进T细胞致敏，从而有利于免疫检查点阻断应答——在HPV驱动癌症的免疫健全小鼠模型中，ATR抑制联合分次放疗诱导了急性干扰素反应，增加了抗原呈递与固有免疫细胞浸润，并增强了肿瘤控制。但在染色体不稳定的乳腺和肺癌模型中，持续存在的肿瘤细胞内在cGAS–STING信号却激活非经典NF-κB、促进侵袭行为与转移播散。原文因此强调：复制压力带来的免疫后果高度依赖情境，取决于信号强度和持续时间以及肿瘤微环境。临床经验目前也喜忧参半——PARP抑制剂联合免疫检查点抑制剂在BRCA1/2缺陷以外获益有限。 五、临床意义 这篇综述的临床价值，在于把“机制”翻译成了一张可以对照使用的药物—靶点—适应证地图。原文Table 1列出了目前具有公开注册临床试验、针对复制压力或DNA损伤反应通路的代表性药物，其要点整理如下。 靶点 代表药物 主要适应证与联合方向（原文） ATR ceralasertib（AZD6738）、camonsertib（RP-3500）、elimusertib（BAY 1895344）、berzosertib（M6620/VE-822） 实体瘤（含卵巢癌、尿路上皮癌、小细胞肺癌）；单药或联合PARP抑制剂（olaparib）、免疫治疗（durvalumab）、放疗、化疗（吉西他滨、顺铂、FOLFIRI）、德曲妥珠单抗 CHK1 prexasertib（LY2606368）、SRA737（CCT245737） 实体瘤（含小细胞肺癌、卵巢癌、乳腺癌）；单药或联合olaparib、低剂量吉西他滨 WEE1 adavosertib（AZD1775） 实体瘤，含CCNE1扩增肿瘤；单药或联合化疗、放疗、durvalumab PKMYT1 lunresertib（RP-6306） CCNE1扩增或FBXW7、PPP2R1A有害改变的晚期实体瘤（含卵巢癌、子宫内膜癌）；单药或联合ATR抑制剂camonsertib PARP1与PARP2（已获批类别） olaparib、talazoparib、niraparib BRCA突变癌症；单药或联合ATR抑制、免疫治疗 PARP1选择性 saruparib（AZD5305） 携带BRCA1、BRCA2、PALB2、RAD51C或RAD51D改变的晚期实体瘤；转移性去势敏感前列腺癌 WRN HRO761、VVD-133214 MSI-H与dMMR肿瘤；早期试验，单药及与免疫治疗或化疗联合 ATM AZD0156 晚期实体恶性肿瘤；单药或联合olaparib、化疗 DNA-PK peposertib（M3814/MSC2490484A） 晚期实体瘤或转移灶；联合放疗（±顺铂） 注：以上为原文Table 1所列举的代表性药物，覆盖I–III期研究，非穷尽列表；具体NCT编号见原文表格。 对患者意味着什么： 1. 这一类“复制压力/DDR靶向药”目前绝大多数仍在临床试验阶段，属于研究性治疗，不是常规可选方案；PARP抑制剂（olaparib、talazoparib、niraparib）是其中已被批准用于BRCA突变癌症的成熟类别。2. 是否可能适合，取决于肿瘤的分子检测结果：BRCA1/2缺陷与MSI-H/dMMR是目前证据最扎实的两类标志物；ATM缺失、CCNE1扩增、ERCC1或RNaseH2缺陷、APOBEC高活性等也被认为可能提示对ATR抑制更敏感，但多来自临床前或早期临床证据。3. 需要知道的现实约束：单药在可耐受剂量下往往抑制不完全、平行通路会快速代偿、肿瘤内复制压力本身也不均一，因此这类药物多采用联合方案；同时骨髓抑制和胃肠道毒性是常见且可能限制剂量的不良反应。4. 想进一步了解，最实际的路径是向主诊医生确认自己的肿瘤是否做过上述分子检测，以及是否有匹配的在研临床试验可以评估。 六、局限性与展望 作为综述，本文的“局限性”更多体现为这一领域尚未解决的问题，作者在正文、Box 3和结论部分均有明确交代。第一，机制与结局的对应关系还不清楚：目前尚不明确不同类型的复制压力（例如癌基因诱导的超转录与核苷酸耗竭）及其所激活的修复通路，如何分别产生点突变、灶性拷贝数改变或大规模染色体重排等特定基因组结局。第二，慢性低水平复制压力难以建模：肿瘤中的复制压力常常是慢性、亚致死的，标准细胞培养与小鼠系统的时间尺度远短于人类肿瘤的发展过程；常用的γH2AX、RPA磷酸化等标志物捕捉的是急性应激，可能无法反映低水平基因组不稳定的逐渐累积，因此真正具有演化意义的细微压力可能被漏检。第三，检测手段本身有门槛：DNA纤维分析、iPOND、彗星实验与核型分析，以及TrAEL-seq、Fork-seq/ForkML等新兴全基因组测序方法虽然有力，但技术难度高，且常在急性扰动而非生理应激水平下开展。第四，耐药与生物标志物是两大短板：PARP抑制剂耐药机制相对清楚，但WRN、ATR、CHK1、WEE1等较新药物的耐药机制仍不明确；BRCA1/2缺陷与MSI-H已能指导PARP与WRN抑制剂用药，而ATR、CHK1、WEE1等靶向药仍缺乏可靠的预测性生物标志物——静态基因组标志物可能不足，需要能够测量复制叉稳定性、ssDNA累积、检查点激活或耐受通路参与度的动态、功能性标志物。 展望方面，作者认为，整合单分子成像、功能基因组学、结构生物学与高分辨率肿瘤基因组分析，将加深对复制叉动态与压力适应的理解；发展患者来源模型和功能性生物标志物检测，用于分类和量化复制压力，有助于把治疗精准匹配到具体肿瘤情境；把复制压力靶向药物与免疫治疗或其他靶向治疗做合理组合，有望提升疗效与持久性。更长远地看，只有更完整地理解复制压力如何与基因组不稳定、肿瘤演化和免疫调节相互作用，才可能开发出更有效、毒性更低的抗肿瘤治疗。 喜欢的理由 陪您一起学习SCI医学论文 每天5分钟，让自己的英语牛逼起来 特殊福利让您惊喜连连 复制链接或点击原文链接，即可下载SCI原文 W324N07 链接: https://pan.baidu.com/s/1vEQtm7-b6qagCdQQp5Rp_Q?pwd=ixnh 提取码: ixnh