引言
急性髓系白血病(acute myeloid leukaemia,AML)已经进入基因分型时代:检测到什么融合基因、携带哪些驱动突变,往往直接影响诊断、风险分层与治疗选择。然而,临床上始终存在一个难题——即使患者具有相似的突变,他们的白血病细胞状态、治疗反应和生存结局仍可能明显不同。
7月8日,《Nature》的研究报道“Chromatin landscape and epigenetic heterogeneity of acute myeloid leukaemia”,将观察视角从“DNA序列发生了什么变化”,推进到“哪些DNA区域正在被细胞使用”。研究人员分析了1563例患者,绘制出迄今规模最大的AML染色质可及性图谱,并提出:AML不仅可以按突变分类,还可以按照表观遗传状态被划分为16个亚群。
突变已经查得很清楚,为什么仍解释不了所有差异?
过去十余年,AML的分子分类取得了显著进展。
PML::RARA、RUNX1::RUNX1T1、CBFB::MYH11等融合基因,以及NPM1、CEBPA、FLT3、IDH1、IDH2、RUNX1和TP53等基因变异,已经被纳入世界卫生组织(World Health Organization,WHO)、国际共识分类(International Consensus Classification,ICC)和欧洲白血病网(European LeukemiaNet,ELN)的诊断或风险分层体系。
这些体系回答的是一个重要问题:白血病细胞的基因组发生了哪些改变?
但另一个问题同样重要:这些改变最终让细胞进入了什么状态?
基因突变并不会在真空中发挥作用。一个突变能否影响特定基因,取决于相应DNA区域是否处于开放状态,转录因子(transcription factor,TF)能否进入,以及增强子、启动子和染色质结构是否允许相关基因被表达。
因此,基因组更接近“细胞拥有的异常元件”,而表观基因组(epigenome)反映这些元件如何被组织、调用和执行。两名患者即使携带相同突变,若染色质开放区域不同,其下游基因表达、分化方向和药物依赖性也可能完全不同。研究人员开始追踪:哪些DNA区域正在“开门”
这项研究建立了名为eCHROMA的队列,包括瑞典1040例和日本523例患者,共1563例。
所有患者均接受了染色质可及性测序(assay for transposase-accessible chromatin with sequencing,ATAC-seq)以及包含331个已知或候选驱动基因的靶向测序。研究还在不同样本中完成了RNA测序(RNA sequencing,RNA-seq)、DNA甲基化分析、全基因组测序(whole-genome sequencing,WGS)、染色质免疫共沉淀测序(chromatin immunoprecipitation sequencing,ChIP-seq)、药物筛选和单细胞多组学分析。
ATAC-seq的核心并不复杂:细胞核中的DNA并非全部暴露。被核小体紧密包裹的区域通常较难被转录机器接近,而开放区域更可能包含正在工作的启动子、增强子及转录因子结合位点。ATAC-seq利用转座酶优先进入开放染色质,从而描绘细胞正在使用哪些调控区域。
176853个 瑞典和日本队列中共同识别的反复出现的染色质开放峰
值得注意的是,许多差异最大的区域并不位于基因启动子,而位于增强子等非启动子区域。
这提示,区分AML患者的关键,可能不只是“某个基因有没有突变”,还包括“调控这个基因的远端区域是否开放”。1563例患者,被重新划分为16种表观遗传状态
根据3000个差异最明显的染色质开放区域,研究人员将全部患者划分为A至P共16个ATAC亚群。
这一分类并非统计上的偶然聚集。在重复抽样分析中,聚类的平均调整兰德指数(adjusted Rand index)达到0.79,共聚类准确率达到0.97,说明总体稳定性较高。不过,O组和P组的稳定性相对较低,也是后续应用时需要关注的边界。
部分ATAC亚群与经典遗传类型高度一致。例如,A、B、C组分别富集PML::RARA、RUNX1::RUNX1T1和CBFB::MYH11融合,I组则与典型CEBPA双等位基因变异密切相关。
但大多数亚群无法由单一突变或几个突变的简单组合解释。研究人员甚至在213例患者中加入WGS数据,系统寻找可能遗漏的基因组事件,仍无法为多数ATAC亚群找到唯一的遗传定义。
更值得关注的是,ATAC亚群与白细胞计数、原始细胞比例、分化状态和基因表达等白血病表型之间的相关性,强于传统的WHO或ICC遗传亚型。
换句话说,遗传分型描述了白血病的“起因和构成”,而染色质状态可能更接近疾病此刻的功能状态。同一个NPM1突变,可以通向不同的细胞命运
传统分类中的NPM1突变或KMT2A重排病例,在新的体系中被重新分配到D、E、F和G四个HOX高表达亚群。
这四组都具有HOX相关特征,却处在不同的分化状态。
D组和E组富含较原始的造血干细胞和祖细胞特征;F组和G组则表现出明显的单核细胞分化。D组几乎所有病例都携带相互排斥的TET2、IDH1或IDH2变异,而E组更常见WT1和黏连蛋白复合体(cohesin complex)相关变异。G组几乎没有NPM1和FLT3内部串联重复(internal tandem duplication,ITD),反而更多出现KMT2A重排、复杂核型和8号染色体获得。
这意味着,NPM1突变并不是一个足以描述细胞状态的终点。它可能处于不同的表观遗传背景中,并与不同的调控网络共同作用,最终形成原始型、祖细胞型或单核细胞分化型白血病。
CEBPA也是类似案例。
I组和J组都富集CEBPA双等位基因变异,但I组具有典型的bZIP区和转录激活结构域组合;J组中双等位基因变异仅占59%,同时更常伴有TET2、ASXL1、剪接因子和黏连蛋白相关异常。两组的五年总生存率分别为 74.6% 和 36.0%。
同一个基因标签之下,可能隐藏着两个临床行为明显不同的疾病状态。超级增强子不是背景,而是白血病身份的组织者
为了理解16个亚群为何拥有不同的基因表达程序,研究人员分析了超级增强子(super-enhancer,SE)。
超级增强子是一组具有强烈调控活性的增强子区域,通常控制细胞身份、分化状态和关键致癌基因。研究人员在234例AML样本中利用H3K27ac ChIP-seq,共识别出 1718个非冗余超级增强子位点。
498个 位点出现在至少12个亚群中
833个 位点由2至11个亚群共享
387个 位点只存在于单一亚群
不同类型的超级增强子控制着不同的基因网络。广泛共享的超级增强子与ETV6、TP53和RUNX1等核心转录因子相关;部分共享的位点涉及FLT3、HOXA9、CEBPA和SPI1;各亚群特有的超级增强子则分别关联FOXC1、PRDM16、IRF8、KLF1、NFIA或CD34等基因。
这种差异并非单纯的分子装饰。HOXA家族转录因子主导D、E等HOX相关亚群;E2F3参与I组的细胞周期调控;BCL11A和IRF家族在K组形成偏向B细胞发育的网络;SPI1和C/EBP家族则与C、F、G和H组的单核细胞分化密切相关。
因此,AML的异质性可以被理解为多层信息共同作用的结果:基因突变提供异常信号,染色质决定哪些调控区域可以被访问,超级增强子维持关键转录因子网络,最终将白血病细胞锁定在特定身份和分化阶段。单细胞结果显示:白血病停在了不同的发育路口
研究人员进一步对36例覆盖全部16个亚群的AML样本进行了单细胞RNA和ATAC联合测序,同时分析4例完全缓解样本作为对照,共获得 281167个单个细胞。
结果显示,来自同一ATAC亚群、但属于不同患者的白血病细胞,往往聚集在相近位置。这说明每个亚群具有可重复的染色质特征,而不是由少数细胞或样本混杂造成。
但同一亚群内部仍可存在不同成熟程度的细胞。研究人员将这些细胞投射到正常骨髓造血的分化轨迹上,发现各亚群停滞在不同阶段。
E组主要停留在造血干细胞(haematopoietic stem cell,HSC)阶段;D组停在粒细胞—单核细胞祖细胞(granulocyte–monocyte progenitor,GMP)阶段;F组同时含有祖细胞和较成熟细胞。F、G和H组虽然都具有单核细胞特征,但H组以成熟单核细胞样细胞为主,F和G组则更多停留在早幼单核细胞阶段。
富集RUNX1变异的K组更特殊:其细胞沿B细胞发育轨迹停在共同淋巴祖细胞(common lymphoid progenitor,CLP)附近,同时髓系和红系分化受到阻断。
这说明AML不能只被看作“原始细胞无限增殖”。不同患者的疾病,可能来源于不同的谱系承诺,并在不同发育节点发生阻滞。五年生存率从85.1%到12.2%,差距写在染色质中
ATAC分类与临床结局之间存在显著关联。
接受标准强化治疗的患者中,A组的五年总生存率(overall survival,OS)达到 85.1%,I组为 74.6%。相比之下,G组仅为 22.3%,O组为 14.3%,富集TP53变异并偏向红系分化的N组仅为 12.2%。
同一疾病中的五年生存跨度
85.1%-12.2%
更重要的是,ATAC分类提供的信息并未被ELN风险分层完全覆盖。
在ELN有利、中等和不良风险组内部,加入高风险ATAC亚群后,都可以进一步识别出生存结局不同的人群。与单独使用ELN相比,加入ATAC信息后,模型的一致性指数(concordance index,C-index)在瑞典训练队列中平均提高0.039,在日本验证队列中提高0.036。
提升幅度看似不大,但它来自独立队列,并且在传统临床变量基础上仍能增加预测信息。相比之下,单纯依据RNA表达形成的聚类没有获得同样的预后增益。
研究人员还建立了仅依赖 30个基因表达水平 的模型,用于预测高风险ATAC亚群。这为未来将复杂的ATAC分类转化为更易部署的临床检测提供了可能路径。没有靶点突变,也可能对靶向药敏感
研究对112例样本进行了250种药物的体外筛选,并与BeatAML队列中569例样本、166种药物的数据进行整合,最终比较了两个队列共同检测的55种药物。
部分结果符合预期。例如,FLT3变异富集的E组对quizartinib和gilteritinib等FLT3抑制剂更敏感。
但更有启发性的结果来自那些无法由靶点突变直接解释的药物反应。
C、F和H组对MEK1/2抑制剂selumetinib和trametinib表现出较高敏感性,而且这种敏感性不仅存在于携带RAS通路变异的样本,也出现在没有检测到RAS通路变异的样本中。这提示RAS—MEK通路可能在表观遗传层面被激活。
富集RUNX1变异的K组则对多种ABL抑制剂表现出意外敏感性,即使这些样本没有经典ABL融合或ABL突变。更关键的是,位于其他ATAC亚群的RUNX1变异病例并未出现相同反应。
值得追问
寻找靶向药适应人群时,我们是否过度依赖“有没有靶点突变”,而忽略了细胞是否已经形成对某条信号通路的功能依赖?
需要强调的是,这些结果来自离体药物筛选,并不等同于患者接受相应药物后的临床获益。尤其部分亚群用于药物分析的样本数量较少,仍需前瞻性临床研究验证。AML的下一步分类,可能是“突变加状态”
这项研究并没有否定基因分型。PML::RARA、FLT3、NPM1、CEBPA、IDH1/2和TP53等遗传事件依然是AML诊疗的核心信息。
它提出的是一种补充框架:突变说明细胞获得了什么异常,染色质状态则显示这些异常正在怎样运行。
未来更完整的AML分层,可能同时包含三个层面:基因组层面的驱动事件、表观基因组层面的调控状态,以及单细胞层面的分化轨迹。三者结合,才可能解释为什么相同突变对应不同预后,为什么没有经典靶点的患者仍可能存在药物敏感性,以及为什么某些白血病更容易维持干性、耐药或复发。
不过,距离常规临床应用仍有多道门槛。研究样本需要保存活细胞才能完成ATAC-seq,检测流程和数据分析尚需标准化;O组和P组的分类稳定性相对较低;离体药物敏感性需要临床试验确认;尚未发现的遗传改变也可能参与部分亚群的形成。
即便如此,这张染色质地图已经提供了一种新的疾病观:AML并非仅由突变清单定义,而是由基因异常、细胞来源、分化阶段和调控网络共同塑造的动态状态。
当诊断开始从“发现了哪个突变”继续追问“这个细胞正在执行什么程序”,精准医学才可能从分子标签进一步走向功能分层。
参考文献
Ochi Y, Liew-Littorin M, Nannya Y, Bengtzen S, Piauger B, Deneberg S, Jädersten M, Lazarevic V, Cammenga J, Robelius A, Wennström L, Ölander E, Kasahara S, Hiramoto N, Kanemura N, Sezaki N, Sakurada M, Iwasaki M, Kanda J, Ueda Y, Yoshihara S, Erkers T, Struyf N, Watanabe Y, Motomura M, Nakagawa MM, Saiki R, Fukushima H, Okazaki K, Morimoto S, Yoda A, Okuda R, Komatsu S, Xie G, Österroos A, Kon A, Zhao L, Shiraishi Y, Ishikawa T, Miyano S, Katayama K, Imoto S, Matsuda S, Takaori-Kondo A, Aburatani H, Suzuki HI, Kallioniemi O, Juliusson G, Höglund M, Lehmann S, Ogawa S. Chromatin landscape and epigenetic heterogeneity of acute myeloid leukaemia. Nature. 2026 Jul 8. doi: 10.1038/s41586-026-10703-4. Epub ahead of print. PMID: 42420449.
声明:本文仅用于分享,不代表平台立场,如涉及版权等问题,请尽快联系我们,我们第一时间更正,谢谢!
往期热文:
Cell | 肌萎缩侧索硬化症(ALS)研究的新焦点:不是细胞如何死亡,而是它何时开始“变坏”
Nature Medicine | 从新知识到新诊断,平均只需32天:自动化再分析正在改写罕见病诊断流程
Nature Biotechnology | 植物基因组里,终于有了一个更好用的“插入口”?
Cell | 铜死亡把“冷肿瘤”烧热了? 一条免疫治疗耐药的新线索
Nature | 大肠杆菌不是标准答案:GTP中心化调控揭示细菌生长的另一套逻辑
Cell | CAR-巨噬细胞的下一站,可能不是“更强的巨噬细胞”,而是更早的祖细胞
Science | CD4+T细胞的新打法:不直接杀死肿瘤,而是切断它的血供
Science | 母乳里的一种脂肪酸,可能给新生儿免疫系统“提前排兵布阵”
Nature | 当AI进入电子病历:MIRA如何在574个真实病例模拟中挑战医生流程?
Nature | RNA核内质控的新逻辑:不是识别“好坏”,而是竞争同一个分子信号