福建白癜风医院 https://m-mip.39.net/nk/mipso_5774579.html

撰文：mumu

IF=27.

推荐度：?????

亮点

1、有必要统一种群遗传学和生态学理论，以开发和部署能够在空时分辨率下进行高分辨率分子和表型测量的技术。

2、展示了进化理论、数学和计算模型的潜力，可统一这些多尺度测量，并为有效的癌症控制策略提供信息。

年7月27日，斯坦福大学医学院癌症研究所的ChristinaCurtis教授在《NatureGenetics》上发表了一篇名为“Characterizingtheecologicalandevolutionarydynamicsofcancer”的文章。文中基于进化和生态动力学理解肿瘤进展，并概述了目前一些描述随着时空变化的肿瘤进展的技术进步和模型系统，提示将实验与计算模型相结合的重要性以及告知癌症控制的机会。肿瘤的发生和发展是由遗传变异累积所驱动的体细胞进化过程，其中一些改变赋予宿主细胞选择性适应能力优势。这种以基因为中心的模型塑造了癌症生物学领域，并促进了对癌症病理生理学的理解。然而，每种基因型编码多种表型特征，以适应不同的微环境条件。表观遗传和转录变化也有助于进化所需的可遗传表型变异。此外，癌细胞与周围基质和免疫细胞之间通过自主和非自主信号传导的相互作用也会影响生存竞争。

人类宿主内的癌细胞群代表一个分支（由一个或一小部分细胞产生），但随着种群的扩大和适应不同的组织生态位，会出现多个种类。如果每立方厘米的肿瘤中大约有10亿个癌细胞，那么10克的肿瘤总负荷将比地球上的人口还要多。根除如此庞大且多样化的群体显然具有挑战性。实际上，即使是最有效的药物，其反应通常也很短暂，在异质性肿瘤细胞群体中，抗药性普遍存在。鉴于肿瘤细胞具有显著的适应潜能，因此，有必要采用理解肿瘤进展的方法来规避和阻止疾病的进展。长期以来，癌症被认为是一个躯体进化过程，其要素定义明确，包括突变、选择和中性遗传漂变；其中，选择是唯一的决定性力量。然而，这些因素的相对贡献特征并不明显，并且受到适应度效应和上位性分布的影响。高通量基因组和转录组测序将收集跨癌症类型的体细胞变化全面目录变为可能。事实上，识别离散的体细胞基因组改变相对容易，也有助于形成以基因为中心的癌症生物学观点，迄今为止，这一观点仍主导着这一领域。虽然通过这种观点对癌症的病理生理学的理解已经有了很大的进步，但是它忽略了肿瘤进化的关键方面。尤其是，尽管突变引起可遗传的变异，但选择作用于表型而不是基因型。近年来，已经通过进化和种群遗传学的方法对癌症基因组学数据进行了分析，基于潜在的遗传变异模式对肿瘤动力学的各个方面提供了定量的见解。除了遗传多样性，还有许多因素影响肿瘤细胞群的进化能力。例如，肿瘤的局部微环境在空间和时间上会随着组织结构，血流变化，细胞信号传导，新陈代谢，细胞间质相互作用，宿主反应或治疗形式的医源性扰动而发生巨大变化。肿瘤细胞表型的适应度取决于这些环境特性，因此局部组织条件的时空异质性可以产生多种物种形成事件。尽管这种异质性表现为肿瘤细胞分子特征的空间变异，但这种变化可能是肿瘤进化的结果而不是原因。此外，癌细胞可以进化生态位构建适应策略，以产生局部环境条件，使其适应度最大化，从而创造进化（种群）和生态（持续生态位）遗传模式。人类肿瘤样本的蛋白质组学特征虽然难以在规模上实现，但具有识别此类生态位以及肿瘤细胞与周围基质和免疫区室之间信号传导失调的潜力。了解异常信号和代偿途径可能有助于克服单一基因组驱动子靶向治疗后，几乎普遍出现的耐药性。这些知识也有助于优化本质上取决于肿瘤微环境组成的免疫治疗。能够在空间上对临床组织样本进行空间分辨的多重分子分析的新技术，必将改变对肿瘤生态和进化（eco-evo）动力学的理解。通过疾病进展的纵向分析,可用于识别不同环境条件、组织生态位或治疗干预条件下响应的适应性进化。

虽然通过治疗和转移进行重复的组织活检越来越普遍，但这种取样在实践上仍具有挑战性，因此有必要推动将非侵入性液体活检方法纳入临床治疗和相关研究。患者来源的异种移植物（PDXs）和类器官组织已经成为研究肿瘤时间进展方面，同时捕捉人类疾病异质性的有力模型。重要的是，这些和其他体内外实验系统可以一起进行功能和包括全基因组和组合遗传扰动在内的表型研究。因此，现在可以利用这些系统来绘制跨基因型和环境的肿瘤细胞适应状况图，并表征表型的多样性。肿瘤进化这一新兴领域已经在概念上取得了重要进展，但通过更全面地整合生态学观点有望获得进一步的见解。美国国家癌症研究所（NCI）癌症生物学物理科学-肿瘤网络（PS-ON）部门召集了研究人员，讨论了该领域研究与合作的挑战和机遇。此文综合了研讨会上讨论的概念和未来的发展方向，包括统一种群遗传学和生态学理论的必要性，以开发和部署能够以空间和时间分辨率进行高分辨率分子和表型测量的技术。最后，文中讨论了进化理论、数学和计算模型的潜力，以统一这些多尺度测量，并为有效的癌症控制策略提供信息。

肿瘤的发生和扩展、复发和系统性扩散到远处器官，每一个都代表了疾病进展过程中的关键转变，并伴随着临床意义（图1）。目前人们对介导这些状态转变的因素知之甚少，即使是正常细胞，在20-23岁的细胞分裂过程中，也会产生突变。这些突变中的一些被预测是致病性的，它们的克隆性扩张可能预示着恶性肿瘤，就像血液中的克隆性造血作用。衰老的微环境也被认为有助于肿瘤的发生和随后的扩展。虽然到目前为止，实体肿瘤的癌前病变尚未得到足够的研究，部分原因是难以获取早期病变的存在，但这已经成为一个越来越热门的领域，其主要目标包括确定与侵袭进展相关的分子特征（生物标志物）。由于肿瘤通常只有在临床上可被检测到后才会取样，因此需要推断技术重建其过去的增殖史。应用进化和群体遗传学方法解释基因组数据表明，肿瘤的进展不一定是连续的，但会以断断续续的方式发生。此外，早期获得的体细胞改变可能影响肿瘤的未来发展进程和侵袭性。癌症基因组数据的进化建模在概念上取得了重要进展，同时也使关键参数的估计成为可能，包括细胞分裂率、突变率和选择系数。其他的研究试图描述靶向治疗过程中的进化动力学特征，并定义耐药相关的突变。最近的研究已经从成对的原发肿瘤和转移瘤中推断出转移扩散的时间，从而为上皮性肿瘤的早期全身性扩散提供了定量证据。正在进行的进化和突变过程导致肿瘤新抗原的产生，这些新抗原被T细胞识别，激活抗肿瘤免疫应答。肿瘤周围的微环境，包括肿瘤细胞的物理和环境也可以促进肿瘤的发展。因此，有效的治疗和预防将有助于了解肿瘤的免疫环境和整个进展过程中微环境的变化。这些包括淋巴细胞浸润的程度、免疫细胞组成和分布图等生态参数引起人们的兴趣。肿瘤和免疫细胞可以在状态之间迅速转换，从而促成微环境和表型的异质性。另外，已经报道了与营养梯度，低氧位和脉管系统有关的代谢异质性证据。细胞的生物力学特性，如细胞外基质的刚度和变形能力，也影响细胞的适应性。越来越多的研究认可在生态学和进化的框架内解释癌症，这对于发展预测模型，预测疾病进展和治疗反应至关重要。这些eco-evo参数本身可能代表生物标志物。为了推进精确肿瘤学的这两大支柱，确定肿瘤进展过程中转变的关键基础参数将非常重要。鉴于实体瘤在分子、细胞和表型水平上广泛观察到的瘤内不均一性，未来寻求在人体组织或模型系统中测量这些eco-evo参数的研究应考虑测量方法、组织取样方法（整体取样与多区域取样与单细胞取样）以及空间分辨率分析技术所需的分辨率极限。同样，在体外和体内实验平台的选择上也有考虑，基于这些平台，可重述疾病并测量这些动态。下文是一些技术、实验方法和计算模型的概述，这些技术、实验方法和计算模型可为肿瘤eco-evo动力学的定量和机制理解提供信息。

在环境中描述肿瘤组织的技术-细胞状态及其在发育和疾病中的相互作用的综合模型需要空时分辨率的分子测量，理想情况下是单细胞分辨率。这种需求激发了一套用于蛋白质组学和转录组学原位多重分析技术的发展，从而保留了其天然组织结构中细胞之间的拓扑关系。空间蛋白质组学以免疫组化（IHC）评估组织样本中蛋白质标记的表达和定位有着丰富的历史。实际上，IHC是临床癌症诊断的常规组成部分。传统的IHC是低吞吐量和非定量的，在分辨率和动态范围上变化的多种技术已经出现，产生定量的、多重的（~40个标记物）蛋白质组学测量，从而能够研究健康和恶性组织中的细胞关系和免疫环境。例如，成像细胞计数法（IMC）已鉴定出肾细胞癌中的巨噬细胞和T细胞表型及其与临床结局的关联。这项技术已被类似地用于在单细胞分辨率下表征治疗初期乳腺肿瘤的图谱。多重离子束成像（MIBI）的相关技术已在三阴性乳腺肿瘤中鉴定出混合和分隔的免疫细胞，并表明分隔性肿瘤表现出更有利的预后。这些研究表明，肿瘤内细胞的空间组织是非随机的。其他技术，如纳米串数字空间轮廓仪（DSP），可用于从同一样本中获得目标蛋白质组学和转录组读数。空间蛋白质组学可以通过对肿瘤治疗前后配对的比较，识别失调的细胞信号，包括与靶向治疗或免疫治疗耐药相关的代偿途径。多重成像蛋白质组学方法特别适用于分析组织和有限的活检标本。空间转录组学分析提供了一种更公正的方法，并且广泛地基于两类方法。第一类方法包括单分子荧光原位杂交（smFISH），其中转录物直接标记在组织切片上，从而可以成像和显示单细胞甚至亚细胞的位置。这些方法包括seqFISH和多重错误鲁棒FISH（MERFISH），它们能够以高灵敏度原位分析单个细胞中数百到数万个转录本。另一类方法包括空间转录组学和Slide-seq。尽管后一种方法目前不能捕获单个细胞，但可能会提高分辨率。

这些技术可以帮助识别细胞类型在其固有的组织环境，同时揭示细胞形态，形貌和转录特征。由于与单DNA分子基因分型相关的技术挑战，在核苷酸分辨率和原位探测单细胞基因组的方法已经落后。传统上，这些方法依赖于全基因组扩增，该程序会引入覆盖率和聚合酶伪影。这些伪影在癌症基因组中尤其成问题，因为在一个特定的谱系中有许多独特的单核苷酸变异。尽管单细胞突变谱分析的缺点是准确性不够理想，但单核测序已长期用于探测非整倍性。这些技术在本质上是分离的，但是最近的一项研究进行了显微解剖和空间定位，以确定原位导管癌侵袭过程中单个细胞之间的形貌和系统发育关系。最近，直接DNA转位单细胞文库制备（DLP）与微流控技术相结合，避免了对全基因组扩增的需求。通过计算建模，丰富的数据集揭示了克隆动力学和进化参数（例如染色体错配率）的估计。同时，已经出现了探测单细胞分辨率下的表观遗传状态的方法，并能够同时表征单细胞基因表达和可获得性。技术上的改进试图增加从单个细胞中读取的“omes”的数量。这些新数据提供了一个在模型系统和人体组织中，以前所未有的分辨率定义细胞类型、状态和表型的机会（图2）。这些方法应考虑到以前实验测量无法观测的生态参数，例如细胞类型的数量和多样性以及血管系统的程度。一个关键的挑战将是建立强有力的细胞本体论，并绘制不同肿瘤生态系统和组织结构中的细胞类型。

准确，且易处理的癌症物理模型可实现受控的重复实验，功能研究和干扰。特别是，特定基因可以通过基因组编辑来改变，从而允许从患者数据中指定癌症相关改变与癌症表型有因果关系。重要的是，这些模型还促进了对不同环境条件或治疗干预的适应性进化的直接追踪和纵向测量。已开发出的各种体外和体内肿瘤模型，其可操作性、生理相关性和适用性各不相同（图3）。永生化的癌细胞系几十年来一直是发现癌症药物的工具。近年来，对大细胞系的全面分子表征，包括癌细胞系百科全书（CCLE）加上全基因组RNA干扰，CRISPR功能丧失筛选和成千上万种化合物的细胞生存力数据，极大地促进了基因相互作用和偶然性的发现，从而产生了癌症依赖性图谱。总之，这些资源有潜力确定新的治疗靶点和治疗敏感性的预测生物标志物。全基因组筛选也已用于定义与抗性相关的基因型组。例如，最近在EGFR突变肺癌细胞系中进行的全基因组开放阅读框耐药性筛选，绘制了多个靶向治疗和剂量的基因型适应度图，从而证明了健康景观的复杂上位性。尽管癌细胞系已成为体外研究的首选模型，但它们仍具有明显的局限性，包括无法囊括空间结构化的组织。细胞基质的三维不易调控和细胞基质的缺失（染色质基质的缺失）会改变细胞的三维刚性。事实上，上皮性肿瘤的发生与清晰的组织结构被破坏有关，从而导致由基质和血管系统组成的异常器官，在二维（2D）单层培养中无法捕获。该观点一致的是，在2D细胞系和3D肺癌球体中的全基因组CRISPR筛选显示出显着不同的致癌信号和药物敏感性。3D球体中的CRISPR表型更精确地模拟了体内观察到的那些，从而巩固了组织结构在模拟致癌信号中的重要性。类器官模型已经成为体外培养的有力替代品，它具有保留和生成组织结构的优势。器官样体保留了主要患者样本的分子和形态特征，并易于进行遗传操作，快速的功能和表型读数以及异种移植到免疫缺陷小鼠中。此外，他们产生了一种高质量的可再生材料来源和患者衍生的类器官生物库，从而大大扩展了现有的人类癌症模型，包括代表性不足的亚型。最近的研究进一步表明，肿瘤上皮细胞具有固有的患者间质和多种免疫细胞，可保留在患者衍生的类器官中，从而实现免疫表型分型和免疫治疗药物反应筛选。组织工程、微加工、3D生物打印和微流体技术的进步，使得越来越复杂的基于人体组织的混合模型的产生成为可能。这些体外器官型组织结构可在空间和时间上整合组织结构的组成部分、额外的细胞类型、细胞外基质材料和可溶性因子，同时能够适应长期培养、缺氧和各种营养梯度。

一些混合模型充满了可灌流的血管网络，能够研究迄今为止难以研究的血管内外渗情况。基因工程自体小鼠模型（GEMMs）已成为体内肿瘤建模的主流，为新发肿瘤的发生和发展提供了基础性的见解。与移植模型相比，GEMMS的一个关键优势是它能重现肿瘤细胞的内在因素和在人类肿瘤中所见的肿瘤细胞外在因素。然而，传统的GEMMs缺乏人类肿瘤的基因组多样性。为了克服GEMMs中有限的异质性，研究者在临床前研究中使用了免疫缺陷的PDX小鼠模型来确定治疗反应和转移的分子预测因子。最近，CRISPR–Cas9已被用来分析体内的基因功能，并通过工程化复杂的体细胞改变产生越来越复杂的GEMMs。在一个成熟的肺癌GEMM中，CRISPR–Cas9介导的基因组编辑与条形码测序被用来量化肿瘤抑制的体内适应度，从而揭示基因型的背景依赖性和差异效应强度。实验系统在研究癌细胞表型和宿主相互作用以及测量进化和生态参数方面具有明显的优势和权衡（图4）。精心设计的研究可以确定癌症适应度图的基本原理，从而以一个定量的视角来观察肿瘤的动态进展。关键的挑战是建立可扩展的技术，来模拟影响肿瘤细胞适应性的大量基因型、干扰和环境，以确定其偶然性。

消灭和控制肿瘤的巨大障碍就是进化。肿瘤内遗传、表型和微环境的异质性使其对治疗具有显著的恢复力，因此耐药克隆在治疗选择压力下总是不断扩大。肿瘤甚至可能增强其易变性以逃避治疗。如果目标是规避抗药性，就必须预料到抗药性。适应性治疗的目的就是通过给予短脉冲剂量的治疗（最小有效剂量）来抑制肿瘤生长，而不是以杀死所有癌细胞为目标的最大剂量。通过这种方式，及时停止治疗可以使残留的敏感细胞扩张，因为它们比抵抗细胞更适合生长。虽然停药导致肿瘤再生，但耐药亚群却足够小，以至于用同一种药物再治疗仍然有效，并且细胞生长受到治疗和停药交替的竞争性限制。适应性治疗依赖于认可的治疗模式，以及它降低毒性和成本的潜力，使得这种治疗方法特别吸引人。适应性治疗强调了利用治疗中癌细胞的进化性和相应的适应度权衡治疗价值。还有一种相关的方法利用了副作用敏感性——在这种情况下，初始药物诱导肿瘤对第二种药物的敏感性。这种适应性的权衡，其中最初有益的特性随后需要付出一定的代价，称为拮抗性多效性（AP）。如果环境变化迅速，适应度代价足够大，可能导致种群局部灭绝。药物诱导的AP可以通过功能性基因筛查被发现。例如，在用候选疗法治疗的急性髓系白血病细胞中进行的全基因组CRISPR功能丧失筛查已经产生了数百种遗传相互作用，然后根据它们的AP属性进行排序。其中，通过多克隆阻遏复合物2亚单位或组蛋白甲基转移酶NSD2和NSD3的表观遗传状态转换聚集在MYC调控轴上。在急性髓系白血病细胞系和PDX模型中，这一强有力的药物诱导AP通路介导了对溴尿嘧啶抑制剂的耐药性，同时使细胞对凋亡调节因子BCL-2的抑制剂变得敏感。这些临床前数据证明了设计进化陷阱的概念，利用对初始药物的耐药机制诱导副反应敏感性，并提出了在合理药物测序中的潜在应用。数学和计算模型是研究治疗期间指导进化潜在方法的关键工具。这类模型为探索复杂的动力系统、与特定干预措施相关的潜在风险提供了一种低成本的方法。最优控制理论和进化博弈论作为系统评估联合治疗和药物序列策略的权衡手段。重要的是，来自病人样本和实验系统的测量可以用来提供更真实的数学和电子模型。相比之下，通过阐明重要参数，定量模型可以生成可测试的预测，并指导实验设计。进化实验、理论和数学模型的交叉可以提供预测特定干预下短期适应性进化所需的信息。尽管目前的理论并不能为个体患者提供治疗指南，但在定量的eco-evo框架内，实时监测和解释进化，可能有助于肿瘤学更具前瞻性、精确性和适应性方法的开发。

从最初的克隆生长到治疗耐药和转移，进化过程是恶性肿瘤各个阶段的基础。因此，对生态学和进化动力学的机械和定量理解将为早期发现、诊断和治疗提供参考。将上述技术在纵向患者样品和实验模型中应用，将为肿瘤发展奠定基础。随着战略研究设计和实验与计算建模之间的紧密结合加深，测量至少一个子集的eco-evo相关参数将变得可行，这样的定量测量将是发展预测模型以预测和指导癌症进展的重要第一步。诸如NCI癌症系统生物学联合会（CSBC）这样的跨学科研究计划，支持广泛的肿瘤发展机制基础研究。通过强调实验生物学、计算建模、多维数据分析和系统工程的集成，该联合会为癌症的eco–evo表征提供了基础。NCI人类肿瘤图谱网络（HTAN）对这项计划进一步补充，该网络旨在各种类型肿瘤的进展过程中生成关键转变的3D图谱。可用的多模式和多尺度测量的肿瘤图谱，将大力推进发现新的生物学和新的计算技术的发展来解释这些数据。毫无疑问，一个关键的挑战在于在图谱内和跨图谱中整合各种时间测量。跨生物学尺度的模型对于解释eco–evo动力学，将会成为未来研究的重点。深入了解恶性肿瘤的进化过程和参数具有明确的生物学意义。在癌症研究中学到的原理可以为其他系统提供信息，但癌症只是身体进化的一种形式。同时，进化方法在癌症预防和控制中的应用在降低癌症相关死亡率方面具有巨大的潜力。尽管临床转换可能需要数年时间才能实现，但仍有许多中间目标将有助于评估进度、重新定向工作并注入投资。

教授介绍

ChristinaCurtis，斯坦福癌症研究所的医学（肿瘤学）和遗传学副教授。研究兴趣主要为阐明肿瘤的进化动力学，新的治疗靶点以及癌症表型图谱的基因型。其课题组研究的一个统一主题是在稳健的计算框架中结合经过临床批注样本中的“全基因组”数据，并结合迭代实验验证，以增进对癌症系统生物学的理解。在采用了先进的基因组技术，计算和数学建模以及强大的模型系统后，可以实现：1）模拟肿瘤进展，治疗耐药性和转移的进化动力学；2）通过对高通量的眼科数据进行综合分析，阐明疾病的病因和新的分子靶标；3）开发用于癌症基因型-表型关联的系统级解释技术。

参考文献

1.Zahir,N.,Sun,R.,Gallahan,D.etal.Characterizingtheecologicalandevolutionarydynamicsofcancer.NatGenet().

关于我们