破解脑癌"细胞状态规则"：AI 让胶质母细胞瘤的异质性从噪音变为结构

全文概要
德国 Mall 与 Stegle 团队在《自然》发表研究，利用单细胞与空间转录组技术结合深度学习工具 scDORI，在逾百万个胶质母细胞瘤细胞中推断基因调控网络，证明肿瘤细胞状态遵循可预测的"规则"。实验验证过表达调控因子 MYT1L 可降低肿瘤恶性度、延长小鼠生存，为攻克胶质母细胞瘤开辟新方向。

【开头配图Opening】

---

1. 把肿瘤异质性当作原材料而非障碍

胶质母细胞瘤（GBM）每年在全球夺走逾 10 万人的生命，其治疗抵抗常被归因于"难以驯服"的细胞多样性。然而，一项由德国团队（Mall 团队与 Stegle 团队合作）开展、发表于《自然》（Nature）的研究，颠覆了这一认知：肿瘤细胞的多样性并非无序噪音，而是遵循可被读取和改写的"规则"。

研究团队利用单细胞与空间转录组技术，对超过一百万个胶质母细胞瘤细胞进行解析，发现肿瘤细胞占据着定义明确的状态，并在这些状态之间沿可预测的路径迁移、占据特定的空间生态位，且受可被计算推断和实验操控的调控程序支配。

2. scDORI：单细胞分辨率下的基因调控网络推断

研究的关键计算引擎是 Stegle 团队开发的深度学习工具 scDORI，它能够在单细胞分辨率下推断基因调控网络。通过比较调控因子与其靶基因在超过百万个细胞中的协同变化，scDORI 精准定位了哪些调控因子驱动细胞走向特定状态。

Stegle 指出，肿瘤几乎会无限地产生其自身调控程序的变体，与其将这种异质性视为障碍，不如用 AI 从中学习并提取决定细胞命运选择的规则。另一机器学习方法则补充刻画了每个细胞状态在肿瘤内的空间定位，两篇研究共同勾勒出 GBM 细胞状态的完整图景。

3. 从"读懂"到"改写"：MYT1L 的实验验证

在病人来源的脑肿瘤细胞中，研究团队验证了这一框架的可操作性：过表达被识别为"守护"调控因子的 MYT1L，可降低细胞可塑性与肿瘤恶性度；将改造后的肿瘤移植到小鼠体内，其生存期优于对照肿瘤。

更关键的是，这一方法预测了所有主要肿瘤细胞状态的调控因子，并逐一通过实验验证——只需操控少量调控因子，即可将肿瘤细胞"引导"至特定状态。研究者正将该框架扩展至其他癌症与脑部疾病。尽管从动物模型到临床应用仍有很长的路，但这项研究证明了肿瘤细胞身份可被预测与实验操控，为几乎无治愈手段的 GBM 开辟了全新的治疗方向。

来源：《自然》（Nature）、EurekAlert

---

---

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。