Nature：破解胶质母细胞瘤治疗耐药的"隐藏规则"，AI 解码细胞状态转换逻辑

全文概要
来自欧洲分子生物学实验室（EMBL）、德国癌症研究中心（DKFZ）与威康桑格研究所的两篇《自然》（Nature）研究，联合构建了迄今最详尽的胶质母细胞瘤分子图谱，揭示癌细胞在不同状态间的转换并非随机，而是遵循可预测的分子规则。研究团队借助深度学习工具 scDORI 找到关键调控因子，发现仅调控少数几个因子即可将肿瘤细胞"重编程"向恶性度更低的状态，小鼠实验显示可延长生存。

【开头配图Opening】

---

1. 多组学图谱揭示癌细胞状态的"空间秩序"

研究团队整合了 12 名患者的 DNA、RNA 与表观遗传数据，构建出胶质母细胞瘤的高分辨率分子图谱。他们发现，癌细胞会在类似神经元、类似干细胞、以及具有侵袭性的"损伤样"状态之间沿固定路径转换，而非随意切换。借助空间转录组学，团队进一步发现这些细胞状态并非随机分布，而是占据肿瘤内的特定区域——这一"精细的空间架构"在每一位被研究的患者肿瘤中都稳定存在。

2. scDORI：用 AI 解码细胞命运的选择规则

在第二项研究中，团队分析了超过一百万个患者来源的胶质母细胞瘤细胞的基因调控信息，运用深度学习工具 scDORI 识别出控制细胞状态转换的分子调控因子。其中一些调控因子扮演"守门人"角色，维持细胞处于相对稳定的状态、限制其可塑性。研究者指出，肿瘤会对其自身调控程序产生近乎无穷的变异，而 AI 恰可从这种异质性中学习并提炼出决定细胞命运选择的规则。

3. 从"观察"到"改变"：重编程肿瘤细胞的可能

基于这些规则，团队尝试操控少数关键调控因子以将癌细胞导向恶性度更低的状态。实验显示，上调调控因子 MYT1L 可降低患者来源胶质母细胞瘤细胞的可塑性与恶性特征，接受改造细胞移植的小鼠生存期较对照更长。研究团队表示，这一框架不仅能预测所有主要肿瘤细胞状态的调控因子，且相关预测均已得到实验验证，未来有望推广至其他癌种与脑部疾病的研究。

来源：Nature 期刊两篇论文（11 月 4 日发表）、SciTechDaily 等学术媒体综合报道

---

---

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。