Nature | 本周最新文献速递

1. Somatic mutations reveal the ontogeny of microglia in human aging

中文标题

体细胞突变追踪揭示衰老人脑中小胶质细胞的来源与动态补充机制

关键词

小胶质细胞、体细胞突变、谱系追踪、克隆造血、人类衰老

摘要总结

小胶质细胞（microglia）是中枢神经系统中的主要免疫细胞，负责维持脑内环境稳定、参与免疫应答以及调节神经组织功能。长期以来，小胶质细胞的来源和维持方式一直是神经免疫领域的重要科学问题。已有研究认为，小鼠小胶质细胞主要来源于胚胎时期产生的原始髓系祖细胞，并在成年后通过局部自我更新维持数量，而来自成年造血系统的细胞对于小胶质细胞群体贡献有限。然而，人类小胶质细胞是否遵循相同的维持模式仍缺乏直接证据，尤其是在衰老过程中，外周造血系统是否会持续影响脑内小胶质细胞组成，一直存在争议。

随着年龄增长，人体造血干细胞会不断积累体细胞突变，其中部分细胞由于获得增殖优势，会形成扩增性的细胞克隆，这一过程被称为克隆造血（clonal hematopoiesis）。这些克隆细胞携带特定的遗传变化，因此理论上可以作为追踪细胞来源和迁移过程的天然标记。但此前尚不清楚，衰老过程中出现的造血系统克隆是否能够进入人脑，并进一步成为脑内小胶质细胞的一部分。

针对这一问题，本研究提出了一个新的思路：利用细胞在生命周期中自然积累的体细胞突变作为谱系标记，通过比较血液和脑组织中共享的突变信息，追踪来源于骨髓造血系统的细胞是否进入人类大脑。作者开发了Passenger Assisted Clone Tracking（PACT）方法，通过分析克隆相关的乘客突变（passenger mutations），在缺少明确驱动突变信息的情况下，也能够识别不同细胞群体之间的谱系联系。

研究团队利用20名老年个体的血液和死后脑组织样本开展分析，发现所有受检测个体均存在骨髓来源细胞进入脑组织的证据。这些细胞主要富集于脑内髓系细胞群，而非神经元或少突胶质细胞群。进一步的单细胞分析显示，这些来源于外周造血系统的细胞能够表现出与小胶质细胞相似的分子特征，并能够成为人类衰老过程中小胶质细胞群体的重要组成部分。

这一发现改变了传统对于人类小胶质细胞维持方式的认识。研究结果提示，与小鼠模型中较为封闭的小胶质细胞维持模式不同，人类衰老过程中脑内免疫系统具有更强的动态性，外周来源髓系细胞能够持续参与脑内小胶质细胞池的补充和重塑。

此外，作者进一步结合人群队列数据分析克隆造血与阿尔茨海默病之间的关系，发现多数类型的克隆造血事件与阿尔茨海默病风险降低存在保护性关联。这一结果提示，年龄相关的造血系统变化并非一定导致有害炎症反应，部分进入脑内的外周来源细胞可能具有潜在保护作用。

总体而言，本研究利用体细胞突变这一天然遗传标记，建立了一种研究人类组织细胞来源的新方法，并揭示了衰老人脑中小胶质细胞来源的复杂性。该研究不仅拓展了对人类脑免疫系统动态变化的理解，也为进一步研究衰老、神经炎症以及神经退行性疾病提供了新的细胞来源模型。

---

研究方法

为了解析人类衰老过程中小胶质细胞的来源和谱系关系，作者建立了一套基于体细胞突变追踪的研究体系。

首先，作者利用体细胞突变作为细胞克隆来源的天然标记。由于细胞在长期增殖过程中会逐渐积累DNA突变，当某个细胞发生克隆扩增时，其携带的突变会被传递给所有后代细胞。因此，通过检测不同组织中是否存在相同的突变组合，可以推断细胞之间的谱系关系。

基于这一原理，作者开发了PACT（Passenger Assisted Clone Tracking）方法。该方法首先利用个体血液样本的全基因组测序数据，鉴定血液系统中的克隆相关突变，包括已知驱动突变以及大量伴随出现的乘客突变。随后，研究人员针对这些个体特异性的突变位点设计检测方案，并在对应的死后脑组织样本中进行靶向捕获测序。

在脑组织分析过程中，作者对不同细胞类型进行了分离，包括髓系细胞富集组、神经元以及少突胶质细胞群。通过比较不同细胞群中克隆相关突变的比例，确定哪些脑细胞群体包含来源于造血系统的细胞克隆，并进一步估算这些克隆在脑组织中的比例。

为了验证进入脑组织的外周来源细胞是否具有小胶质细胞特征，作者进一步开展单细胞水平分析。研究利用线粒体DNA变异作为单细胞谱系标记，并结合单细胞分析技术，对不同来源细胞的分子特征进行比较，判断其是否获得小胶质细胞样状态。

此外，作者还分析了不同类型克隆造血事件与疾病表型之间的关系。通过整合人群队列数据，研究团队评估了克隆造血状态与阿尔茨海默病风险之间的关联，从而进一步探索外周来源细胞进入脑组织后可能产生的生物学影响。

通过体细胞突变谱系追踪、脑组织细胞分选、单细胞分析以及人群关联分析，作者从细胞来源、细胞身份和疾病相关性三个层面系统研究了人类衰老过程中小胶质细胞的动态变化。

---

文章的亮点和局限

亮点

1. 利用体细胞突变实现人体细胞谱系追踪

   文章创新性地将年龄相关体细胞突变作为天然谱系标签，建立PACT方法，在无法进行人工标记的人体样本中实现细胞来源追踪。

2. 重新认识人类小胶质细胞维持机制

   研究发现人类小胶质细胞并非完全依赖胚胎来源细胞长期维持，而是在衰老过程中持续受到外周造血系统影响，拓展了传统认知。

3. 结合多层级证据验证细胞身份

   研究不仅证明外周来源细胞进入脑组织，还进一步通过单细胞分析证明这些细胞能够获得小胶质细胞样特征，提高了结论可靠性。

4. 连接细胞来源变化与疾病风险

   通过分析克隆造血与阿尔茨海默病风险之间的关系，研究进一步探索了脑免疫系统重塑的潜在功能意义。

局限

1. 研究主要基于老年人死后样本，缺少动态过程观察

   由于人体脑组织研究限制，该研究主要反映衰老终点状态，无法直接观察外周来源细胞进入脑组织的时间过程。

2. 外周来源细胞的具体功能仍需进一步验证

   虽然研究证明这些细胞具有小胶质细胞样特征，但其在炎症调控、吞噬功能以及神经保护方面是否完全等同于原生小胶质细胞仍未明确。

3. 克隆造血与疾病风险之间的机制关系尚未解析

   研究发现克隆造血与阿尔茨海默病风险存在关联，但具体哪些细胞功能变化导致疾病风险改变仍需要进一步研究。

4. 不同克隆类型的生物学差异尚未充分阐明

   不同体细胞突变可能影响细胞行为，但本文对于不同突变背景下进入脑内细胞的功能差异分析仍有限。

---

2. A compendium of next-generation patient-derived models for diverse cancers

中文标题

癌症研究迎来新模型时代：665个患者来源模型揭示真实肿瘤的遗传密码与治疗潜力

关键词

患者来源模型、类器官、癌症模型库、多组学分析、肿瘤精准治疗

摘要总结

长期以来，癌症研究和药物开发高度依赖实验室培养的癌细胞系。然而，一个隐藏的问题一直困扰着研究人员：培养皿中的癌细胞，真的代表患者体内正在发生的肿瘤吗？传统癌细胞系虽然推动了大量靶向药物的发现，但它们通常经历了长期体外培养，容易发生基因漂移，同时缺少原始肿瘤复杂的细胞组成、临床背景以及治疗历史。因此，许多在实验室中有效的药物策略，进入临床后却难以复制。

面对这一困境，作者提出了一个关键问题：如果能够建立更加接近患者真实肿瘤状态的新一代模型，这些模型是否能够成为连接基础研究与临床治疗之间的新桥梁？

为回答这一问题，研究团队依托Human Cancer Models Initiative（HCMI）国际合作项目，历时多年建立了一个覆盖多种癌症类型的大规模患者来源模型资源。他们从2780名癌症患者样本中，成功构建了665个下一代癌症模型，包括患者来源类器官、三维球状模型以及部分二维培养模型，覆盖25种不同癌症类型。这些模型不仅包括常见癌症，也纳入大量传统研究中缺失的罕见癌症类型，同时记录患者治疗经历、生存信息以及详细临床资料，使其具备了传统癌细胞系无法提供的临床关联价值。相关研究背景和资源规模显示，该研究旨在解决传统模型无法充分代表人体癌症多样性的问题。

那么，这些患者来源模型是否真的保留了原始肿瘤的特征？这是整篇文章最核心的问题。作者通过比较421组患者肿瘤组织与对应模型之间的基因组、表观遗传组和转录组信息发现，这些模型与原始肿瘤具有高度一致性：遗传层面保持了约97.8%的相似性，表观遗传层面保持约95%的一致性。这意味着，通过合理培养条件建立的新模型，并没有简单地变成一种人工产生的癌细胞，而是在很大程度上保存了患者肿瘤原本的生物学特征。

更重要的是，这项研究进一步回答了一个过去难以解决的问题：癌症模型在长期培养过程中是否会逐渐偏离患者原始肿瘤？作者发现，大部分模型能够稳定保留肿瘤驱动基因改变、突变特征以及染色体异常模式。例如，不同癌症中的经典致癌事件仍然能够在模型中被检测到，说明这些模型不仅保留了肿瘤的外观，更保留了推动癌症发生发展的核心分子机制。

此外，研究还发现，患者来源模型并非简单复制肿瘤，而是能够提供传统模型无法观察到的新信息。例如，通过单细胞RNA测序分析，研究人员发现部分模型在培养过程中会受到环境影响，导致某些细胞状态发生改变。这提示研究者未来使用类器官等模型时，需要同时关注模型本身的优势和培养环境带来的选择压力。

这篇文章最大的价值在于，它重新定义了癌症模型的角色。过去，癌细胞系更多被视为实验工具；而此次建立的大规模患者来源模型库，则更像一个连接患者、基因组、药物反应和疾病机制的开放式研究平台。研究团队不仅提供模型本身，还整合了基因组、转录组、甲基化组以及临床数据，为未来寻找新的治疗靶点、解析耐药机制以及开展个体化药物筛选提供了基础。

因此，这项研究真正解决的问题并不是简单增加了多少癌症模型，而是回答了一个更深层的问题：我们能否在实验室中重新构建一个足够接近患者真实疾病状态的癌症研究体系？HCMI模型资源的建立，标志着癌症研究正在从依赖少数经典细胞系，迈向基于患者真实生物学特征的新阶段。

研究方法

本研究采用多中心、大规模资源构建与多组学验证相结合的研究策略。

首先，研究团队依托Human Cancer Models Initiative（HCMI）项目，从美国、英国、意大利和荷兰多个研究中心收集癌症患者样本。研究对象覆盖2780名患者，最终成功建立665个患者来源癌症模型，涉及25种不同恶性肿瘤类型。模型类型包括三维患者来源类器官（organoid）、三维球状培养模型（spheroid）以及患者来源二维细胞系。其中，约78%的模型属于三维培养体系，更接近人体肿瘤空间结构。

其次，为评估模型是否真实反映患者肿瘤，研究人员建立了系统性的多组学检测体系。对于患者肿瘤组织、培养模型以及匹配的正常组织样本，分别进行了全基因组测序（WGS）、全外显子测序（WES）、DNA甲基化分析以及RNA测序，从多个分子层面比较模型与原始肿瘤之间的一致性。

在遗传稳定性分析方面，研究团队重点比较肿瘤和模型之间的染色体倍性、拷贝数变化、杂合性缺失（LOH）、单核苷酸突变（SNV）、插入缺失突变（indel）以及癌症驱动事件是否保持一致。

随后，作者利用突变特征分析方法，比较患者肿瘤和模型是否保留相同的诱变来源。例如，不同癌症类型中特定DNA损伤模式是否能够在模型中继续存在，从而判断模型是否保持原始疾病环境留下的分子痕迹。

此外，为进一步分析模型是否保持肿瘤细胞状态，研究团队采用单细胞RNA测序技术，对患者肿瘤和模型中的细胞组成及细胞状态进行比较，分析培养环境是否会诱导细胞状态改变。

最后，研究整合临床信息，包括患者治疗史、生存数据以及疾病阶段信息，使建立的模型资源不仅能够用于基础机制研究，也能够支持未来药物敏感性研究和精准医疗应用。

文章的亮点

1. 建立了目前规模化程度较高的患者来源癌症模型资源

   研究覆盖25种癌症类型、665个模型，并整合临床信息，使癌症模型从单纯实验材料升级为具有临床关联的数据资源。

2. 首次系统验证患者来源模型长期培养后的真实性

   通过基因组、表观遗传组和转录组多维度比较，证明多数模型能够保持原始肿瘤关键特征，为类器官研究提供了重要依据。

3. 解决传统癌细胞系代表性不足的问题

   研究纳入大量罕见癌症和传统数据库缺失的人群样本，提高了癌症研究体系的多样性。

4. 建立模型与临床治疗之间的连接

   通过整合患者治疗史、生存信息，为未来药物筛选和耐药机制研究提供了真实临床背景。

文章的局限

1. 患者来源模型仍无法完全复制人体肿瘤微环境

   尽管类器官能够保留肿瘤细胞特征，但免疫细胞、血管系统以及复杂组织相互作用仍难以完全重建。

2. 部分模型存在培养选择压力

   长期体外培养可能导致部分细胞亚群扩增或减少，使模型与原始肿瘤产生一定偏差。

3. 不同癌症类型模型建立成功率存在差异

   某些癌症由于组织特性和培养条件限制，模型获得难度较高，因此资源覆盖仍存在不均衡。

4. 模型与临床药物反应之间仍需进一步验证

   虽然模型保留了大量分子特征，但其预测患者真实治疗效果的能力仍需要更多前瞻性研究支持。

---

3. A dependency map enhanced with next-generation 3D cancer models

中文标题

癌症弱点地图升级！三维患者模型揭示隐藏的治疗靶点与精准用药密码

关键词

癌症依赖图谱、患者来源类器官、CRISPR筛选、多组学分析、精准治疗

摘要总结

癌症精准治疗一直面临一个核心难题：我们知道癌症发生了哪些基因改变，却并不一定知道这些改变是否真正决定了癌细胞的生存。换句话说，一个癌症相关基因突变，并不意味着它一定是可以攻击的治疗靶点。真正能够指导药物开发的问题是：哪些基因对于某类癌细胞来说是不可替代的生命依赖？

过去十余年，Cancer Dependency Map（DepMap）项目通过大规模基因扰动实验，利用CRISPR技术系统性敲除癌细胞中的基因，建立了癌症依赖关系数据库。该资源已经基于超过1300种传统癌细胞系发现了大量潜在治疗靶点。然而，传统二维癌细胞系存在一个重要缺陷：它们并不能完全代表人体内真实存在的肿瘤状态。许多罕见癌症亚型在细胞系数据库中缺失，同时长期二维培养会导致部分肿瘤特征丢失，使一些真正重要的癌症弱点无法被发现。

那么，如果将患者来源的三维类器官和球状模型加入DepMap体系，是否能够看到过去被忽略的癌症弱点？这正是本文试图回答的问题。

研究团队将上一代癌症依赖图谱进一步升级，引入314个下一代（NextGen）三维癌症模型，包括237个癌症类器官和77个中枢神经系统肿瘤球状模型，并结合全基因组测序（WGS）、RNA测序以及全基因组CRISPR筛选，重新绘制更加接近真实患者肿瘤状态的癌症依赖地图。

研究首先发现，三维患者来源模型解决了传统癌细胞系覆盖不足的问题。传统数据库中缺失的一些癌症亚型和关键遗传改变，在NextGen模型中重新出现。例如，结直肠癌中的NRAS热点突变、乳腺癌中的ESR1异常，以及前列腺癌中的SPOP、RB1、APC和CTNNB1等改变，都能够在这些新模型中得到体现。这意味着，新的模型体系不仅增加了数量，更重要的是扩大了癌症生物学的覆盖范围。

更关键的问题是：三维模型是否真的能够发现传统模型遗漏的治疗靶点？作者通过CRISPR筛选寻找癌细胞生存所必需的基因，发现NextGen模型保留了一些在传统细胞系中已经消失的肿瘤特异性表达程序，而这些程序对应着新的基因依赖关系。例如，一些脑肿瘤相关基因只有在更接近真实肿瘤环境的模型中才表现出明显依赖性。这说明，过去没有发现的治疗靶点，可能并不是不存在，而是因为实验模型没有保留对应的生物学状态。

文章进一步揭示了一个重要认识：不同癌症模型并不存在简单的优劣关系。二维细胞系具有培养稳定、规模化筛选方便等优势，而三维患者来源模型则更擅长保存肿瘤分化状态和组织特异性特征。因此，未来癌症研究并不是用三维模型完全替代传统模型，而是将二者结合，形成更加完整的癌症弱点地图。

该研究最大的创新在于，它将癌症研究从单纯寻找基因突变，推进到了寻找癌细胞真正依赖关系的新阶段。传统基因组研究告诉我们癌症发生了什么，而新的DepMap体系进一步回答了癌细胞离不开什么。通过整合患者来源模型、功能基因筛选和多组学数据，这项工作为发现下一代精准治疗靶点提供了更加接近临床现实的平台。

研究方法

本研究采用患者来源三维癌症模型、多组学测序以及功能基因筛选相结合的综合研究策略。

首先，研究团队收集并整理下一代癌症模型资源，共纳入314个患者来源三维模型，其中包括237个癌症类器官和77个中枢神经系统肿瘤球状模型。这些模型覆盖10种癌症类型，用于补充传统DepMap数据库中不足的癌症亚型和分子背景。

随后，研究人员对这些模型开展系统性分子特征分析。通过全基因组测序（WGS），研究团队检测模型中的染色体异常、关键驱动突变以及癌症相关基因改变；通过RNA测序分析模型是否保留患者肿瘤中的关键转录程序。例如，研究重点关注传统二维细胞培养过程中容易丢失的细胞状态相关表达模式。

在功能筛选方面，研究人员利用全基因组CRISPR筛选技术，对147个NextGen模型进行基因扰动实验。通过逐一降低基因功能，观察癌细胞增殖和存活变化，从而判断哪些基因是特定癌症模型中的必需依赖因素。

为了保证不同模型和不同CRISPR实验之间数据可比，研究团队进一步采用Chronos算法，对CRISPR筛选数据进行标准化处理，校正基因拷贝数变化、筛选质量差异以及不同CRISPR文库带来的批次效应。

此外，作者还将NextGen模型的数据与传统二维癌细胞系数据进行整合比较，分析两类模型在基因依赖关系上的差异。研究重点关注三类依赖关系：

第一，表达依赖（expression addiction），即癌细胞高度依赖自身过度表达的癌基因或转录因子；

第二，旁系同源基因依赖（paralogue dependency），即一个基因缺失后，癌细胞更加依赖其同源替代基因；

第三，与癌基因激活或抑癌基因失活相关的依赖关系。

通过上述方法，研究团队建立了一个融合传统癌细胞系和患者来源三维模型的新型癌症依赖数据库。

文章的亮点

1. 首次将患者来源三维模型系统性整合进入DepMap体系

   研究突破传统二维癌细胞系限制，使癌症依赖分析更加接近真实患者肿瘤环境。

2. 通过CRISPR功能筛选发现新的癌症脆弱点

   不再局限于基因突变分析，而是直接寻找癌细胞生存必需因素，提高治疗靶点发现能力。

3. 揭示模型选择本身会影响癌症研究结论

   研究证明二维和三维模型具有互补价值，为未来癌症研究模型选择提供重要依据。

4. 建立开放式多组学癌症依赖资源

   整合WGS、RNA-seq和CRISPR数据，为全球研究者探索癌症治疗靶点提供共享平台。

文章的局限

1. 三维模型仍不能完全模拟人体肿瘤微环境

   类器官虽然改善了空间结构和细胞状态保存能力，但仍缺少完整免疫系统、血管系统以及复杂组织相互作用。

2. 模型数量和癌症类型覆盖仍有限

   虽然相比传统细胞系已有明显提升，但314个模型仍无法代表全部癌症亚型。

3. CRISPR筛选结果需要进一步临床验证

   实验发现的基因依赖关系并不一定能够直接转化为有效药物靶点。

4. 不同培养条件可能影响结果解释

   研究显示培养环境会改变部分基因依赖性，因此未来应用时需要充分考虑模型背景。

---

致谢橙子牛奶糖（陈文燕），请用参考模版：We thank the blogger (orange_milk_sugar, Wenyan Chen) for XXX

感谢小可爱们多年来的陪伴， 我与你们一起成长~