肿瘤的发生和发展是由遗传改变积累驱动的体细胞进化过程，其中一些会赋予细胞选择性的适应性优势。这种以基因为中心的模式塑造了肿瘤生物学领域，也加深了对肿瘤病理生理学的理解。每种基因型编码各种表型性状，这些表型是进化所需的可遗传变异。肿瘤细胞与周围基质细胞和免疫细胞之间相互作用会影响肿瘤细胞的生存竞争。因此，对肿瘤进展的理解必须考虑进化和生态动力学。

来自美国斯坦福大学 在 上发表了题为 the and of 的观点性文章。本文概述了利用不断发展的技术和模型系统，探究肿瘤时间和空间进化，并且讨论了计算模型与实验结果相一致的重要性，以此来掌控肿瘤治疗的时机性。

人类宿主内的肿瘤细胞群代表着进化枝（由一个或少量细胞产生），但随着种群的扩展并适应不同的微环境，会出现多种物种。如果每立方厘米的肿瘤大约有10亿个肿瘤细胞，那么总的10克肿瘤负担将比地球上的人类数量要多。铲除如此庞大和多样化的肿瘤细胞显然具有挑战性。实际上，即使是最有效的药物，其治疗效果通常也是短暂的。在异质性肿瘤细胞群体中，几乎都会具有耐药性的肿瘤细胞。鉴于肿瘤细胞具有巨大的适应性潜力，有必要探究清楚肿瘤进化的模式来控制疾病的进展。

肿瘤细胞在体细胞进化过程中，其中包括突变、选择和遗传漂移等。选择是其中的决定性驱动因素。高通量基因组学和转录组学使肿瘤类型与体细胞突变之间的关系得到深入阐明。鉴定离散的体细胞基因组突变相对容易，这也形成了基因为中心的肿瘤生物学观点，该观点目前已占据该领域的主导地位。但该观点却忽略了肿瘤进化这一关键方面。突变引起可遗传的基因变异，而选择作用于表型不是基因型。近年来通过进化和种群遗传学方法对肿瘤基因组学进行分析，从而在基于遗传变异模式对肿瘤动力学的各个方面都获得了定量的分析结果。除了遗传多样性以外，还有许多因素影响着肿瘤细胞群的进化能力，如肿瘤内局部微环境因空间位置不同细胞特性也会发生很大变化、不同的时间点、血流变化、细胞信号传导、细胞代谢、细胞与基质相互作用，宿主反应或治疗中医源性变化等。肿瘤细胞表型的适应性取决于这些环境特性，多种因素作用下，局部组织条件下产生进化事件。这种进化异质性表现为整个肿瘤中肿瘤细胞分子特征的空间变化。这种变化可能是肿瘤进化的结果而不是原因。肿瘤细胞也可以进化为适应微环境的特性，让细胞最大化适应局部环境条件。

尽管人类肿瘤蛋白质组学分析难以做到大规模实现，但可以用于分析微环境与肿瘤细胞之间信号转导异常机制。这些相关研究有助于助力肿瘤免疫疗法。因此能够对整个肿瘤样本进行空间多重分子分析的新技术可以大大增进对肿瘤生态学和进化动力学的理解。在该观点文章中，作者总结了肿瘤进化领域目前的发现和未来研究的方向。最后作者又讨论了潜在的肿瘤进化理论，还有如何利用数学和计算模型将多种检测方法统一起来以更好的指导肿瘤治疗。

定义肿瘤进化的相关参数

随着肿瘤发生发展，随后会复发扩散至远端器官。目前介导这一过程的关键因素尚不清楚。而且随着年龄增长，细胞会产生突变，克隆扩增会导致恶性肿瘤发生。由于临床上通常会检测到肿瘤后才能采样分析，需要开发技术来重建其突变史。进化和群体遗传学发现，肿瘤的进化不是连续的，而是以断断续续的（ ）的方式进行。早期获得的体细胞突变可能会影响肿瘤的侵袭性以及发展命运（详见报道：；）。肿瘤基因组数据构建的进化模型已在概念上取得了重要进展，其中的关键参数，包括细胞分裂率、突变率和选择性系数也能够得到评估。也有多项研究在关注靶向治疗过程中的进化动力学与耐药相关的突变的关系。有研究致力于推断原发肿瘤的转移灶转移的时机，为上皮肿瘤早期全身扩散提供定量证据。

肿瘤进化相关参数

利用生态和进化理论框架探究肿瘤已得到越来越多的认可，这对于开发疾病进展和治疗反应的预测模型至关重要。此外，其中一些eco-evo参数本身就是生物标记参数。为了推进精准肿瘤学（ ）的发展，定义肿瘤进展中关键转变参数显得非常重要。鉴于实体瘤在分子，细胞和表型水平上都观察到广泛的异质性，未来检测人体组织或模型系统中有关eco-evo参数时应考虑组织采样的方法（多区域采样与单个单元格比较）以及空间分析技术所需的分辨率。同样，在选择体外和体内实验平台时也要考虑异质性，总结疾病动态变化特点并检测相关参数。作者接下来概述了可能有助于对肿瘤生态进化动力学进行定量和机制探究的技术，实验方法和计算模型。

在特定背景条件下检测肿瘤组织的技术

细胞状态及其在发育和疾病中的相互作用需要在空间上和时间上进行分子检测，理想情况下是单细胞水平检测。这也推动了用于原位蛋白质组和转录组分析技术的开发，这些技术保留了组织结构内细胞之间的拓扑关系。空间蛋白质组学利用免疫组化技术评估组织标本中蛋白质的表达和定位已经用了许多年。免疫组化是临床肿瘤诊断的常规组成部分。传统的免疫组化通量低而且不能定量。后来开发出分辨率和动态范围不同的多种技术，可以进行定量、多重（约40种标记）蛋白质组学测定，从而能够研究健康和恶性组织中的细胞相互作用和免疫反应情况。例如，利用细胞质谱成像（ mass ，IMC）已经确定了肾细胞癌中的巨噬细胞和T细胞表型及其与临床预后的关系。这种技术也被用于在单细胞水平上探究未经治疗的乳腺肿瘤的特征（详见报道：）。另外一种被称为多重离子束成像（ ion beam ，MIBI）的技术已在三阴性乳腺癌中鉴定出混合的（mixed）和分隔的（）两种免疫细胞排列方式，并发现免疫细胞分隔排列的肿瘤预后更好。这些研究表明，肿瘤内细胞的空间组织排布并不是非随机的。其他技术，例如 数字空间轮廓分析技术（ ，DSP），可用于从同一样本中获得目标蛋白组和转录组数据。通过比较治疗前和治疗后的肿瘤样本，空间蛋白组学可以识别失控的细胞信号传导，包括与靶向或免疫疗法抵抗相关的补偿途径。多重成像蛋白质组学方法特别适用于分析已经存档的组织样本和数量有限的活检标本，而使用标准的分离型“组学”分析法通常很难进行分析。

空间转录组谱分析提供了一种无偏见的分析方法。它主要基于两类方法。第一类方法涉及单分子荧光原位杂交（- in situ sm，FISH），可以直接标记组织切片中的转录本，可以对单细胞位置进行成像。此类方法包括顺序FISH（ FISH，）和空间分辨的高度多重化RNA分析（ error- FISH，），这些方法能以高灵敏度原位分析单个细胞中多种转录本。另一类方法包括空间转录组学和Slide-seq，它们使用载玻片上排列的条形码，进行测序以识别每个位置的条形码。尽管后一种方法目前无法在单细胞水平上进行分析，但是分辨率还在改进中。

在单细胞水平上检测细胞表观遗传状态的技术也已经开发出来，并能同时检测单细胞基因表达和可及性。这些技术上的改进旨在增加可从单细胞中读取的“ omes”的数量。这些新数据为以高水平分辨率定义模型系统和人体组织中细胞类型，状态和表型提供了机会。这些方法可以检测到以前无法分析的参数，例如细胞类型以及脉管系统的多样性分析。这些技术其中一个关键的挑战是建立坚实的细胞本体论，并在各种肿瘤生态系统和组织结构内绘制细胞类型图谱。

检测肿瘤细胞表型和适应性的模型系统

准确和易于实验控制的肿瘤模型可进行实验重复和功能研究。也可以通过基因组编辑来改变特定基因细胞的进化过程，有助于将肿瘤基因组变化与肿瘤表型相关性联系到一起。重要的是，这些模型还有助于直接分析肿瘤的适应性进化特征，以响应不同的环境条件或治疗干预措施。已经开发了多种体外和体内肿瘤模型，它们的易处理性，生理相关性和对特定研究过程的适用性各不相同。永生化的肿瘤细胞系几十年来一直是开发肿瘤药物的工具。近年来，包括肿瘤细胞系百科全书（ Cell Line ，CCLE）以及基因组范围的RNA干扰， loss of 筛选和多种化合物作用下细胞活力数据在内的细胞系综合分子特征，已极大地促进了遗传相互作用和进化可持续性的发现，从而产生了基于肿瘤的细胞图谱。这些资源为确定新的治疗靶标和治疗敏感性的生物标志物提供支持。全基因组筛选也已用于定义与治疗抵抗相关的基因组。例如近期在EGFR突变型肺癌细胞系中进行的全基因组开放阅读框耐药性筛查，用于绘制多种靶向疗法的基因型适应图谱，也表明了肿瘤适应性的复杂性。

实验系统在研究肿瘤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。精心设计的研究方法可以识别出肿瘤适应性的基本原理，从而提供了一个定量的视角来观察肿瘤动态进展。一个关键的挑战将是建立可扩展的技术，以高通量的研究与肿瘤细胞适应性相关的多种基因型以及环境和干扰因素。

操控肿瘤进化，助理肿瘤治疗

进化是消除和控制肿瘤的巨大障碍。肿瘤内的遗传、表型和微环境异质性使肿瘤在治疗后容易复发，抵抗治疗性克隆在治疗选择压力下会扩增。肿瘤甚至可以增强其变异性，从而抵抗治疗。适应性疗法旨在通过短脉冲最小剂量的治疗方法（最小有效剂量）来抑制肿瘤的生长，而不是利用杀死所有肿瘤细胞的最大剂量来达到控制肿瘤选择的过程。以这种方式，及时停止治疗可使残留的敏感细胞扩增，以平衡具有治疗抵抗性细胞的适应性优势。尽管治疗暂停导致肿瘤再生长，但是耐药亚群占比仍然足够小，使用相同的药物进行再治疗仍然有效。通过治疗和暂停之间交替进行，竞争性地限制了治疗抵抗细胞的生长。正在进行的转移性去势抵抗性前列腺癌试验（）的初步数据表明，治疗与暂停交替阿比特龙治疗（适应性治疗）显着延长了肿瘤进展时间，其药物使用量比持续阿比特龙治疗少50％。这些发现也衍生了在其他类型肿瘤中的适应性治疗试验，这也凸显了利用肿瘤细胞进化特征在治疗中的价值，其中的数学和计算模型是研究治疗过程中指导进化方法的关键工具。最优控制理论和进化博弈论已被用于系统地评估联合药物治疗策略的选择。

结 论

从最初的克隆生长到治疗耐药性和转移，进化过程是恶性肿瘤各个阶段的基础。因此，对进化动力学的机制和定量研究可以为早期发现，诊断和治疗提供依据。上面概述的技术在研究患者样本和实验模型中的应用将为探究特定背景下的肿瘤进化奠定基础。NCI肿瘤系统生物学委员会（NCI ，CSBC）等跨学科研究计划大力支持肿瘤进化机制基础研究。通过生物实验、计算模型、多维数据分析和系统工程的综合分析，也为肿瘤的进化特征研究提供了基础。NCI人类肿瘤图谱网络（NCI Human Tumor Atlas细胞的进化过程，HTAN）也大力支持该研究方向。该网络致力于在各种类型的肿瘤进化过程中绘制肿瘤转变过程中的3D图谱。肿瘤只是体细胞进化的一种形式，在肿瘤研究中学到的原理可以为其他组织系统提供信息。同时，进化方法在肿瘤预防和控制中的应用具有降低肿瘤死亡率的巨大潜力。但是临床转化或许需要数年的时间才能实现。

原文链接

制版人：十一