Cancer Cell | 多组学技术重塑精准肿瘤治疗的未来

二代测序技术和质谱多组学检测技术极大推动了临床肿瘤学的进展，潜在的治疗靶点和生物标志物，帮助实现了肿瘤的个体化治疗，并显著改善了多种常见和罕见实体瘤的治疗效果。如何将多组学数据与精准治疗完美结合，是前瞻性验证和临床实践中面临的挑战。

2022年9月1日，瑞士伯尼尔大学Mark A. Rubin教授在Cancer Cell上发表了题为Clinical application of advanced multi-omics tumor profiling: Shaping precision oncology of the future的综述文章，总结了多组学检测用于肿瘤解析的最新进展，并重点关注空间基因组学和染色质构象、空间转录组和蛋白质组、液态活检以及药物有效性评估的体外模型。分析了这些技术临床转化所处的阶段并讨论了将其整合到肿瘤精准治疗中的未来前景。

二代测序通过对癌症相关分子的平行检测，颠覆了癌症传统治疗，并发现了一些新的肿瘤驱动基因、原发和获得耐药基因及位点。二代测序结果已成为癌症精准分子分型的重要依据，并推动了新型分子靶向药物和个性化治疗的开发。

多组学技术的进步使我们能够从单细胞水平了解肿瘤。空间基因组、空间转录组和空间蛋白质组可帮助理解肿瘤的三维分子结构，并解析肿瘤细胞和肿瘤免疫微环境（TME）之间的细胞间相互作用。血浆细胞游离DNA（ctDNA）的综合图谱分析和循环肿瘤细胞（CTC）的多组学分析，为解释肿瘤进展和治疗过程中肿瘤分子结构的动态变化提供支持。

多组学肿瘤图谱分析的技术进展

空间多组学技术结合了分子表征和空间分辨率，可解析肿瘤的分子结构，揭示肿瘤内的异质性和肿瘤微环境的空间组织。因此，可细分为空间基因组、空间染色质构象、空间转录组和空间蛋白质组。

空间基因组

空间基因组将基因测序信息精确到细胞和亚细胞水平，能够定位到肿瘤组织中特定的基因组序列，包括拷贝数改变 (CNA) 和体细胞突变。

空间转录组

空间转录组可以同时获得细胞的空间位置信息和基因表达数据。过去几年中涌现了多种空间转录组检测技术，如基于显微切割、原位杂交、原位捕获、原位测序的方法等。

空间蛋白质组

空间蛋白质组可以在细胞甚至亚细胞水平分析空间的蛋白质分布或完整蛋白质。空间蛋白质组分析方法包括免疫荧光（IF）、飞行时间质谱 (TOF)和基于测序的方法。

CODEX (CO-Detection by IndEXing)是一种基于免疫荧光的蛋白组学分析平台，CODEX平台结合了寡核苷酸标记(Barcode)和微流控自动染色技术，可以检测多达56种肿瘤和免疫标志物，并且可以提供单细胞水平的高分辨率图像，适用于新鲜冷冻组织或 FFPE组织的检测。

质谱流式 (CyTOF)、成像质谱流式 (IMC) 和多离子束成像技术 (MIBI) 基于TOF质谱的方法。

这些方法通过用同位素标记的抗体对细胞蛋白染色，然后通过TOF识别蛋白。

经典的质谱流式(CyTOF)分析悬浮细胞，因此缺乏空间分辨率。

成像质谱流式（IMC）结合了激光消融，可以将带有同位素的抗体或者探针标记的组织切片的一部分变为等离子态，送入流式质谱CyTOF进行分析，空间分辨率为1mm。

MIBI采用高度灵敏的二次离子质谱法，能有助于在肿瘤微环境精确成像方面达到另一个维度。该方法的空间分辨率可高达500nm。

GeoMx 空间靶向蛋白组基于测序的方法，技术关键在于使用光可切割子（PC）将寡核苷酸标签（DSP barcode）与抗体连接，预先将修饰抗体混合物与组织切片孵育，当紫外光投射到组织切片时，释放DSP barcode，通过检测DSP barcode序列读出组织原位表达的蛋白质及其丰度，实现在组织切片原位检测多达100+种蛋白表达谱。包括免疫细胞marker、免疫标志物、信号通路等。

蛋白质学分析进展

转化应用现状

空间基因组和染色质构象在癌症生物学中的应用

空间基因组在癌症生物学研究中的应用仍处于早期阶段。slide-DNA-seq已应用于肿瘤样本，可从空间上解析完整组织样本中的基因组数据。这种方法可以识别、定位和表征三维肿瘤结构中的单个克隆，因此具有呈现治疗过程中肿瘤内异质性和肿瘤克隆进化的巨大潜力。

空间转录组在解析癌症生物学中的应用

基于可以反映复杂组织样本中细胞基因表达情况的独特能力，空间转录组已成为一种强大的癌症研究的工具，尤其是肿瘤免疫学领域，可表征宿主-肿瘤相互作用和发现新的治疗策略。

空间蛋白质学在癌症生物学中的应用

空间蛋白质组与空间转录组联合分析，可表征功能肿瘤免疫微环境。基于CODEX检测结直肠癌样本中的空间蛋白质组学数据，发现了九个保守的细胞邻域（CNs），由特定的细胞类型组成。

此外，弥漫性炎性肿瘤中，粒细胞的细胞邻域PD-1+CD4+T细胞丰度高，与较高的生存率有关。重要的是，这些细胞的总体丰度与生存期无相关性，凸显了空间位置的重要性。

使用单细胞质谱流式细胞仪，Wagner等在高级别乳腺癌样本中，发现了存在 PD-L1+免疫抑制性巨噬细胞和耗竭T淋巴细胞的富集。

此外，空间蛋白质组数据也用于指导临床试验。GeoMx DSP的空间蛋白质组数据已用于临床试验（ClinicalTrials.gov：NCT02923180），对于高危局部进展期前列腺癌，接受enoblituzumab（抗 B7-H3）新辅助免疫治疗后，分析免疫标志物的修饰。

在黑色素瘤治疗中，基于GeoMx DSP的蛋白质组学分析与基于nCounter PanCancer IO 360的组织转录组数据关联分析，改善了免疫治疗预测的效果。

基于CycIF对细胞表面蛋白质组学分析，发现细胞表面抗原CD318、TSPAN8和CD66c，可作为胰腺癌CAR T治疗预测的潜在标志物。

最近， LC-MS质谱法鉴定发现细胞表面标志物CD72，可作为存在KMT2A/MLL1重排的B细胞急性淋巴细胞白血病的治疗靶点。

此外，质谱法可用于研究致癌信号通路并作为肿瘤重新分型的依据。

驱动肿瘤精准治疗和生物标志物发现的应用前景

肿瘤精准治疗的关键是基于分子标志物的精准分层、基于分子标志物和肿瘤-免疫互作的精准治疗，目的是实现个性化治疗，最大限度地提高治疗效果，减少不必要的毒副作用。

新的肿瘤精准检测技术成果用于临床的关键要素包括：

(1)跨实验室和检测批次间的技术标准化，以产生标准化和可重复的数据；

(2)前瞻性临床验证，建立与治疗效果的关系；

(3)临床可行性分析，检测周期，组织样本要求，经济成本和监管批准。

深度学习可对多组学数据进行整合分析，基于肿瘤分子数据预测药物治疗效果，可进一步驱动肿瘤靶向治疗。

肿瘤多组学数据整合分析临床应用前景

文章的最后，作者提出，建立和验证可靠的预后和预测性生物标志物，以及开发新的靶向药物和治疗策略，仍然是肿瘤精准医学领域未满足的需求。近年来，多组学肿瘤图谱解析技术发展突飞猛进，对于深入研究肿瘤分子形态，阐明癌症生物学，涌现了振奋人心的新发现。然而，这些技术也产生了纷繁复杂的数据库，如何将高度复杂的信息转化应用于临床，最终使癌症患者受益，这给转化和临床研究人员带来了巨大挑战。那么，新的肿瘤分析技术将如何重塑未来的精准治疗呢？在我们看来，除了分析标准化、前瞻性临床验证和临床可行性之外，临床应用的下一步是将复杂的技术和由此产生的大数据整合到临床应用的关键。多组学肿瘤图谱的临床应用仍处于早期阶段，但我们有理由乐观地认为，其中一些新技术不仅将进一步提高我们对肿瘤生物学的理解，而且未来还将极大地重塑癌症的精准治疗。

参考资料

Akhoundova and Rubin, Clinical application of advanced multi-omics tumor profiling: Shaping precision oncology of the future, Cancer Cell (2022)。