Nature methods：新技术推动癌症个体化治疗

一种用于观察细胞行为的新工具揭示了关于癌细胞如何响应治疗的令人惊讶的线索，或有可能提供一条途径进一步改善个体化癌症治疗。相关论文发表在8月12日的《自然方法》（Nature Methods）杂志上。

　　

生物通报道  一种用于观察细胞行为的新工具揭示了关于癌细胞如何响应治疗的令人惊讶的线索，或有可能提供一条途径进一步改善个体化癌症治疗。

英国范德比尔特英格拉姆癌症中心的研究人员开发的这种方法证实埃罗替尼（erlotinib）这一在某些肺癌、脑癌和其他癌症中针对突变生长因子受体起作用的靶向性治疗如从前所认为的并不仅仅杀伤了肿瘤细胞，该药物还引起了一些肿瘤细胞进入到非分裂（静息）状态或减慢它们的分裂速度。作者们认为细胞对该药反应的这种差异性有可能与癌症复发和耐药有关。

新工具或可通过预测肿瘤反应并在个体患者肿瘤中测试靶向性治疗组合为改善个体化癌症治疗提供新途径。相关论文发表在8月12日的《自然方法》（Nature Methods）杂志上。

在个体化癌症治疗方法中，是针对患者的肿瘤进行一组突变分析，用对这些突变起作用的药物匹配分析的突变。

资深作者、癌症生物学教授Vito Quaranta博士说这种方法对许多携带特异突变的癌症相当有效。

Quarant 说：“遗传学得到了很好的了解，临床效应和治疗背后的化学机制均获得了理解。但还存在一个缺失的片段。信不信由你，目前对细胞如何响应这些药物，事实上正在发生的事情实际并没有获得很好的了解。”

普遍的看法认为靶向性治疗会杀死所有包含特异突变的细胞。然而即便肿瘤完全是由遗传上相同的细胞构成（这是不可能的），一种药物也不会以同样的方式影响所有的细胞，Quaranta解释道。

“这些细胞中的一些可能死亡，一些可能只是停止分裂，静止在那里，而一些可能维持分裂只是更慢一些而已，”Quaranta说。

然而，当前没有一种测试能够提供了解肿瘤对药物响应所需的细胞行为的准确详细的图像。

因此，由第一作者、癌症生物学研究助理教授Darren Tyson博士领导的研究人员将强大的自动化时差显微镜与分析仪器和他们开发的软件结合到了一起。

利用这些技术，他们能够在长达10天的时间内每隔6-10分捕捉一次肺癌细胞的行为。

如他们预期的，靶向性治疗埃罗替尼杀死了一些细胞，而另一些转为静息状态。他们观察到甚至对于遗传上相同的细胞药物的影响也存在差异。

Tyson说：“这些细胞显然遗传上是相同的，因为是由一个细胞分裂而成，它们有可能是一样的，但是你却得到了完全不同的反应：一个死亡，另一个不会。这表明除了必须将遗传学考虑在内还有一些其他的东西。

这些其他的因素是什么目前仍然不清楚，但研究人员正在开展后续实验以确定什么有可能成为这一差别反应的基础。

“大概，那些静息细胞最终导致了肿瘤复发，”Tyson说。

Quaranta和同事们希望将这一技术带到小型临床试验中以检测它是否能预测患者对于治疗的反应。

Quaranta说：“我们认为我们有可能能够预测反应将会是怎样。我们可从肿瘤中抽取样本，让它们接受这种分析，因为我们是随着时间推移观察反应，我们将得出反应率。”

这可以告诉肿瘤学家在复发前患者的肿瘤对给予的治疗做出反应将会是多久。这些信息也可能帮助确定哪些患者将需要得到更积极的治疗，Quaranta认为这一分析将能够测试针对患者肿瘤细胞的药物组合以确定诱导反应的适当组合。

“我们希望这种分析，或部分实行这种分析将最终将个体化临床试验一样发挥作用，”Quaranta说。

（生物通：何嫱）

生物通推荐原文摘要：

Fractional proliferation: a method to deconvolve cell population dynamics from single-cell data

We present an integrated method that uses extended time-lapse automated imaging to quantify the dynamics of cell proliferation. Cell counts are fit with a quiescence-growth model that estimates rates of cell division, entry into quiescence and death. The model is constrained with rates extracted experimentally from the behavior of tracked single cells over time. We visualize the output of the analysis in fractional proliferation graphs, which deconvolve dynamic proliferative responses to perturbations into the relative contributions of dividing, quiescent (nondividing) and dead cells. The method reveals that the response of 'oncogene-addicted' human cancer cells to tyrosine kinase inhibitors is a composite of altered rates of division, death and entry into quiescence, a finding that challenges the notion that such cells simply die in response to oncogene-targeted therapy.