《Pathology - Research and Practice》：Tumoroid-derived extracellular vesicles for prognosis and therapeutics: A valuable tool in precision medicine
编辑推荐：
精准医学通过整合患者来源肿瘤oids和EVs的分子信息，结合AI分析优化癌症诊断与个性化治疗策略。肿瘤微环境（TME）研究利用器官oids建模，AI驱动分析提升疗效预测和靶向治疗开发。
Vijay Murali Ravi Mythili | ArulJothi Kandasamy Nagarajan | Vasanth Kanth Loganathbabu Thasma | Shriya Pattabiram | Kumaran Kasinathan | Ramya Lakshmi Rajendran | Anand Krishnan | Prakash Gangadaran | Byeong-Cheol Ahn
印度泰米尔纳德邦Chengalpattu的SRM科学技术学院工程与技术系遗传工程系，整合遗传学与分子肿瘤学小组
摘要
精准医疗通过根据个体的基因特征制定治疗方案，彻底改变了医疗保健方式，这与标准化疗法形成了对比。源自患者的肿瘤类器官为癌症研究提供了便利，而细胞外囊泡（EVs）则有助于了解疾病状态。来自肿瘤类器官的EVs可作为癌症的诊断工具，反映基因突变，并实现疾病进展的微创监测。人工智能（AI）通过分析来自肿瘤和EVs的大量数据集，提升了精准医疗的水平，从而推动了癌症检测和治疗的发展。肿瘤微环境（TME）在肿瘤发展中起着关键作用，研究人员使用源自患者的类器官（PDOs）来研究这一环境，这些类器官能够准确再现组织功能，支持药物筛选和个性化治疗策略的制定。将精准医疗与基于AI的肿瘤类器官和EVs分析相结合，有望通过个性化治疗方案改善患者的治疗效果和生活质量。
引言
精准医疗是一种先进的医疗方法，它认识到个体生物学因素的重要性，并利用这些因素来改善患者的治疗结果。当前的治疗方案通常采用“一刀切”的策略，可能并不适用于所有患者。个性化医疗根据患者的基因组成和其他相关因素制定个性化的治疗计划，从而解决了这一局限性[1]。源自患者的肿瘤类器官——由患者活检样本培养出的三维（3D）肿瘤细胞——为癌症研究及定制治疗方案的开发开辟了新的途径[2]、[3]、[4]。近年来，细胞外囊泡（EVs）作为精准医疗的重要组成部分而受到重视。EVs含有核酸和蛋白质等生物分子，有助于了解疾病状态。来自肿瘤类器官的EVs在癌症的诊断和监测方面展现出潜力，尽管并非所有EV群体都专门反映恶性肿瘤的特异性突变，且可能存在非肿瘤细胞的污染问题。遗传异常（包括突变、拷贝数变异和基因融合）有助于早期发现和诊断癌症[5]、[6]、[7]。此外，可以从多种生理液体中分离出EVs，这是一种微创且经济有效的疾病进展监测方法。应用于来自肿瘤类器官和EVs的数据集的人工智能（AI）系统在定义生物标志物和预测治疗结果方面具有巨大潜力。基于AI的肿瘤类器官基因表达数据分析可以区分具有不同分子特征的患者亚群；然而，这些应用仍处于实验阶段，需要进一步验证。此外，AI可以与源自患者的肿瘤类器官和EVs结合使用，以预测治疗反应并识别新的治疗靶点[8]。例如，AI可以分析肿瘤类器官中的基因表达模式，识别对特定疗法反应不同的患者亚群。基于AI的EVs评估还有潜力提供肿瘤微环境（TME）的全面视图，包括免疫细胞、基质细胞和癌细胞，从而为制定更精确的治疗方案提供依据[9]。因此，将AI与源自患者的肿瘤类器官和EVs相结合，是精准医疗中的强大工具，有望提高癌症的检测、监测和治疗效果，同时加深我们对这些疾病分子机制的理解[1]、[10]。
类器官建模的相关内容
肿瘤微环境（TME）及其组成部分
根据美国国立卫生研究院（NIH）的定义，肿瘤是细胞过度生长和分裂或未能经历程序性细胞死亡时形成的异常组织团块[11]。恶性肿瘤是癌性的，而良性肿瘤则不是。肿瘤的生长依赖于一个复杂的微环境——即TME，该环境包含细胞和非细胞成分。通过这些成分，TME促进了肿瘤的发展、癌变和转移。
源自患者的类器官及其在生物标志物和药物筛选中的应用
类器官（PDOs）是从大脑、肝脏、胰腺和胃肠道等多种器官和组织中提取的三维（3D）细胞培养模型[45]、[46]、[47]。PDOs能够再现其来源组织的结构、细胞和功能特征，因此比传统的二维培养或许多动物模型更具生理相关性。由于PDOs能够再现来源组织或器官的复杂细胞组成和功能，它们在药物研究中具有很高的价值。
EVs在诊断和精准医疗中的应用
EVs是一类异质性的膜结合囊泡，含有多种蛋白质、脂质和核酸。它们还携带细胞因子和趋化因子，可以触发和调节多种生理反应[7]。根据其生成方式、大小和物理特性，EVs通常被分为外泌体（exosomes）和微囊泡（microvesicles）。外泌体源自内体膜的向内出芽，并在多囊泡体与质膜融合时释放。
AI在精准医疗领域的应用
AI的应用已经改变了癌症研究，并实现了个性化临床护理。AI在肿瘤学研究中的使用日益增多，这得益于高维数据集的可用性、高性能计算的进步以及新型深度学习架构的发展。这些突破预计将引领癌症治疗的AI驱动范式转变，因为它们已被整合到临床实践中。AI有潜力显著影响癌症治疗的多个方面。
存在的差距和局限性
精准医疗通过考虑患者的具体变量（如遗传背景、生活方式和环境暴露）来提供个性化治疗，但传统医学的“一刀切”方法假设患有相同疾病的患者会有相同的反应，这限制了其效果。环境影响、遗传变异、生活方式因素和其他患者特异性因素可能会影响治疗策略的有效性。
结论与未来展望
在临床前和临床试验中，使用间充质干细胞作为EVs的细胞来源，扩展了富含miRNA的EV疗法的潜力。技术的进步和对EV生物学更深入的理解进一步推动了针对多种疾病（包括心血管并发症和中风）的疗法开发。值得注意的是，现在应结合PDOs和基于AI的分析来考虑EVs的治疗和诊断潜力。
伦理批准和参与同意
不适用
作者贡献
AK、PG和B-CA参与了本手稿的构思、撰写和讨论。VMRM和AKN准备了初稿，并对其发展做出了同等贡献。手稿中提到的所有作者都参与了草稿的修订，提供了关键意见，并批准了最终版本。
资助
本工作得到了韩国政府（MSIT）资助的韩国国家研究基金会（NRF）的资助（NRF-2022R1A2C2005057）。
作者贡献声明
Byeong-Cheol Ahn：撰写 – 审稿与编辑、监督、方法论设计、研究实施、资金获取、数据分析、概念构建。
Vijay Murali Ravi Mythili：撰写 – 初稿撰写、研究实施、数据分析、概念构建。
Ramya Lakshmi Rajendran：撰写 – 审稿与编辑、研究实施、数据分析。
Kumaran Kasinathan：撰写 – 审稿与编辑、研究实施、数据分析。
Prakash Gangadaran：
利益冲突声明
作者声明他们没有已知的可能影响本文工作的利益冲突或个人关系。
致谢
不适用
出版同意
不适用
