导读:21 世纪中叶的精准肿瘤学奇点?循环肿瘤细胞和单细胞测序?

news2024/12/28 3:30:30

Tips:
组学时代的循环肿瘤细胞:我们离实现“奇点”还有多远?(Br J Cancer,IF:9.075),原文链接: https://pubmed.ncbi.nlm.nih.gov/35273384/
循环肿瘤细胞的生物学、脆弱性和临床应用(Nat Rev Cancer,IF:69.800),原文链接:https://pubmed.ncbi.nlm.nih.gov/36494603/

CTC 与单细胞测序

大体上来说,液体活检主要可以分为 CTC和 ctDNA。CTC 起源于肿瘤自发或者由于外科手术的原因脱落并渗入外周血循环系统。自从 1869年首次发现 CTC 以来CTC 在癌症生物学、分子谱分析和肿瘤液体活检精准医学中的关键和多方面作用得到了越来越多的认可。特别是,随着单细胞多组学技术和人工智能领域的飞速发展。极大的加速了 CTC 在基础和临床研究的进度。与ctDNA相比,细胞是一个更完整的生物实体,可以在转录组学、基因组学和蛋白质组学水平上以大量或单个细胞的形式进行分析,甚至理论上可以进行体外培养或者类器官培养,进行绝对精准化的个体化药物筛查(这部分是我猜的)。
譬如,

  • 2014年6月,发表在Nature Medicine上的一篇题为Tumorigenicity and genetic profiling of circulating tumor cells in small-cell lung cancer的研究,证明了 CTC 可以在体外培养,在免疫缺陷型小鼠上进行异种移植。并在单细胞测序水平上验证了CTC 和异种移植后的细胞的一致性。进一步的说明,只要技术够硬,我上面的猜测完全可以实现,使用 CTC 进行类器官培养,或者体外培养,然后进行个体化的药物筛选。

  • 2017年1月,发表在 Nature Medicine上的一篇题为Molecular analysis of circulating tumor cells identifies distinct copy-number profiles in patients with chemosensitive and chemorefractory small-cell lung cancer 的研究,阐述使用单细胞全基因组测序分析技术,对患者进行无创的药物敏感性鉴定,准确率超过 80%。研究也重点表面,CTC 的检测其优势在于可以重复获取,并进行实时的动态监测,帮助患者进行更加精准的治疗避免重复、过度医疗。

  • 2019年 5 月,发表在 Nature Communication 上的一篇题为 Hydro-Seq enables contamination-free high-throughput single-cell RNA-sequencing for circulating tumor cells 的研究,证明了在乳腺癌中使用 CTC 代替活检进行分子靶标鉴的可行性。

  • 2021年 7 月,发表在 Nature Communication 上的一篇题为 Dissecting spatial heterogeneity and the immune-evasion mechanism of CTCs by single-cell RNA-seq in hepatocellular carcinoma 的研究,阐述肝癌的 CTC 通过激活 CCL5等趋化因子进行免疫逃逸以及肝癌 CTC 的空间异质性。

  • 2022 年12月,发表在 Nature Communication 上的一篇题为Deep transfer learning enables lesion tracing of circulating tumor cells的研究,阐述了深度学习方法在 CTC 溯源中的应用。

目前来说,阻碍 CTC 临床应用的主要原因有两个 :

  1. CTC 含量实在太低,捕获难度大的一匹
  2. 肿瘤间和肿瘤内的异质性过强,没有统一的 marker,虽然目前公认的是 EPCAM,但是在转移的过程中 CTC 的形态非常难以确定,捕获难度极大。

2013 年 9 月,发表在Science上的一篇题为Circulating breast tumor cells exhibit dynamic changes in epithelial and mesenchymal composition 的研究。阐明,

  1. 原发性肿瘤细胞同时表达间充质和上皮标志物但是间充质细胞标记物在 CTC 中高度富集。
  2. 间充质细胞标记物的高度表达会引起 CTC 簇的形成。
  3. 间充质CTC 簇形成的原因可能是 EMT 转换后,自我复制后行程的簇,也有可能是脱落的 CTC 被已经存在的 CTC 簇诱导形成。
  4. 文章强调,CTC 会与血液中的血小板结合,并且血小板释放转化生长因子 β (TGF-β)诱导 CTC 产生 EMT 转化

因为这篇 Science 的内容太多,以后做更加细致的讲解

因此开发出一些独立于 EPCAM 的生物标记物

  • 2018年 8 月,发表在Nature Communication上的The VAR2CSA malaria protein efficiently retrieves circulating tumor cells in an EpCAM-independent manner的文章提出使用疟疾 rVAR2 蛋白捕获 CTC。因为疟疾 rVAR2 蛋白可以与肿瘤细胞上的硫酸软骨素特异性结合,并且证明了rVAR2 能够有效地捕获来自肝癌、肺癌、胰腺癌和前列腺癌患者的 CTC。

当然也有其他的方法,比如负富集,电荷分类法等等

CTC 转移和 CTC 簇

CTC 的转移过程主要有 5 个阶段

  1. 第一阶段,从原位肿瘤中脱落
  2. 进入 TME
  3. 渗入血液系统
  4. 传播
  5. 驻留在组织器官
    在这里插入图片描述
    并且,CTC 转移的方向和过程是多向的,甚至会出现自我转移的现象(就是通过血液循环转移了一大圈又回到原点,俗称转移了个寂寞)。

2009 年 12月发表在 Cell 上,题为Tumor self-seeding by circulating cancer cells
但是,实际上,自我转移并非转移了个寂寞,上面提到,Science 那篇文章就指出,在血液循环过程中,CTC 会被血小板黏住,并且血小板会分泌一些东西使得 CTC 在循环过程中发生进化,因此自播种可以通过种子衍生因子加速肿瘤生长、血管生成和间质募集。
并且,这里甚至可以强行得出一个结论(我瞎猜的,因为我没有找到靠谱的结论)。CTC 无论是定向移植还是自我移植必然都是刻在 CTC 内部的 DNA。通俗来说,我认为,CTC 的转移就是宿命论,CTC 在转移的那一瞬间就已经决定了他的转移目的地,不然无法解释结为什么结直肠癌会发生高频肝转移,黑色素瘤、肺癌会发生高频脑转移。
2001年 5 月发表 Nature 上的一篇题为 Involvement of chemokine receptors in breast cancer metastasis 的文章指出,乳腺癌通过表达 CXCR4 进行骨髓定向
实际上,关于这部分的研究结论还是挺多的,但是很多的结果不是很robust就不列举了

上面也讲到,CTC 在转移的过程中,不仅以单个 CTC 的形式存在,甚至会以 CTC 簇的形式进行转移,与单个 CTC 相比,其转移潜能增加了 100 倍。

2015年 12月,发表在PNAS上的一篇题为Polyclonal breast cancer metastases arise from collective dissemination of keratin 14-expressing tumor cell clusters,CK14在 CTC 簇中高度富集,且是远端转移的重要因素之一。

这里就设计到 CTC 簇,CTC 簇实际上可以有两种类型,同型 CTC 簇(肿瘤细胞黏在一起)和异型 CTC 簇(肿瘤细胞和其他细胞黏在一起)。同型 CTC 簇容易粗发表观遗传学变化,这会导致肿瘤细胞群出现干性,增加其迁移和浸润能力。异型 CTC 簇,主要是和血小板,中心粒细胞或者肿瘤成纤维细胞等结合,使得肿瘤细胞实现免疫逃逸侵袭等功能。

CTC 的预后和预测价值

目前,CTC 的研究已经开始爆发式的增长,包括在前列腺癌,乳腺癌,肺癌,结直肠癌等。虽然,在临床上 CTC 的检测和研究存在假阴性的结果,但是大多数的结论都支持 CTC 或 CTC 簇可以用来评估患者的预后以及实现肿瘤的早期诊断。 多向干预性研究也表明,CTC 和单细胞多组学技术结合使用,能够帮助乳腺癌靶向治疗决策,以及预测前列腺癌患者靶向治疗的预后。此外,CTC 已被纳入WHO 肿瘤分类第五版:乳腺肿瘤和AJCC 癌症分期手册第七版中。总之,CTC 的真正力量在于它们代表高转移性肿瘤亚克隆的潜力,以及它们作为分子和功能研究的最新生物标志物来源的丰富性

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/138452.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

用javascript分类刷leetcode22.字典树(图文视频讲解)

目录 Trie树,即字典树,又称前缀树,是一种树形结构,典型应用是用于统计和排序大量的字符串(但不限于字符串),所以经常被搜索引擎用于文本词频统计。它的优先是,最大限度的减少无谓的…

数据挖掘与机器学习作业_06 决策树

决策树 步骤 1.计算不纯度2.选取不纯度最高的特征进行分支3.计算不纯度4.继续划分 from sklearn import tree from sklearn.model_selection import GridSearchCV from sklearn.model_selection import cross_val_score from sklearn.model_selection import train_test_spl…

单点登录 SSO 解决方案选型指南|身份云研究院

单点登录(SSO)是目前企业降本增效以及提升用户体验的主流选择方案。常规的单点登录指“登录一次,即可访问所有互相信任的应用,用户不再需要记住每一个应用的账号密码”,这有效解决了密码疲劳、登录效率等问题&#xff…

(深度学习快速入门)第三章第二节:通过一个二分类任务介绍完整的深度学习项目

文章目录一:数据集介绍二:一个完整的深度学习项目必备文件三:项目代码(1)config.py——超参数文件(2)preprocess——数据预处理文件(3)dataloader——数据集封装&#xf…

后端人眼中的Vue(一)

一、简介 1.1、Vue简介 ​ Vue是渐进式 JavaScript 框架,啥叫渐进式?渐进式意味着你可以将Vue作为你应用的一部分嵌入其中,或者如果你希望将更多的业务逻辑使用Vue实现,那么Vue的核心库以及其生态系统。比如CoreVue-routerVuexax…

Homekit智能家居DIY之智能灯泡

一、什么是智能灯 传统的灯泡是通过手动打开和关闭开关来工作。有时,它们可以通过声控、触控、红外等方式进行控制,或者带有调光开关,让用户调暗或调亮灯光。 智能灯泡内置有芯片和通信模块,可与手机、家庭智能助手、或其他智能…

RabbitMQ、Kafka、RocketMQ消息中间件对比总结

文章目录前言侧重点架构模型消息通讯其他对比总结参考文档前言 不论Kafka还是RabbitMQ和RocketMQ,作为消息中间件,其作用为应用解耦、异步通讯、流量削峰填谷等。 拿我之前参加的一个电商项目来说,订单消息通过MQ从订单系统到支付系统、库存…

ORB-SLAM2 --- KeyFrame::UpdateConnections 函数

目录 一、函数作用 二、函数流程 三、code 四、函数解析 一、函数作用 更新关键帧之间的连接图。 更新变量 mConnectedKeyFrameWeights:当前关键帧的共视信息,记录当前关键帧共视关键帧的信息(哪一帧和当前关键帧有共视,共视…

用C++实现十大经典排序算法

作者:billy 版权声明:著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处 简介 排序算法可以分为内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大…

喜报|知道创宇连续两年获评北京市企业创新信用领跑企业!

近日,2022年度北京市企业创新信用领跑名单正式发布。知道创宇凭借过硬的技术实力、创新能力及良好的企业信用记录成功入选2022年度北京市企业创新信用领跑企业。值得一提的是,这是知道创宇继2021年以来,连续两年获得此项殊荣。连续两年蝉联双…

CPU是如何执行程序的?

CPU是如何执行程序的?1、硬件结构介绍1.1、CPU1.2、内存1.3、总线1.4、输入/输出设备2、程序执行的基本过程3、a11执行的详细过程现代计算机的基本结构为五个部分:CPU、内存、总线、输入/输出设备。或许你了解了这些概念,但是你知道a11在计算…

【Kubernetes | Pod 系列】Pod 的镜像下载策略和 Pod 的生命周期 Ⅰ—— 理论

目录4. 镜像下载策略5. Pod 的生命周期5.1 Pod 生命期与特性说明5.2 Pod Phase 阶段说明备注5.3 容器状态说明(1)Waiting (等待)(2)Running(运行中)(3)Termin…

【回答问题】ChatGPT上线了!给我推荐20个比较流行的nlp预训练模型

目录给我推荐20个比较流行的nlp预训练模型给我推荐20个比较流行的nlp预训练模型源码给我推荐20个比较流行的nlp预训练模型 BERT (谷歌) GPT-2 (OpenAI) RoBERTa (Facebook) ALBERT (谷歌) ELECTRA (谷歌) XLNet (谷歌/纽约大学) T5 (OpenAI) Transformer-XL (谷歌/香港中文大学…

Qt音视频开发09-ffmpeg内核音视频同步

一、前言 用ffmpeg来做音视频同步,个人认为这个是ffmpeg基础处理中最难的一个,无数人就卡在这里,怎么也不准,本人也是尝试过网上各种demo,基本上都是渣渣,要么仅仅支持极其少量的视频文件比如收到的数据包…

【EdgeBox_tx1_tx2_E100】 PyTorch v1.8.0 torchvision v0.9.0 环境部署

简介:介绍PyTorch 环境 在 EHub_tx1_tx2_E100载板,TX1核心模块环境(Ubuntu18.04)下如何实现部署和测试,准备安装的环境是(PyTorch v1.8.0 torchvision v0.9.0)。 关于测试硬件EHub_tx1_tx2_E1…

文献学习04_Deep contextualized word representations 深度语境化的单词表示_20230102

论文信息 Subjects: Computation and Language (cs.CL) (1)题目:Deep contextualized word representations (深度语境化的单词表示) (2)文章下载地址: https://doi.org/10.48550/…

Telemetry网络监控技术讲解

目录 Telemetry基本概念 设备监测数据的数据类型 为么要提出Telemetry Telemetry网络模型 广义Telemetry 狭义Telemetry 狭义Telemetry框架 数据源(Yang) 数据生成(GPB) 数据订阅(gRPC、UDP) 数…

跟着开源项目学java7-从操作日志排除敏感字段的提交看基于注解的日志记录实现

这次 commit 主要解决日志信息中可能存在 password 等敏感字段,需要在保存前排除掉 主要涉及两个类的修改,添加实现了一个 PropertyPreExcludeFilter,集成 fastjson2 的 SimplePropertyPreFilter 实现 /*** 排除JSON敏感属性* * author ruo…

两种方法设置Word文档的“只读模式”

防止Word文档被意外更改,我们可以将Word设置成“只读模式”来保护文档。根据需要,还可以将Word可以设置成无密码和有密码的“只读模式”,下面来说说具体方法。 方法一:无密码的“只读模式” 打开Word文档后,点击菜单…

C进阶_C语言_大小端_C语言大小端

现在调试以下代码&#xff0c;并对变量a和b进行监视&#xff1a; #include <stdio.h> int main() {int a 20;int b -10;return 0; } 右键&#xff0c;勾选十六进制显示&#xff1a; 可以看到&#xff0c;变量a和变量b的十六进制值分别为0x00000014和0xfffffff6。 那么…