耐药 on Superhyydl's Blog

精读 | GENEVA 平台：一次实验测几十种基因背景的 KRAS 抑制剂反应

Fri, 14 Aug 2026 00:00:00 +0000

今天这篇有点意思。UCSF 的团队（还拉了 Whitehead、MIT 一帮人）在 Nature Cancer 上发了个叫 GENEVA 的平台，专门研究一个老问题：为什么同一个药，不同人、甚至同一个肿瘤里的不同细胞，反应能差这么多？

不熟悉科研套路的同学，可以先想想：研究耐药，最头疼的是啥？——是"测不过来"。

痛点：一个实验只能测一个模型

KRAS-G12C 抑制剂（sotorasib 这类）2021 年才获批，是明星药，但中位无进展生存期只有 6 个月，病人很快耐药。要研究耐药机制，传统上得靠 xenograft（异种移植小鼠）——但这东西又贵又慢，一个实验基本只能测一个模型。

@方法论点评：这里有个"规模化"的困局——你要测几十种基因背景，就得做几十个 xenograft，成本和周期都爆炸。很多好问题卡死在这一步，不是没想到，是测不动。

他们的脑洞：把几十种细胞"大乱炖"成一个池子

GENEVA 的思路一句话：把几十种基因背景的细胞系混成一个池，一起培养、一起移植，再用单细胞测序 + 基因型反卷积，一次实验读出每个细胞的"身份 + 反应"。

@方法论点评：这本质是"内对照"——所有细胞在同一个环境里，消除了批次效应，一次就把几十种基因背景都测了。这个方法上的巧劲，比后面任何一个具体发现都值钱。

第一步：先证明"我测得对"

搭新平台，第一件事不是做发现，而是用已知答案验一遍。他们混了 11 个细胞系，用 vemurafenib（BRAF 抑制剂）和 ARS-1620（KRAS-G12C 抑制剂）去处理，结果：

BRAF V600E 的细胞被 vemurafenib 精准杀掉 ✅
KRAS G12C 的细胞被 ARS-1620 精准杀掉 ✅
更狠的是，Lasso 回归自己"猜"出了 BRAF V600E 和 KRAS G12C 就是这两个药的敏感突变 ✅

@方法论点评：拿"已知答案"当阳性对照，是搭平台的标准动作。先证明"测得对"，再拿去做"未知的发现"——这个顺序不能反，反了后面所有结论都站不住。

第二步：体外能测，体内呢？

体外跑通了，他们就把同样的池子做成马赛克肿瘤（CDX/PDX/PDO），发现 G12C 细胞在体内同样被 ARS-1620 杀伤，凋亡增加。平台在体内也能用。

精读 | SUV39H2 甲基化 NCOA4：三阴性乳腺癌如何「存铁却不铁死亡」

Fri, 14 Aug 2026 00:00:00 +0000

今天这篇有点意思。天津医科大学肿瘤医院团队在 Cell Death & Disease 上发了一篇，回答了一个挺反直觉的问题：三阴性乳腺癌（TNBC）细胞里明明堆着大量的铁，为什么没把自己「铁死」（ferroptosis）？

不熟悉铁死亡的同学，先记住一件事：游离铁（labile iron）是危险品。它通过 Fenton 反应产生活性氧，驱动脂质过氧化，最终触发铁死亡。肿瘤细胞普遍「嗜铁」（iron addiction），但嗜铁和铁死亡之间只隔着一层窗户纸——癌细胞必须把铁「安全地存起来」，既随取随用，又不会漏出来把自己烧了。这篇论文讲的就是 TNBC 靠什么维持这个高危平衡。

痛点：TNBC 的「存铁」机制一直没讲清楚

已知 NCOA4 是铁蛋白自噬（ferritinophagy）的「货运受体」——它识别铁蛋白重链 FTH1，把铁蛋白送到自噬溶酶体里去降解，从而把储存在铁蛋白里的铁释放出来。这条通路是细胞按需取铁的「水龙头」。水龙头开太大，游离铁暴涨 → 铁死亡；水龙头关太死，铁取不出来 → 供不上细胞增殖。

一个关键空白是：TNBC 里这个水龙头是被谁、用什么方式拧紧的？论文要补的就是这块拼图——而且补的是一个此前没人报过的层面：非组蛋白的赖氨酸甲基化。

@方法论点评：开题先点「已知通路缺一环」，而不是直接甩新基因。这样读者立刻知道这篇的定位是「补机制」，故事有靶子，不是无中生有。

第一步：先坐实 TNBC 的「NCOA4low-FTH1high」铁稳态轴

他们首先用 ICP-OES、比色法、普鲁士蓝染色三种方法，交叉确认 TNBC 组织里的铁含量确实显著高于癌旁正常组织（Fig. 1A-C）；细胞层面，TNBC 细胞系（MDA-MB-231、BT-549）的铁也高于正常乳腺上皮 MCF10A。

@方法论点评：一个「现象」用三种独立方法交叉验证，是防「单一试剂盒假阳性」的标配动作。尤其是铁含量这种容易受污染、受基质影响的指标，光靠一种染色是站不住的。

接着 TCGA 数据分析发现：在 TNBC 里，铁代谢相关基因的表达谱整体改变，其中 FTH1 显著上调、NCOA4 显著下调（Fig. 1G-J），细胞系 Western blot 也印证了这一点（Fig. 1K）。于是他们提出「NCOA4low-FTH1high」这条铁稳态轴。

那这个轴是不是「功能性」的？他们过表达 NCOA4，结果：FTH1 下降、自噬标志 LC3-II 升高、FTH1 与溶酶体标志 LAMP2 共定位增加、胞内铁升高，最终铁死亡标志物（ROS、脂质 ROS、线粒体膜电位下降、线粒体嵴断裂）全线启动（Fig. 1L-Q）。

@方法论点评：从「相关性」（表达高低）到「功能性」（过表达改变表型）的跨越，是这段最值钱的一步。很多文章停在「A 高 B 低」就下结论，这篇动手验证了「拧开 NCOA4 这个水龙头，铁真的会漏出来，细胞真的会铁死」。

精读 | 结构骨架跃迁：为 GIST 的溶剂前沿突变 G680R 重新设计 KIT/PDGFRA 抑制剂

Fri, 14 Aug 2026 00:00:00 +0000

今天这篇是篇"纯结构驱动"的药物设计活儿。德国 TU Dortmund 的 Rauh 组在 Nature Communications 上发了个工作，专门啃 GIST（胃肠道间质瘤）里一个让人头疼的耐药突变——PDGFRA 的 G680R 溶剂前沿突变。

先给不熟这个领域的同学铺个底：GIST 大概 85% 是 KIT 或 PDGFRA 这两个受体酪氨酸激酶驱动。已经有 5 个 TKI 获批，但它们大多是"二手货"——从别的癌种（比如慢粒的 BCR-ABL）挪过来用的，铰链结合元件不是给 KIT/PDGFRA 量身定做的。

痛点：G680R 是 avapritinib 最硬的茬

avapritinib 是现在唯一能治 PDGFRA-D842V 的药（type 1.5 抑制剂），但病人很快会冒出继发耐药突变。其中最难搞的就是溶剂前沿的 G680R——一个甘氨酸被换成又大又带正电的精氨酸，临床观察到它对 avapritinib 耐药程度最高，而且一旦出现，没有替代疗法，预后很差。

更麻烦的是，这种"甘氨酸→精氨酸"的溶剂前沿突变不是 PDGFRA 独有，它是个跨激酶反复出现的耐药套路：ALK-G1202R、ROS1-G2032R、TrkA-G595R、RET-G810R 全是这个味儿。但此前 PDGFRA 的溶剂前沿突变没有任何结构信息，想理性设计都无从下手。

@方法论点评：这就是研究的"卡点"——不是不知道耐药了，是不知道耐药在原子层面长什么样。结构空白堵死了理性设计的路，所以第一步必然是"补结构"。

第一步：把耐药突变的结构解出来

他们花大力气表达、纯化、结晶，拿到了 avapritinib 结合 PDGFRA-G680R 的共晶结构。这个结构一出来，耐药机制就清楚了：

突变位点附近，avapritinib 的甲基吡唑 + 三嗪骨架发生明显位移——甲基吡唑被顶开了 1.3 Å、倾斜了 20°
这说明 Arg680 那根又大又带正电的侧链，跟抑制剂立体冲突，逼着 avapritinib 没法摆出它最喜欢的结合姿势
但远离铰链的地方（比如 Gα-pocket）结合模式基本没变，说明"关键相互作用还在，只是局部被顶歪了"

精读 | 靶向肿瘤干细胞（CSC）：机制讲得再清楚，临床为什么还是推不动？

Fri, 14 Aug 2026 00:00:00 +0000

今天这篇有点意思，是一篇 STTT 上的大综述，来自 Lund 大学 Kazi 团队（还拉了 Johns Hopkins 的 Kenneth Pienta）。题目就点明了它的立场：靶向肿瘤干细胞（CSC）这件事，机制层面的"insights"积累了不少，但临床上的"challenges"一个没少。 它不吹不黑，从头到尾把"CSC 为什么这么难打"拆了一遍。

一句话亮点：CSC 靶向不是没靶点，而是卡在三件事上——怎么定义"动态状态"、怎么测对"临床终点"、怎么设计"理性联合"。

背景：一个几十年的老概念，为什么还停在纸面上

肿瘤干细胞（CSC）这个概念不新，最早从血液肿瘤的移植实验里冒出来，后来推到实体瘤。核心定义就三条：自我更新、多向分化、成瘤能力。理论上，只要把这群"种子细胞"干掉，肿瘤就会失去持续生长和复发的源头——听着很诱人。

但现实是，几十年来，真正把 CSC 靶向做成常规临床手段的，几乎没有。这篇综述要回答的正是这个 gap：机制研究这么热闹，转化为什么卡住了？

@方法论点评：这篇综述的立意本身就是一种方法论示范——当某个方向"理论很顺、落地很慢"时，最高效的做法不是再补一个机制，而是系统复盘"卡点到底在哪"。它是"问题驱动"而不是"文献堆砌"。

第一步：先把地基讲清楚——“分层模型"还是"可塑性模型”？

作者一上来先不急着列通路，而是花大力气厘清 CSC 到底是什么。这里有两派：

分层模型（hierarchical）：肿瘤是个等级社会，顶端是一小撮稀有的、自我更新的 CSC，往下单向分化成普通肿瘤细胞。证据来自 AML 里只有 CD34⁺CD38⁻ 细胞能连续移植成瘤，乳腺癌里 CD44⁺CD24⁻/low 细胞成瘤能力远超其他。
可塑性模型（plasticity）：干细胞性是可逆的状态，不是固定的谱系属性。分化了的肿瘤细胞在 EMT、表观重塑、缺氧、炎症、细胞毒性治疗、niche 被破坏等刺激下，可以"去分化"重新变回 stem-like 状态。

那么问题来了：到底哪个对？作者的答案是——不是二选一，而是互补。而且他特别点了一个关键细节：去分化是**“条件性、应激驱动"的适应性反应**，不是默认机制。在不受打扰的肿瘤里，长期生长更偏向已有的干/祖细胞群；但一旦组织被破坏（放疗、化疗、缺氧、移植应激），可塑性就显现出来了。

@方法论点评：这个区分极其重要。如果 CSC 是固定谱系，那"杀干净就行”；如果是可逆状态，那你杀一批，旁边普通的肿瘤细胞随时能补位。它直接决定了"靶向 CSC"这件事在逻辑上到底成不成立——这也是为什么后面临床那么难。

第二步：怎么"认出"CSC？——没有一个万能 marker

要打 CSC，先得找到它。作者把现有的识别手段分了三层，态度很克制：

金标准：原位极限稀释移植 + 连续传代，直接证明"长期成瘤 + 自我更新"能力。
功能富集：ALDEFLUOR 测 ALDH 活性、Hoechst 染料外排的 side population（反映 ABC 转运体）、WNT/Notch/Hh 报告基因、sphere 成球实验。
表面 marker：乳腺癌 CD44⁺CD24⁻/low、胰腺癌 CD44⁺CD24⁺EpCAM⁺、肝癌 CD45⁻CD90⁺、胶质瘤/肠癌 CD133⁺……

然后作者泼了盆冷水：这些 marker 没有一个是普适的，而且都有反例。 CD133 在正常结肠上皮里广泛表达，在转移性肠癌里 EpCAM⁺CD133⁺ 和 EpCAM⁺CD133⁻ 两个亚群都能连续成瘤；CD44 在正常和癌变的结肠上皮里也到处都是。所以 marker 只是"肿瘤/实验情境依赖的富集工具"，必须配上 isoform、表达阈值和功能验证一起报，才勉强靠谱。