铁死亡

一句话亮点 今天这篇有点意思：中山大学团队发现，仑伐替尼不但没杀死耐药细胞，反而诱导HSPA6蛋白发生“液-液相分离”，把去泛素化酶USP9X和抗氧化酶TXNRD1拉在一起开派对，让肿瘤细胞稳稳踩住铁死亡刹车。更妙的是，他们用老药卡格列净（降糖药）直接拆了这台“相分离机器”，把耐药翻盘成敏感。 背景/痛点 仑伐替尼是晚期肝癌一线TKI，但耐药几乎不可避免。以往研究找了不少耐药相关分子，但真正能解释“为什么药越吃越没用”的核心机制仍然缺失。同时，铁死亡作为药物诱导的死亡方式已被关注，但肿瘤如何系统性地抑制铁死亡，尤其是通过蛋白稳定性调控，尚不清楚。HSPA6作为HSP70家族成员，过去被认为是“打酱油”的应激分子，没人想到它在耐药中扮演了核心组织者的角色。 推理链分步拆解 第一步：大规模筛选锁定HSPA6——三组数据唯一的交集 作者想找耐药“元凶”，下手非常狠：同时做了三组高通量数据——全基因组CRISPR敲除筛选（找敲掉后能让细胞对仑伐替尼更敏感的基因）、耐药细胞株转录组（找耐药后上调的基因）、临床患者蛋白组（找非响应者高表达的蛋白）。三组数据取交集，结果只有一个：HSPA6。 @方法论点评：这是典型的“多组学汇交”策略，单个组学找到的候选基因太多（几百上千），取交集后噪声大幅滤除。特别值得注意的是，CRISPR筛选排除了DepMap通用必需基因，避免了“敲掉细胞就死了”的假阳性，逻辑非常严谨。 接下来验证顺理成章：耐药细胞株中HSPA6上调，患者中高表达HSPA6者OS和DFS显著缩短，AUC达到0.8以上。从相关性上讲，HSPA6已经站稳了“临床相关”的脚跟。 Fig. 1. Integrated multi-omics identifies HSPA6 as a key mediator of lenvatinib 1027（图注取自PDF文本层，来源：来源期刊待补, 2026） 第二步：功能验证——HSPA6敲降让仑伐替尼重新“能打” 那么问题来了：HSPA6是旁观者还是司机？作者在多个细胞系中敲降HSPA6，IC50显著下降，细胞死亡增多，克隆形成抑制；反过来过表达则耐药增强。体内皮下、原位模型、耐药株模型全部一致。 @方法论点评：敲降+回补是验证因果关系的标准操作，而且这里用的是“功能获得”和“功能丧失”双向验证，避免了单一操作带来的脱靶干扰。更严谨的是在已经建立的耐药株中再敲降HSPA6，证明它不仅是获得性耐药中的现象，而是维持耐药表型所必需的。 第三步：HSPA6通过抑制铁死亡来保护细胞——不是凋亡，不是坏死 敲降HSPA6后转录组富集分析指向了ROS和铁死亡通路。作者用了一组死亡抑制剂做“药理学解剖”：Fer-1（铁死亡抑制剂）和NAC可以完全回补敲降HSPA6后的细胞死亡，而凋亡抑制剂Z-VAD几乎无效。 @方法论点评：这一步非常关键——用一系列死亡方式特异性抑制剂反向推断死亡类型。如果Fer-1能救，说明细胞本来要走铁死亡；如果Z-VAD救不了，说明凋亡不是主角。这种药理学术“逻辑门”比单纯检测一个铁死亡标志物更有说服力。 随后作者拿出了铁死亡的核心证据链：ROS升高、脂质过氧化升高、MDA升高、GSH/GSSG比值下降、线粒体皱缩嵴断裂。13C葡萄糖示踪显示，HSPA6敲降后葡萄糖向GSH合成的代谢流被截断。体内Fer-1共处理逆转了HSPA6敲降的抗肿瘤效果。 Fig. 2. HSPA6 drives lenvatinib resistance in vitro and in vivo. 1054（图注取自PDF文本层，来源：来源期刊待补, 2026） ...

一句话亮点 这篇研究通过CRISPRa代谢基因筛选，发现肝癌中累积的代谢物L2HG并非只是“旁观者”，而是能作为表观遗传调控因子，重编程染色质开放状态，激活ATF3/CHAC1轴，通过加速GSH降解而非抑制其合成来打开铁死亡的“突破口”。这个发现把肿瘤代谢重编程与铁死亡敏感性直接挂上了钩，还揭示了一条独立于经典胱氨酸/GPX4通路的铁死亡调控新机制。 背景/痛点 铁死亡在肝癌里是个“双刃剑”：一方面促进脂肪肝和NASH进展，另一方面可能抑制肝癌的发生与发展。所以很多人在想，能不能在肝癌里专门诱导铁死亡来治它。 经典的铁死亡调控逻辑非常清晰：要么胱氨酸进不来（通过system Xc-），GSH合成受阻；要么GPX4这个“耗GSH的抗氧化酶”失效，脂质过氧化物堆积。但在肝癌里，有没有内源性的代谢物本身就“设定”了细胞对铁死亡的敏感性？目前还不太清楚。 这篇的作者团队之前就关注代谢物L2HG在铁死亡中的作用，他们发现L2HG可以干扰NRF2结合抗氧化基因。但这次，他们换了个思路：不用外源诱导剂，直接看哪些代谢基因本身就在“对抗”铁死亡。于是有了下面这一连串的推理。 Fig. 1. Identification of L2HGDH as a ferroptosis antagonist. A) Schematic of a metabolism-（图注取自PDF文本层，来源：Cell Death & Disease, 2026） 推理链分步拆解 1. 找“刹车”：谁在保护肝癌细胞不死？ 他们先做了一个代谢基因的CRISPRa筛选——不是敲除，而是激活基因，看哪些基因被激活后，细胞在IKE（铁死亡诱导剂）处理下能活下来。 结果出来了，sgRNA富集最显著的是L2HGDH——负责分解代谢物L2HG的酶。 @方法论点评：这里用CRISPRa而不是CRISPRi，逻辑是“哪个基因高表达能抗铁死亡”，相当于在找“保护因子”。阳性对照组是铁死亡诱导压力，富集的sgRNA就是候选“刹车”。 然后他们回头去验证：在L2HGDH高表达的细胞系里，细胞对铁死亡诱导剂不敏感；在L2HGDH低的细胞里，细胞更敏感。敲除L2HGDH直接让细胞变得更“铁死亡易感”，而回补L2HGDH则能恢复保护作用。 于是第一个推理闭环形成了：L2HGDH高 → 抗铁死亡；L2HGDH低 → 易铁死亡。 但问题来了：L2HGDH是代谢酶，它的底物L2HG在肝癌里到底什么情况？ 2. 从酶到代谢物：肝癌为什么容易堆L2HG？ 他们测了肝癌病人的样本，发现L2HGDH在肿瘤里显著低表达，而底物L2HG显著积累。 那L2HG从哪来？他们接着看TCA cycle。正常L2HG会被L2HGDH氧化回2OG，而2OG又会被OGDHc（α-酮戊二酸脱氢酶复合体）消耗掉。但在肝癌里，OGDHc也低表达，TCA下游代谢受阻，导致2OG堆着不转化，同时L2HGDH又少了，L2HG就积起来了。 肝癌的代谢环境本身就在为L2HG堆积“铺路”。 @方法论点评：这一步是典型的“上下游代谢物-酶”系统分析，不是只看单基因表达，而是把整个代谢通路串起来看，才有说服力。 ...

一句话亮点 这项研究通过全基因组CRISPR筛选，揪出了TRAPPC4这个调控铁死亡抵抗的关键蛋白——它通过关闭TRIM55对GPX4的泛素化降解，让头颈鳞癌（HNSCC）细胞硬抗铁死亡打击，顺带还促进了转移；而老药匹伐他汀（PTV）能靶向降解TRAPPC4，让RSL3重新"奏效"。 背景/痛点 头颈鳞癌（HNSCC）诊断时多为晚期，预后差，特别是HPV阴性亚型对现有治疗响应不佳。铁死亡作为一种铁依赖的脂质过氧化驱动的细胞死亡，近年被认为是潜在的抗癌突破口。但癌细胞也不傻——它们会想方设法增强铁死亡抵抗。GPX4是铁死亡的核心"刹车"，负责清除脂质过氧化物。问题来了：肿瘤细胞到底是怎么稳住GPX4的？有没有可干预的靶点？这篇研究就从这个疑问出发，用无偏筛选去找答案。 推理链分步拆解 第一步：CRISPR筛选锁定TRAPPC4——谁在暗中"维稳"？ 研究者先用RSL3（GPX4抑制剂）测试了5株HNSCC细胞，挑出最耐药的LIU-LSC-1，然后做全基因组CRISPR-Cas9敲除筛选。在RSL3处理下，sgRNA被耗竭的基因就是铁死亡抵抗所必需的——结果TRAPPC4排在前列，且是唯一在多组学交叉验证中（转录组、蛋白组、生存数据）全面符合"肿瘤中高表达且与不良预后相关"的候选。敲除TRAPPC4后，RSL3诱导的细胞死亡、脂质ROS和MDA显著增加，线粒体出现典型的铁死亡形态损伤。而过表达则刚好相反。 @方法论点评：CRISPR筛选的最大魅力在于无偏性——不预设假设，让数据说话。这里还用了多组学交叉验证（TCGA+CPTAC+生存分析）来"筛选候选中的候选"，减少了假阳性风险。关键一步是加了Fer-1（铁死亡抑制剂）、Z-VAD（凋亡抑制剂）和Nec-1（坏死性凋亡抑制剂）来做"死亡类型鉴定"，严谨排除了其他死亡方式的干扰。⭐⭐⭐ ...

一句话亮点 这篇 2026 年的《Cell Death & Differentiation》文章发现，原本作为抗氧化系统的硒蛋白 TrxR1，在铁死亡中反而扮演"加速器"角色——它通过稳定 KEAP1、抑制 NRF2、降低 GPX4 表达，让癌细胞对铁死亡更敏感。更关键的是，这个机制依赖于 TrxR1 C 末端的硒代半胱氨酸 U498，而且还提供了用沙利度胺联合铁死亡诱导剂 IKE 协同抗癌的潜在策略。 背景/痛点 铁死亡的核心是脂质过氧化物积累到致死水平，而 GPX4 是这个过程的"守门人"——它负责把脂质过氧化物还原掉。GPX4 一失灵，细胞就死了。细胞内抗氧化系统主要有两套：GSH-GPX4 系统和 Trx-TrxR 系统。前者和铁死亡的关系已经研究得很清楚了，但后者在铁死亡中到底扮演什么角色，之前一直有争议。早前有报道说 TrxR1 是抑制铁死亡的，但这篇文章的作者觉得事情没那么简单——他们决定自己搞清楚。 推理链分步拆解 第一步：先确认 TrxR1 到底促进还是抑制铁死亡 作者之前做过一个 RNAi 筛选，意外发现 TrxR1 是个候选的"正调控因子"——这个结果跟他们自己预期的方向相反，于是他们决定从头验证。 他们先用 TrxR1 的特异性抑制剂 TRi-1 处理多种癌细胞（HT1080、MDA-MB-231、MEF、B16-F10），结果发现 TRi-1 居然能阻断 erastin 诱导的脂质过氧化和细胞死亡。而且 TRi-1 本身没有抗氧化活性（DPPH 法验证过），说明这个阻断效应不是因为它"顺便把自由基清了"。反过来，敲低 TrxR1 让细胞对 erastin 和 GPX4 直接抑制剂 RSL3 都变得不敏感；而过表达 TrxR1 则显著增强了脂质过氧化和铁死亡。 这里有个细节很有意思：erastin 处理会让 TrxR1 发生时间依赖性的二聚化，而二聚化对 TrxR1 发挥功能很重要。他们做了一个 W114R 突变破坏二聚化，结果这个突变体完全救不回 TrxR1 敲低细胞的铁死亡敏感性。所以，TrxR1 促进铁死亡这件事，功能上是成立的，而且需要二聚化。 ...

一句话亮点 这篇文章发现，PHB2通过结合并激活脂代谢酶ACSL3，促进单不饱和脂肪酸（MUFA）掺入膜磷脂，从而抑制铁死亡、驱动胃癌顺铂耐药；而FDA已批准的CXCR4拮抗剂Mavorixafor能打断这个蛋白-蛋白相互作用，将"耐药"的膜脂组成"拨回"易铁死亡状态，在体内模型里重新增敏顺铂。 背景/痛点 铂类是胃癌化疗的基石，但耐药几乎是宿命。经典机制——DNA修复增强、药物外排、凋亡逃逸——已经研究了很多年，但不足以解释临床耐药的顽固性。所以作者把视线投向非凋亡性细胞死亡，尤其铁死亡。铁死亡的关键在于膜脂上多不饱和脂肪酸（PUFA）被氧化，而单不饱和脂肪酸（MUFA）的掺入能"踩刹车"，减少脂质过氧化底物。ACSL4是PUFA激活酶，促铁死亡；ACSL3是MUFA激活酶，抑铁死亡。ACSL4上游研究不少，但ACSL3怎么被调控、在耐药里扮演什么角色，并不清楚。PHB2以前主要被认为在线粒体里干杂活（维持结构、参与线粒体自噬），有没有胞质里的"兼职功能"？这就是本文切入的窗口。 推理链分步拆解 Step 1：先找耐药里冒头的分子——PHB2是怎么被"捞"出来的 作者先做了一个很经典的耐药模型构建：体外筛选顺铂耐药的AGS细胞，再植回小鼠肚子里形成CDDP-R xenograft，然后RNA-seq对比敏感和耐药肿瘤的转录组。差异基因一堆，怎么聚焦？他们把自家差异基因和NCI-60 CellMiner里基因表达与顺铂GI50的相关性做交集，从中"捞"出PHB2——mRNA在耐药瘤里高表达，而且在NCI-60里表达越高、顺铂越不敏感。紧接着在病人组织里用IHC验证，蛋白水平也是耐药组更高。到这里问题来了：是伴随现象，还是真的驱动耐药？他们用shRNA敲低和过表达做双向因果验证，敲低后耐药细胞重新变敏感，过表达后敏感细胞变耐药；体内也一样，敲低PHB2后顺铂压不住瘤了。`@方法论点评：这里值得学的是"双筛策略"——自己的组学差异 + 公共数据库的药物敏感性关联，两者交集能显著缩小候选范围，避免只看差异基因的假阳性。再看双向表型（敲低+过表达）确认因果关系，是功能研究的金标准。" ![Fig. 1：High PHB2 expression promotes chemotherapy resistance in GC. A,B) Volcano plot (A) of differentially expressed proteins and heatmap (B) of the top 50 proteins in CDDP-R versus CDDP-S AGS xenograft tumors (fold change > 1 or < –1, P < 0.001; n = 4 mice per group). C) Dot plot showing the correlation between expression of selected genes and CDDP sensitivity (GI50 values) across the NCI-60 cell line panel, based on CellMiner analysis. Each dot represents a gene, with size indicating the Spearman correlation coefficient and color corresponding to the statistical significance ( P value). Genes are ranked by correlation strength. PHB2 is highlighted in red, exhibiting a strong negative correlation with CDDP sensitivity. D) IHC staining analysis of PHB2 expression in GC tissues from cisplatin-sensitive (CDDP-S, n = 10) and cisplatin-resistant (CDDP-R, n = 24) patient groups. Representative images are shown. Scale bar, 200 µm. E) Western blot analysis of PHB2 expression in CDDP-S and CDDP-R AGS cells. β-actin was used as control. F,G) Western blot examined PHB2 knockdown efficiency in CDDP-R AGS cells transfected with sh-PHB2 (F), and subsequent MTT assay showed reduced cell viability after 72 hours of CDDP treatment (G). H,I) Overexpression of PHB2 (H) enhanced resistance to CDDP-induced cytotoxicity, as assessed by MTT assay after 72 hours of CDDP treatment (I). J–M) Schematic illustration of the establishment of CDDP-R AGS.sh-scramble and AGS.sh-PHB2 xenograft tumors. BALB/c nude mice bearing CDDP-R AGS-derived xenografts were treated with either 0.9% saline or CDDP (5 mg/kg, intraperitoneally i.p.）) every 2 days for 3 weeks. n = 6 mice per group (J). Representative images (K), tumor weight (L), and growth curves (M) of AGS.sh-scramble and AGS.sh-PHB2 xenografts in BALB/c nude mice. Scale bar, 1 cm. Data represent three independent experiments and are presented as mean ± SD. Quantitative data were normalized to the corresponding sh-scramble control (G,I). One-way (L) or two-way ANOVA followed by Tukey’s multiple comparison (G, I, M). ...

胰腺癌扛住吉西他滨，靠的是 m6A 阅读器 IGF2BP1 把铁蛋白 FTH1 的 mRNA「藏」进应激颗粒，稳住铁库、抑制铁死亡。 胰腺癌（PDAC）又凶又难治，五年生存率不到 10%，超过 80% 的病人确诊时已经局部晚期或转移，手术做不了，只能靠化疗。吉西他滨是标准一线，但响应率不到 20%，还有超过 74% 的病人会复发进展，而且耐药来得飞快。搞清楚癌细胞到底怎么耐受吉西他滨，是提高疗效绕不过去的坎。 这篇把切入点放在表观转录组。m6A 是 mRNA 上一种可逆修饰，由 writer（甲基转移酶）和 eraser（去甲基化酶）动态调控，reader（YTHD 家族、IGF2BP 家族）则决定这些被修饰的 RNA 是稳定还是降解。IGF2BP1 是近年确认的一个 m6A reader，在结直肠癌、卵巢癌、骨肉瘤、胃癌里都驱动恶性进展，但它在 PDAC、尤其是耐药场景里扮演什么角色，之前没讲清楚。 第一步：先建耐药模型，再找谁在耐药里「涨」得最凶 他们先把耐药模型铺了两条腿。一条是细胞：BxPC-3 和 CFPAC-1 两株胰腺癌细胞，用逐步加量的吉西他滨连续筛了 6 个月，做出 BxPC-3/GR、CFPAC-1/GR 两株耐药系，IC50 抬升了至少 10 倍。另一条是 PDX：把病人肿瘤碎片种进免疫缺陷鼠，连续传三代（F1 到 F3）并持续用吉西他滨筛选，要求耐药指数（RI）超过 150%。 然后做转录组，把耐药细胞和亲本细胞对比，再整合 TCGA、GTEx 和 GEO（GSE154909）里的数据，找「在肿瘤 vs 正常、耐药 vs 敏感、耐药 PDX 里都一致上调」的基因。IGF2BP1 就这么冒出来了。更关键的是临床证据：45 例化疗前的穿刺活检，按 RECIST1.1 分成 PD（进展，即耐药，n=16）和 PR（部分缓解，即敏感，n=4），治疗前多重免疫荧光显示，PD 组 IGF2BP1 基线表达更高；高 IGF2BP1 的 PDX 对吉西他滨反应也更差。 ...

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」。 ...

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。 ...