题目Organoid morphology-guided classification for oral cancer reveals prognosis

期刊Cell Reports Medicine

IF10.6

DOI10.1016/j.xcrm.2025.102129.
 

研究目的
本研究提出了一种基于患者来源类器官（PDOs）形态学特征的口腔癌亚型分类创新方法并提出治疗策略。采用人工分类与AI评分相结合的方法将其分为三种不同亚型：正常样、致密型和葡萄状。这些亚型与独特的转录组特征、基因突变及临床结果相关，其中致密型和葡萄状类器官患者的预后较差。此外，对14种单药及顺铂联合疗法的药物反应评估表明，可针对耐药亚型采用协同治疗策略。本研究强调了将形态学分类与基因组学及转录组学分析相结合，以优化口腔癌亚型分型并制定有效治疗策略的潜力。

实验方法与结果
建立大规模口腔癌类器官生物库
● 样本：成功建立了76个癌症类器官和81个正常类器官，涵盖口腔鳞状细胞癌（OSCC）及多种罕见类型，是迄今为止最大的口腔癌类器官库之一。

● 模型验证：类器官在组织学（H&E染色）、标志物表达（Pan-CK, P63, Ki-67, P53）上高度保留了原始肿瘤的特征，证实其是可靠的临床前模型。

在培养过程中，观察到类器官呈现出三种稳定且可区分的形态：

● 正常样 (Normal-like)：圆形，边缘光滑，中心细胞密度低。

● 致密型 (Dense)：略呈椭圆形，边缘不光滑，中心细胞密度高。

● 葡萄样 (Grape-like)：形状极不规则，细胞侵袭性强，常从主类器官中"出芽"形成子代。

● 临床相关性：这三种形态与患者的无复发生存期显著相关。正常样类器官来源的患者预后最好，而致密型和葡萄样类器官来源的患者复发风险高，预后差。

● 基因组：致密型和葡萄样类器官中，TP53突变频率极高（87%），而在正常样类器官中未检测到TP53突变。此外，它们的肿瘤突变负荷也显著更高。

● 转录组：RNA测序显示三种形态具有不同的转录谱。基于这些特征，研究者成功地将TCGA数据库中的338名OSCC患者重新分类为对应的三种亚型，并且这些亚型同样显示出显著的预后差异。

● 药物筛选：使用14种化合物（包括靶向药和化疗药）测试类器官的药物反应。

● 亚型特异性：正常样类器官对靶向药（如MDM2抑制剂Nutlin-3a）更敏感；致密型类器官对大多数单药治疗表现出普遍耐药性。

● 协同治疗：针对预后差的致密型类器官，研究发现ATR抑制剂BAY1895344与顺铂联合使用具有显著的协同杀伤效果，为这类患者提供了潜在的治疗新策略。

尽管基于类器官形态的三分型系统已显示出与基因组特征及临床预后的强相关性，但目前的分型主要依赖于特定时间点的静态图像观察。然而，类器官的形态发生是一个高度动态的生物学过程——从单个细胞增殖、聚集成团，到逐步分化出正常样的光滑边缘或葡萄样的侵袭性出芽，这一连续演变过程无法通过终点法完全捕捉。肿瘤细胞的侵袭性行为，如葡萄样类器官中观察到的'出芽'现象，本质上是一个动态事件，其发生时间、频率和速度可能蕴含着比静态形态更丰富的预后信息。

因此，引入实时活细胞成像系统对类器官的形态发生进行全程动态监测显得尤为重要。以JuLI™ Stage活细胞成像分析系统为例，该系统可在培养箱内连续记录类器官从接种到成熟的全过程，使我们能够量化每个类器官亚型的形态动力学参数——包括正常样类器官维持球形轮廓的稳定性以及葡萄样类器官首次出芽时间、出芽频率和侵袭速度等。这些动态参数可与已有的转录组数据关联，从而揭示特定基因突变是如何在时间维度上驱动形态转变的。