本文属于类型a，是一篇原创研究论文。以下是根据该研究内容撰写的学术报告。
本研究由Broad研究所（Broad Institute of MIT and Harvard）的James V. Neiswender、Samuel Maffa、Lisa Brenan等人共同完成，通讯作者为Tsukasa Shibue和Francisca Vazquez。研究于2026年在线发表在《自然》（nature）杂志上，论文标题为“A dependency map enhanced with next-generation 3D cancer models”。
精准肿瘤学（precision oncology）的发展使得部分癌症患者能够获得针对特定基因突变的靶向治疗，但大多数癌症患者仍缺乏有效的个性化治疗方案。癌症依赖性图谱（Cancer Dependency Map，DepMap）通过系统性地识别多种临床前模型中的癌症脆弱性（cancer vulnerabilities），为发现新的治疗靶点提供了重要资源。目前DepMap已对超过1300个传统细胞系进行了基因组规模的CRISPR筛选和多组学表征，发现了多个已进入临床试验的治疗靶点。然而，传统细胞系模型存在明显局限性：一方面，许多癌症亚型在传统细胞系中代表性不足；另一方面，单层贴壁培养和含血清培养基的条件可能改变细胞的转录状态和对基因扰动的响应。
为了克服这些局限，研究者引入了“下一代”（next-generation，nextgen）癌症模型，即类器官（organoids）和球体（spheroids）。这些三维培养模型使用无血清培养基和特定的生长因子组合，能够支持多种在传统培养条件下难以生长的癌症亚型，并可能更好地保留肿瘤微环境相关的转录特征。本研究旨在对下一代癌症模型进行全面的基因组规模CRISPR筛选、全基因组测序（WGS）和RNA测序（RNA-seq），将所得数据与传统细胞系数据整合，从而扩展DepMap的覆盖范围并发现新的生物标志物相关的癌症依赖性。
本研究的主要流程包括模型收集与多组学表征、基因组规模CRISPR筛选、数据整合与质量控制、以及基于整合数据集的生物信息学分析。
模型收集与组学表征：研究共收集了314个下一代模型，包括237个癌类器官和77个中枢神经系统（CNS）肿瘤球体。研究者对其中291个模型进行了全基因组测序，对309个模型进行了RNA测序。全基因组测序结果证实了已知的基因组改变，例如结直肠癌模型中的TP53和APC突变及18q染色体丢失、CNS模型中的TERT启动子突变、胰腺癌模型中的TP53和KRAS突变及9p染色体丢失。此外，下一代模型还捕获了传统细胞系中未覆盖的突变，如结直肠癌中的NRAS突变和乳腺癌中的ESR1突变，并扩展了前列腺癌中SPOP、RB1、APC和CTNNB1等突变的代表性。
转录组保真度评估：研究者使用Celligner工具将下一代模型的基因表达数据与来自TCGA等数据库的肿瘤样本进行联合嵌入分析。结果显示，基于25个最近邻肿瘤样本的谱系推断，69%的下一代模型与注释谱系一致，优于患者来源异种移植（PDX）模型的60%和传统细胞系的35%。特别是在CNS肿瘤中，下一代模型的谱系预测准确率达93%，而传统细胞系仅为11%。分析还发现，超过25%的传统模型富集在一个与上皮-间充质转化（EMT）和谱系特异性基因表达丢失相关的“未分化簇”中，而下一代模型、PDX和肿瘤样本中该簇的比例不到2%。
CRISPR筛选：研究者对147个下一代模型进行了基因组规模的CRISPR筛选，使用Humagne enAsCas12a单导RNA文库。筛选质量与传统细胞系相当，非必需基因和必需基因的得分分布清晰分离，ROC-AUC和NNMD评分与传统筛选无显著差异。CNS模型以球体形式或在基质包被板上进行筛选，类器官则在Matrigel圆顶中或在包被条件下筛选，均使用无血清培养基。分析显示，不同生长形式之间的基因表达和必需性谱高度一致（Pearson相关系数大于0.98）。
数据整合：为了整合来自不同模型和文库的数据，研究者使用了Chronos算法。Chronos能够校正拷贝数效应、筛选质量和文库特异性批次效应。由于所有下一代类器官模型都使用Humagne文库，文库特异性的批次效应与类器官模型效应混淆，因此研究者先在传统模型和下一代CNS模型上预训练Chronos参数，然后将预训练参数应用于类器官模型。
生物标志物相关的依赖性：研究者将基因分为五类依赖性谱，并重点分析了三类强依赖性。在表达成瘾（expression addiction）分析中，共鉴定出51个强依赖性基因，其必需性与自身表达水平显著相关，其中包括14个癌基因和21个转录因子。例如，HNRNPH1和PROX1在下一代模型中的依赖性-表达相关性更强，且两者在脑肿瘤中相对于正常组织表达升高。值得注意的是，ESR1成瘾仅在传统细胞系中存在，在下一代模型中完全缺失，这与乳腺癌类器官中ESR1表达不足一致。类似地，ERBB2成瘾在类器官中也几乎不存在，146个下一代模型中只有3个表达足够高的ERBB2水平以产生依赖性。这些发现揭示了下一代模型和传统模型在癌基因依赖性方面的显著差异。
在旁系同源基因依赖性分析中，研究者评估了所有同源性大于25%的旁系同源基因对，鉴定出106个与旁系同源基因低表达相关的强依赖性。其中ENO1依赖性在ENO2低表达的下一代模型中比传统模型更强（r=0.455对r=0.233）。ENO2是神经元特异性烯醇化酶，其谱系适宜的表达仅在下一代模型中保留。在结直肠癌和前列腺癌中ENO2表达相对正常组织降低，提示ENO1抑制可能选择性靶向这些肿瘤。
在癌基因功能获得（GOF）和抑癌基因功能丧失（LOF）相关依赖性分析中，研究者鉴定出83个遗传改变-依赖性配对。其中KRAS GOF与SCD（硬脂酰辅酶A去饱和酶）依赖性的关联在下一代模型中比传统模型更强（δmean dependency = -0.442对-0.241）。SCD是脂质从头合成的关键酶。药理学验证显示，KRAS拷贝数扩增的食管腺癌类器官对两种SCD抑制剂均显著更敏感。研究推测，传统细胞培养中含血清的脂质丰富条件可能掩盖了这一依赖性。
胶质母细胞瘤（GBM）胶质状态相关依赖性：研究者使用41个基因表达元程序（meta-programs，MPs）比较了下一代和传统模型之间的转录差异。下一代CNS模型显著高表达五个与神经谱系相关的元程序。通过Celligner分析，90%的下一代GBM模型与93.1%的GBM肿瘤聚类，而87.3%的传统GBM细胞系则独立聚类，仅有4.2%的肿瘤与之同群。差异基因表达分析显示，前者表达胶质或经典标志物（如SOX2和OLIG1），后者表达间充质标志物（如VEGFC和IGFBP6），据此将两组分别标记为“胶质”和“间充质”。所有五个神经谱系特异性元程序在胶质模型中相对于间充质模型显著升高，达到与GBM肿瘤相当的水平。
在胶质状态相关的依赖性分析中，研究者发现CDK6依赖性在胶质GBM模型中富集（δdependency = -0.44）。进一步分析显示，CDKN2A拷贝数丢失与CDK6依赖性显著相关。CDKN2A编码p16INK4a，是GBM中最常缺失的基因。在胶质GBM模型中使用单个sgRNA的验证实验证实，在CDKN2A缺失的胶质模型中，CDK6敲除比CDK4敲除造成更严重的活力下降。药理学验证显示，CDKN2A拷贝数丢失的胶质GBM模型对三种CDK4/6抑制剂（abemaciclib、palbociclib和ribociclib）均比拷贝数中性模型更敏感，且S期细胞比例在低剂量下即出现下降。鉴于92%的胶质和经典GBM肿瘤存在纯合9p21.3缺失，CDK6抑制可能是一种相关的治疗策略。
类器官中的黏液分化程序与WNT依赖性：在41个元程序中，PDAC-classical程序在类器官和传统细胞系之间差异最大（|δexpression score|=2.30）。该程序虽然在胰腺导管腺癌的经典亚型中首次被描述，但在多种癌症类型中与异常黏蛋白产生相关。基因本体富集分析显示该程序与上皮分化、黏膜和胃肠道组织相关，因此研究者将其命名为“PDAC-classical和黏液分化（mucinous differentiation，MUC）程序”（PDAC-classical/MUC）。该程序在胃肠道肿瘤中高表达，但在非胃肠道肿瘤中低表达。这一胃肠道特异性模式在三维类器官中得以保留，但在传统细胞系中在所有谱系中均表现出低至中等水平。
研究者将PDAC-classical/MUC得分与强依赖性基因的依赖性得分进行相关性分析，发现相关性最高的依赖性富集于经典WNT信号通路调控因子，包括MESD（排名第一）、WLS（第二）、TCF7L2（第五）、FZD5（第七）和LGR4（第二十一）。这一关联在仅使用添加R-spondin 1和WNT3A培养的类器官时依然存在，排除了培养基中WNT激活剂的影响。值得注意的是，这些WNT依赖性与RNF43、APC、CTNNB1或AXIN2突变无关，而是由转录细胞状态驱动。所有对上述五个WNT调控因子强依赖的19个类器官均为PDAC-classical/MUC高表达，包括有和没有WNT激活遗传改变的模型。MESD、WLS、TCF7L2和FZD5的依赖性在谱系匹配的二维模型中显著较弱（p×10^-12），进一步支持PDAC-classical/MUC程序驱动这些依赖性的结论。
培养条件对筛选结果的影响：为研究培养条件对基因必需性的影响，研究者比较了94个在Matrigel圆顶中无血清培养的三维类器官与433个在塑料表面含血清培养基中培养的二维贴壁模型。CDK4依赖性在二维模型中显著增强，MDM2依赖性也在二维模型中富集。此外，65.6%的二维模型对p53通路抑癌基因（TP53和ATM）显示正的平均依赖性得分，而仅有21.3%的三维模型如此，提示p53通路在二维培养条件下更具生长抑制性。
研究者进一步设计了一个包含250个基因的迷你文库，涵盖9个功能类别，在18个筛选实验中系统地分离了生长形式（二维塑料或三维Matrigel圆顶）和培养基类型（含血清RPMI-FBS或无血清OPAC）的影响。结果显示，整合素亚基ITGB1、ITGAV和ITGA3以及肌动蛋白调控因子NCKAP1和PTK2的依赖性受生长形式影响；脂质代谢基因SPTLC1、SPTLC2和SQLE的依赖性受培养基类型影响。功能类别水平的分析表明，生长形式对整合素和肌动蛋白调控基因的影响显著更大，而培养基对脂质代谢基因的影响显著更大。免疫荧光分析证实整合素β1在三维培养中与FAK共定位，而整合素αv在二维培养中与FAK共定位增强，与其在细胞-细胞外基质相互作用中的差异角色一致。值得注意的是，WNT信号调控因子FZD5和WLS的依赖性不受生长形式或培养基的显著影响，这些基因仅在高PDAC-classical/MUC程序的类器官中必需，可能反映了该程序的稳定维持而非对短期培养条件变化的响应。
本研究生成了下一代癌症模型（癌类器官和CNS球体）的全面CRISPR筛选数据集，并将其与传统细胞系数据整合。下一代模型显著扩展了DepMap中肿瘤亚型和基因组改变的覆盖范围。这些模型保留了传统细胞系中丢失的关键肿瘤相关转录程序，包括胃肠道癌类器官中的PDAC-classical/MUC程序和GBM球体中的神经谱系特异性程序及胶质状态。这些程序的维持与选择性依赖性相关，揭示了传统模型无法发现的转录状态特异性脆弱性。
研究还揭示了不同模型类型之间癌基因信号通路作用的显著差异。WNT信号在具有PDAC-classical/MUC程序的类器官中是必需的，但在传统模型中基本可有可无；反之，ESR1和ERBB2的依赖性仅在传统细胞系中存在，这可能源于类器官中这些癌基因的表达降低。这些发现表明多个癌基因信号通路高度依赖于细胞微环境。
此外，研究系统性地证明了生长形式和培养基对基因必需性具有基因类别特异性的影响——整合素和肌动蛋白依赖性受生长形式影响，脂质代谢依赖性受培养基影响。这强调了在选择模型系统时需要理解每种模型类型的局限性。
本研究的科学价值在于提供了一个扩展的、集成的癌症依赖性图谱资源，使研究者能够发现与基因型和转录状态相关的治疗靶点。在应用价值方面，研究发现了SCD抑制剂在KRAS扩增食管腺癌中的潜在治疗价值，以及CDK6抑制在CDKN2A缺失的胶质GBM中的临床相关治疗策略。随着更多下一代模型被分析，扩展后的DepMap将加速在更广泛癌症类型中发现脆弱性，从而推动针对肿瘤基因型和转录状态的个性化治疗策略的开发。
本研究的主要亮点包括：第一，首次将基因组规模的CRISPR筛选系统性地应用于大规模下一代癌症模型队列，覆盖10种癌症类型；第二，通过整合分析揭示了传统模型和下一代模型在转录程序和依赖性方面的系统差异，并鉴定了多个新的生物标志物相关依赖性；第三，通过迷你文库筛选实验系统分离了生长形式和培养基对基因必需性的独立影响，为理解培养条件对功能基因组筛选结果的影响提供了直接证据；第四，发现了PDAC-classical/MUC转录程序与WNT信号依赖性之间的关联，该关联不依赖于已知的WNT通路突变；第五，在胶质GBM中建立了CDKN2A缺失、胶质状态和CDK6依赖性之间的机制联系，并通过药理学实验进行了验证。