一项新的研究表明，在胶质母细胞瘤治疗后，患者存活率和肿瘤细胞数量的变化之间存在联系。

麻省理工学院(MIT)和丹娜-法伯癌症研究所(Dana-Farber Cancer Institute)的研究人员开发了一种新方法，可以确定单个患者是否会对某种特定的癌症药物产生反应。这种测试可以帮助医生为那些对通常用于治疗癌症的疗法没有反应的患者选择替代疗法。

这项新技术包括从病人身上取出肿瘤细胞，用药物治疗细胞，然后测量细胞质量的变化，可以应用于各种癌症和药物治疗，生物工程和机械工程系教授Scott Manalis说道。

Manalis说:“基本上所有临床使用的抗癌药物都直接或间接地阻止了癌细胞的生长。这就是为什么我们认为测量质量可以提供许多不同类型药物机制的影响的普遍解读。”

这项新研究聚焦于恶性胶质瘤(一种恶性脑癌)，是科赫研究所(Koch Institute)和丹娜-法伯精准医学(Dana-Farber Precision Medicine)项目合作的一部分，目的是寻找新的生物标志物和癌症诊断测试。

Manalis和丹娜-法伯患者衍生模型中心主任、哈佛医学院副教授Keith Ligon是该研究的资深作者，该研究于2021年10月5日发表在《Cell Reports》上。这篇论文的主要作者是Max Stockslager和Dana-Farber研究技术员Seth Malinowski。

测量肿瘤细胞

每年约有1.3万美国人被诊断出患有胶质母细胞瘤，这种病是无法治愈的，但放疗和药物治疗可以帮助延长患者的预期寿命。大多数人活不过一到两年。

“对于这种疾病，你没有太多的时间来做出调整。因此，如果你连续服用一种无效药物6个月，那就相当重要了。这种分析可以帮助加快每个患者的学习过程，并帮助做出决策。”

被诊断为胶质母细胞瘤的患者通常会服用一种叫做替莫唑胺(TMZ)的化疗药物。然而，这种药物只能帮助大约50%的患者。

目前，医生可以使用一种基因标记——MGMT基因的甲基化——来预测患者是否会对TMZ治疗有反应。有这种标记的患者通常对药物的反应更好。然而，由于其他遗传因素，该标记不能为所有患者提供可靠的预测。Ligon说，对于那些对TMZ没有反应的患者，有一些替代药物可供选择，或者患者可以选择参加临床试验。

近年来，Manalis和Ligon一直在研究一种预测患者反应的新方法，该方法基于测量肿瘤细胞对治疗的反应，而不是基因组特征。这种方法被称为功能性精准医学。

Ligon说:“功能性精准医学背后的理念是，对于癌症，你可以取出病人的肿瘤细胞，给它们服用病人可能得到的药物，并在给病人服用之前预测会发生什么。”

科学家们正在研究许多不同的方法来实现功能性精准医学，Manalis和Ligon一直在研究的一项技术是测量药物治疗后细胞质量的变化。这种方法是基于Manalis实验室开发的一种技术，通过振动微通道让单细胞流动，以极高的精确度称重。

几年前，Manalis, Ligon和他们的同事证明他们可以使用这项技术来分析两种类型的癌症，胶质母细胞瘤和急性淋巴母细胞白血病，对治疗的反应。这一结果是基于对单个细胞在药物治疗后的多次测量，使研究人员能够计算它们的生长速率在治疗后随时间的变化。他们指出，这个被他们称为质量累积率(MAR)的统计数字可以很好地预测细胞是否对给定的药物敏感。

使用他们在2016年开发的该系统的高通量版本，他们只需使用每个患者100个细胞就可以计算出精确的MAR。然而，MAR技术的缺点是细胞必须在系统中停留数小时，因此可以反复称重，以计算随时间的生长速度。

在他们的新研究中，研究人员决定看看一种更简单和显著更快的方法——测量药物治疗和未治疗的癌细胞之间单细胞质量分布的细微变化——是否能够预测患者的生存。他们对69名患者的一组活胶质母细胞瘤细胞进行了回顾性研究，这些细胞被捐赠给Ligon实验室和Dana-Farber患者衍生模型中心，并使用它们进行3D球形组织培养。在分离细胞后，研究人员用TMZ处理它们，并在几天后测量它们的质量。

他们发现，通过简单地测量治疗前后细胞之间的质量差异，每个患者样本仅使用2000个细胞，他们就能准确地预测患者是否对TMZ有反应。

更好地预测药物反应

研究人员表明，他们的量测结果与MGMT甲基化标记一样准确，但量测有一个额外的优势，那就是它可以在那些基因标记无法揭示TMZ易感性的患者身上发挥作用。对于许多其他类型的癌症，没有生物标记物可以用来预测药物反应。

“大多数癌症根本没有可以使用的基因组标记。我们认为，这种功能性方法可以在其他没有任何基因组标记选择的情况下发挥作用，”Manalis说。

因为这种测试是通过测量质量的变化来进行的，所以它可以用来观察许多不同类型的抗癌药物的效果，而不管它们的作用机制是什么。TMZ的工作原理是阻止细胞周期，这导致细胞变大，因为它们不能再分裂，但它们的质量仍然增加。其他抗癌药物通过干扰细胞代谢或破坏其结构来发挥作用，这也会影响细胞质量。

研究人员的长期希望是，这种方法可以用于在单个患者的细胞上测试几种不同的药物，以预测哪种治疗方法对该患者最有效。

“理想情况下，我们会测试病人最有可能得到的药物，但我们也会测试备用方案。”

Manalis和Ligon共同创立了一家名为Travera的公司，该公司已经获得了这项技术的许可，目前正在从几种不同类型的癌症患者样本中收集数据，希望能开发出临床验证的实验室测试，用于帮助患者。

原文检索：“Functional drug susceptibility testing using single-cell mass predicts treatment outcome in patient-derived cancer neurosphere models” by Max A. Stockslager, Seth Malinowski, Mehdi Touat, Jennifer C. Yoon, Jack Geduldig, Mahnoor Mirza, Annette S. Kim, Patrick Y. Wen, Kin-Hoe Chow, Keith L. Ligon and Scott R. Manalis, 5 October 2021, Cell Reports.
DOI: 10.1016/j.celrep.2021.109788