探索癌症生物学,就是深入理解细胞如何失控生长以及身体为何会失去对它们的控制。这一领域不仅揭示疾病背后的复杂机制,更致力于寻找阻止肿瘤扩散的新方法。在 Gist.Science,我们致力于让前沿科学触手可及,无论您是否有专业背景,都能轻松获取关键信息。

本栏目专门收录来自 bioRxiv 的最新预印本论文。我们的团队会逐篇处理这些新发表的研究,为每一份报告提供通俗易懂的科普解读以及详尽的技术摘要,帮助您快速把握科学进展的核心。

以下为您呈现该领域近期发布的最新研究成果。

Systematic Evaluation Defines the Limits of Ferroptosis in Cancer Therapy

该研究通过系统评估发现,尽管在细胞培养中诱导铁死亡看似有效,但在肿瘤模型中抑制 GPX4 等核心因子无法抑制肿瘤生长,而针对细胞质硫氧还蛋白还原酶的缺陷或 GCLC 的药理抑制则能诱导肿瘤消退,表明细胞培养系统严重高估了通过 GPX4 轴诱导铁死亡的抗癌潜力。

Fujihara, K. M., Aziz, A., Akbari, B., Gutierrez-Perez, M., Francis, G., Zentout, S., Wu, K., Clemons, N. J., Terzi, E. M., Pacold, M. J., Possemato, R.2026-03-14📄 cancer biology

A mutation-resolved therapeutic atlas of NRAS-mutant melanoma reveals genotype-selective response to RAS(ON) inhibition and adaptive STAT3 survival

该研究通过构建包含 95 种 NRAS 突变体的等基因平台,绘制了 NRAS 突变黑色素瘤的突变解析治疗图谱,揭示了 RAS(ON) 抑制剂对不同基因型的差异化敏感性,并发现适应性 STAT3 信号通路是克服耐药、实现联合治疗的关键靶点。

Yeung, S. F., Chen, J. X., Law, C. T. Y., Law, A. C. H., Lee, C., Leung, A. M. F., Chau, M. P. K., Tong, M., Ko, B. C.-B., Wu, Y., Liang, K., Cho, W. C., Siu, M. K. Y., Chan, K. K. L., Leung, C. N., T (…)2026-03-13📄 cancer biology

Combined Menin and XPO1 inhibition drive synergistic antileukemic activity in KMT2Ar and NPM1-m AML

这项临床前研究表明,Menin 抑制剂(ziftomenib)与 XPO1 抑制剂(selinexor)的联合用药通过破坏 Menin 与 KMT2A 的相互作用并抑制致癌转录程序,在 KMT2A 重排和 NPM1 突变急性髓系白血病模型中展现出比单药治疗更显著的协同抗肿瘤活性及生存获益。

Uddin, M. H., Dhiman, S., Han, Y., Aboukameel, A., Dhillon, V., Aguillar, J., Buck, S., Deol, A., Boerner, J. L., Polin, L., Kessler, L., Burrows, F., Yang, J., Azmi, A. S., Maciejewski, J., Cutler, J (…)2026-03-13📄 cancer biology

Tuning the Structural Properties of a Single-Domain Antibody Scaffold for Improved Fibroblast Activation Protein Targeting

本研究通过构建不同价态和分子量的抗 FAP 单域抗体(VHH)变体,证实了调节 VHH 支架的大小与价态可显著改善其在体内的药代动力学特性及肿瘤滞留能力,从而确立了基于 F7 的构建体作为 FAP 靶向治疗诊断剂的潜力。

Ott, K., Gallant, J., Kwon, O., Adeniyi, A., Bednarz, B., Barrett, K., Rosenkrans, Z., Mixdorf, J., Engle, J., Aluicio Sarduy, E., Hernandez, R. T., LeBeau, A.2026-03-13📄 cancer biology

Predicting targeted- and immunotherapeutic response outcomes in melanoma with single-cell Raman Spectroscopy and AI

该研究提出了一种结合单细胞拉曼光谱与机器学习的非破坏性方法,能够以高准确率区分肿瘤微环境细胞类型并预测黑色素瘤患者对靶向及免疫治疗的耐药性,为精准医疗中的治疗方案选择提供了可扩展的新型生物标志物工具。

Chang, K., Serasanambati, M., Ogunlade, B., Hsu, H.-J., Agolia, J. P., Stiber, A., Gu, J., Chadokiya, J., Rodriguez, G. E., Singh, P., Sharma, S., Goncalves, A., Verma, O., Safir, F., Vu, N., Garcia (…)2026-03-12📄 cancer biology