Gene Regulatory Network Inference reveals tcf4 as a key a player in neuroblastoma gene expression circuitry
通过将创新的 CardamomOT 框架应用于神经母细胞瘤类器官的单细胞 RNA-seq 数据，本研究推断出一个动态基因调控网络，该网络识别出 *tcf4* 为一个关键枢纽，其通过 BET 类药物进行的抑制会改变细胞命运比例，从而揭示了这种儿童癌症的新治疗途径。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
将神经母细胞瘤想象成一个混乱的儿童癌症施工现场。正常情况下，这个工地应该建造交感神经元（一种特定的神经细胞），但施工队伍搞错了，导致建筑只盖了一半，既不完整也不稳定。这种混乱使得每个患者的癌症表现都大不相同，且难以治疗。
为了弄清楚到底哪里出了问题，研究人员构建了一个全新的、超级智能的“交通控制系统”，名为 CardomomOT。将以往研究这些细胞的方法比作观察繁忙路口的静态照片；你可以看到车辆，但无法得知它们的行驶方向或原因。而这个新系统则像是一个高速运行的 3D 模拟器，能够捕捉施工队伍的“爆发性”能量以及它们如何进行实时交流。它不仅仅是在猜测，而是对驱动细胞的实际生物学时间和反馈回路进行建模。
利用这个系统，研究人员绘制出了一张关于这些癌细胞如何尝试生长的“路线图”。他们发现，细胞正卡在一条高速公路上，试图从一个阶段（嗜铬细胞样阶段）向另一个阶段（交感神经母细胞阶段）移动，但交通陷入了瘫痪。他们识别出了 8 5 位负责这场表演的关键“工头”（基因），其中大多数负责管理施工队伍的速度和复制蓝图的能力（细胞周期和 DNA 复制）。有趣的是，其中 9 位工头与健康神经发育过程中使用的工头是相同的，这表明癌症正在试图模仿正常的生长过程，但做得并不正确。
随后，团队在计算机上运行了一场大规模的“如果……会怎样”模拟实验。他们问道：“如果我们解雇某位特定的工头会怎样？”或者“如果我们提拔另一位会怎样？”
- 他们发现 Tcf4 是这个网络中的一位大老板。
- 当他们模拟“解雇”（敲除）Tcf4 时，模拟预测癌细胞将停止尝试变成那种快速生长的晚期细胞，转而变成较早期的、移动较慢的嗜铬细胞样细胞。
- 他们还识别出 PLK1 是另一个关键角色。
但计算机模拟只是理论，直到它在现实世界中得到测试。研究人员使用了来自患者的真实肿瘤样本（类器官）并测试了他们的预测。由于他们无法在活体细胞中字面上地“解雇”一个基因，因此他们使用了一种名为 JQ1（一种 BET 抑制剂）的药物作为 Tcf4 活性的替代品来实施阻断。
结果与计算机模拟完美吻合：
- 药物改变了细胞的“身份”，正如模拟预测的那样。
- 计算机预测 Tcf4 控制的所有 50 个基因确实都受到了药物的影响。
- 真实肿瘤中的细胞类型组合也发生了变化，看起来与预测结果完全一致：快速生长的细胞减少了，而早期类型的细胞增多了。
简而言之，这篇论文表明，这些癌症肿瘤仍然保留着一个可以被绘制和预测的动态蓝图。通过使用这种新的建模工具，研究人员成功预测了阻断 Tcf4（使用像 JQ1 这样的药物）或 PLK1 可以改变癌症的行为，为治疗策略提供了一条全新的、可测试的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。