《细胞》重磅封面：首次看清体内所有癌症转移！科学家们发现将近1/4的位点无法得到有效治疗

---

  新智元推荐  

来源：学术经纬（ID: Global_Academia）

在全世界范围内，癌症是最为主要的致死原因之一。但很多人其实没有意识到，杀死这些病患的，其实并不是最初的癌症，而是癌症发生的转移。事实上，超过90%的癌症患者是因为癌症转移才去世的。

既然癌症转移那么凶险，我们开发一点药物，抑制癌症转移不就好了？说起来容易做起来难。由于癌症的复杂性，很多时候，我们并不知道癌症为何转移，如何转移，又会转移到何处。更糟糕的是，由于我们的身体不是透明的，现有的技术也很难让科学家们看清身体里究竟发生了什么。

图片来源：Cell / ©Helmholtz Zentrum München

今天《细胞》杂志封面所介绍的一项重磅研究，可能让这一切成为历史。

这项研究来自德国纽伦堡的组织工程和再生医学研究所（Institute for Tissue Engineering and Regenerative Medicine），通讯作者是Ali Ertürk教授。大家可能没有听说过他的名字，但他的团队先前曾带来了一种叫做vDISCO的黑科技，可以把小鼠的身体变透明。这样一来，我们就可以看到这些动物身体深处的细胞了。

▲Ali Ertürk教授带来的“黑科技”，能让小鼠整个身体变透明（图片来源：©Helmholtz Zentrum München）

能看到这些细胞，就有机会找到其中的转移癌细胞。但纯靠人工去寻找依然费时费力，没有实际的应用价值。为了快速找到小鼠身体里的所有癌症转移迹象，研究人员们利用深度学习技术，开发了一种叫做DeepMACT的算法。它不仅能帮助我们找到小鼠体内的癌症转移，还可以告诉我们，哪些转移位点已经被药物“盯上了”，又有哪些位点“逃之夭夭”。

▲利用这一工具，我们能够快速找到癌症发生转移的位点（蓝色：器官；紫红色：肿瘤）（图片来源：©Helmholtz Zentrum München）

更令人欣喜的是，这种深度学习算法，只需要不到一个小时就可以完成所有的分析工作，且准确率和人类专家相当。相比之下，如果让人类来完成同样的工作量，则可能需要花上几个月的时间。

利用这个工具，研究人员们对多种小鼠的癌症模型进行了研究，这包括了肺癌、乳腺癌、以及胰腺癌等常见的癌症类型。后续的研究也发现，不同的癌症，有着不同的转移模式。比如在乳腺癌里，在两周内，转移的位点会不断变多，逐渐增加肿瘤的负担。

▲本研究的共同第一作者潘晨琛博士（图片来源：ResearchGate个人主页）

“利用传统的生物荧光成像方法，是看不到这些特征的，”本研究的共同第一作者潘晨琛博士说道：“DeepMACT是首个能以整个身体的规模定量分析肿瘤转移的方法。”

研究人员们也指出，这种方法能让我们看到抗癌疗法的更多细节。目前，许多医药公司会开发抗体类药物，去与肿瘤进行结合，并抑制它们的生长。但这些抗体的覆盖率有多少？又有多少癌症转移的位点会成为漏网之鱼？

▲这个工具也能告诉我们，哪些转移位点是现有疗法的“漏网之鱼”（蓝色：器官；白色：与药物结合的肿瘤；紫红色：没有药物结合的肿瘤）（图片来源：©Helmholtz Zentrum München）

研究的结果不是很乐观——实验里，科学家们使用的药物最多可以漏过23%的转移位点，约为四分之一！这也从某种意义上解释了为何许多癌症在治疗后，总会出现复发。

“与癌症的战斗已经打响了好几十年，而要彻底击败癌症，我们还有很长的路要走，”Ali Ertürk教授点评道：“为了开发更有效的癌症疗法，我们需要知道不同肿瘤类型如何发生转移，并开发出抑制这些转移进程的肿瘤特异性药物。”

▲不同的癌症有着不同的转移类型（图片来源：©Helmholtz Zentrum München）

综合来看，这项研究不仅能让我们看清癌症如何发生转移，还可以让我们在临床前就评估抗癌药物的覆盖率是不是够广。能登上《细胞》杂志的封面，可谓是实至名归。我们也期待它早日能应用于人类药物的开发，为癌症治疗带来新的洞见！

参考资料：

[1] Chenchen Pan et al., (2019), Deep Learning Reveals Cancer Metastasis and Therapeutic Antibody Targeting in the Entire Body, Cell, DOI: https://doi.org/10.1016/j.cell.2019.11.013

[2] New algorithm detects even the smallest cancer metastases across the entire mouse body, Retrieved December 12, 2019, from https://www.eurekalert.org/pub_releases/2019-12/hzm--nad121019.php

本文转载自学术经纬（ID: Global_Academia），未经授权不得二次转载，如有需求请至学术经纬回复“转载”申请转载权限。