结直肠癌肝转移类器官的分子靶点与药物反应预测模型

结直肠癌(CRC)是全球高发恶性肿瘤，肝转移是其主要致死原因，转移性肿瘤对全身化疗耐药性强，导致患者预后极差。尽管已有研究提示多种转移相关分子，但缺乏将分子特征与化疗反应整合的系统分析。类器官能忠实复刻原发肿瘤的临床病理和分子特征，外泌体 miRNA 在肿瘤转移中发挥关键调控作用，因此建立 CLM 配对类器官模型，通过多组学整合解析转移机制与药物敏感性关联，对开发 CLM 靶向治疗策略具有重要意义。

来自韩国首尔国立大学的团队在《Translational Oncology》发表题为Integrative multi-omics of matched primary and liver metastatic colorectal cancer organoids identifies putative molecular targets的文章，建立 5 对结直肠癌肝转移(CLM)配对类器官(原发结直肠癌 pCRC 与肝转移 LM)，通过基因组、转录组、外泌体 miRNA 和药物筛选的多组学整合分析，结合机器学习构建药物反应预测模型，鉴定出 miR-3613-5p-eEF2K-TAS-102 等调控轴及 KRAS 信号、TGF-β 信号等关键靶点，为 CLM 精准治疗提供分子依据。

实验方法

类器官建立与培养：从 5 例同步结直肠癌肝转移患者中获取原发肿瘤和肝转移组织，建立两种类器官 —— 组织衍生类器官(TO)和细胞系衍生类器官(CO);采用人肠道干细胞培养基(HISC)培养，每 2-3 天换液，每 1-2 周传代，可长期冻存构建生物库。

多组学数据获取：

基因组分析：对 11 个 CLM 类器官进行全外显子测序(WES)，鉴定体细胞突变和驱动基因变异。

转录组分析：通过 RNA 测序(RNA-seq)检测 pCRC 与 LM 类器官的差异表达基因(DEGs)，结合基因集变异分析(GSVA)解析通路富集特征。

外泌体 miRNA 分析：收集类器官培养上清，分离外泌体并提取 miRNA，通过基因芯片检测差异表达 miRNA(DEMs)，利用 miRWalk 3.0 预测靶基因。

药物筛选：采用 21 种临床常用药物(包括氟尿嘧啶、奥沙利铂、瑞戈非尼等)对类器官进行药敏测试，以剂量反应曲线下面积(AUC)量化药物敏感性。

多组学整合与模型构建：使用 mixOmics 包的 DIABLO 算法整合 mRNA、miRNA 和药物反应数据，筛选相关性显著的调控轴;采用 6 种机器学习模型(决策树、随机森林等)，结合通路富集分数和 miRNA 表达，构建 CLM 预测模型，筛选关键鉴别变量。

关键结果

图1CLM 类器官的建立与研究设计

该图展示了类器官构建与实验流程：(A)pCRC 与 LM 类器官形态相似，均呈现囊性或实性结构，含 lumen 结构，无明显形态差异;(B)实验流程示意图，包括类器官建立、多组学分析(基因组、转录组、外泌体 miRNA)、药物筛选、数据整合及预测模型构建。结果证实成功建立了配对 CLM 类器官模型，可用于后续多维度分析。

图2 CLM 类器官的基因组特征

该图揭示了原发与转移类器官的遗传相关性：(A)驱动基因突变图谱，APC、KRAS、TP53 等 CRC 经典驱动突变在配对类器官中高度一致，转移类器官与原发类器官共享几乎相同的驱动突变;(B)突变模式分析，无论原发还是转移类器官，单核苷酸变异(SNV)均以 C-to-T 转换为主，突变特征高度相似。结果表明，CLM 类器官与原发肿瘤具有克隆同源性，驱动基因突变在转移过程中保持稳定。

图3 CLM 类器官的转录组特征

该图呈现了转录组层面的差异与共性：(A)多维缩放分析(MDS)显示，同一患者的 pCRC 与 LM 类器官聚类相近，患者间异质性显著;(B)差异基因验证，CENPI 基因在 LM 类器官中显著上调，且在公共 GEO 数据集(GSE28702)中得到验证;(C)通路富集热图，Hedgehog 信号通路在 CLM 类器官中普遍富集，EMT 和血管生成通路则呈现患者特异性富集模式。结果提示，尽管转录组整体相似，但 LM 类器官存在特异性基因上调和通路激活。

图4 CLM 类器官的外泌体 miRNA 特征

该图分析了外泌体 miRNA 的差异及功能：(A-D)不同患者的外泌体 miRNA 体积图(左)与靶基因 GO 分析(右)，筛选出 | FC|≥3 的 Top20 DEMs，其靶基因涉及脂质代谢(SNU-2337)、ERK1/2 级联反应(SNU-2536)、器官发育(SNU-2600)、间充质细胞分化(SNU-3546)等生物学过程。结果表明，外泌体 miRNA 在 CLM 中存在患者特异性差异，且参与转移相关通路调控。

图5 多组学整合鉴定的调控轴与分类特征

该图展示了多维度数据的关联分析：(A)Circos 图，显示 miRNA-mRNA - 药物反应的相关性，鉴定出 miR-3613-5p-eEF2K-TAS-102、miR-663b-HTD2-Apitolisib 等关键调控轴(r≥0.825);(B)聚类热图，15 个高权重多组学特征(mRNA、miRNA、药物)可有效区分 pCRC 与 LM 类器官。结果证实，多组学整合能揭示潜在调控网络，为分子靶点鉴定提供依据。

图6 CLM 预测模型的关键变量

该图呈现了机器学习模型的核心发现：(A)决策树模型，HALLMARK_KRAS_SIGNALING_DN 通路富集分数(<-0.112)和瑞戈非尼(Regorafenib)敏感性(AUC≥1.363)是区分 LM 与 pCRC 的关键节点，54.5% 的 LM 样本可通过该模型准确分类;(B)Top15 预测变量，TGF-β 信号通路是影响 LM 的最关键因素，Apitolisib 敏感性和 miR-3613-5p 表达也位列其中。结果表明，KRAS 信号、TGF-β 信号及特定药物反应可作为 CLM 的预测指标。

全文总结

本文成功建立了结直肠癌原发与肝转移配对类器官模型，通过整合多组学数据与药物筛选结果，揭示了 CLM 的分子特征与药物反应关联：配对类器官共享核心驱动突变，但在转录组、外泌体 miRNA 层面存在转移特异性差异;多组学整合鉴定出 miR-3613-5p-eEF2K-TAS-102 等潜在调控轴;机器学习模型证实 KRAS 信号、TGF-β 信号及瑞戈非尼敏感性是 CLM 的关键鉴别特征。该研究为 CLM 提供了可靠的体外模型，鉴定的分子靶点和预测模型为精准治疗方案选择提供了新参考。但研究存在局限性，样本量较小(5 例患者)，缺乏原发肿瘤组织与类器官的直接基因组比对，未来需扩大样本量并开展体内验证，进一步验证靶点的临床转化价值。