保留胶质瘤微环境的新型类器官模型在个性化药物筛选与疗效评估中的应用研究

胶质瘤是恶性程度高、预后极差的脑肿瘤，现有研究模型(如细胞系、患者来源异种移植模型)难以精准模拟肿瘤微环境(包括免疫细胞、基质细胞及细胞间互作)，限制了对其发病机制的理解和治疗方案的开发。传统模型要么缺乏肿瘤异质性，要么无法保留免疫成分，导致药物筛选和疗效预测准确性不足。因此，构建能忠实再现胶质瘤微环境的体外模型，对个性化治疗和基础研究至关重要。

来自北京天坛医院、首都医科大学的团队在《Bioactive Materials》期刊发表了题为“A novel organoid model retaining the glioma microenvironment for personalized drug screening and therapeutic evaluation”的研究。

核心内容如下：

新型胶质瘤类器官模型(GlioME)的构建：

方法：将新鲜胶质瘤组织机械切碎(避免单细胞解离破坏细胞间连接)，接种到低生长因子 Matrigel 中，采用无血清培养基培养，无需添加外源性生长因子(如 EGF、bFGF);

优势：成功率达 88.2%(34 例中 30 例成功)，高于漂浮培养类器官(FG)的 76.5%，且能覆盖不同亚型(少突胶质细胞瘤、星形细胞瘤、胶质母细胞瘤)及 WHO 分级，包括 IDH 突变型和复发肿瘤。

模型验证：

分子一致性：通过 RNA 测序、全外显子测序、DNA 甲基化分析，证实 GlioME 与原发肿瘤在基因表达、突变谱、拷贝数变异及甲基化模式上高度一致(相关系数 > 0.89);

微环境保留：免疫荧光和流式细胞术显示，GlioME 较漂浮类器官保留更多肿瘤相关巨噬细胞(CD45+/CD68+)、T 细胞(CD4+/CD8+)等免疫细胞，更接近体内肿瘤免疫微环境。

临床应用：

药物筛选：GlioME 对化疗药(替莫唑胺)、靶向药(vebreltinib，MET 抑制剂)及免疫调节剂(pexidartinib，CSF1R 抑制剂)表现出剂量依赖性响应;

个性化治疗预测：成功预测 1 例 MET 扩增的复发星形细胞瘤患者对 vebreltinib 的临床响应，治疗后 MRI 显示残余病灶消失，证实模型的临床转化价值。

实验结果

图 1：GlioME 的构建与形态特征

内容：展示 GlioME 与漂浮类器官(FG)的构建流程，显示 GlioME 通过机械切碎组织、Matrigel 包埋培养，而 FG 采用悬浮培养;呈现不同时间点(1 天、7 天、14 天)的形态，GlioME 沿基质形成触手状结构(体现侵袭性)，FG 表面更光滑;通过 GFP 标记和扫描电镜(SEM)显示 GlioME 内部细胞互作更复杂，含肿瘤相关巨噬细胞和外泌体。

图 2：组织学与标志物一致性

内容：对比原发肿瘤与两种类器官的 HE 染色，GlioME 在 IDH 突变型星形细胞瘤中更易保留多核瘤细胞特征，而 FG 存在细胞组成偏差;免疫荧光显示 IDH1 R132H、GFAP、CD31(血管内皮)、Ki-67(增殖)等标志物在 GlioME 中与原发肿瘤表达模式一致。

图 3：分子水平一致性验证

内容：RNA 测序相关性分析显示 GlioME 与原发肿瘤基因表达相关系数 > 0.95;全外显子测序证实两者拷贝数变异(CNV)和突变谱(如 KMT2D、NOTCH1 突变)高度相似;DNA 甲基化主成分分析(PCA)显示同亚型 GlioME 与肿瘤组织聚类，甲基化 β 值分布一致。

图 4：巨噬细胞保留能力

内容：CIBERSORT 算法分析显示 GlioME 中巨噬细胞比例更接近原发肿瘤;免疫荧光标记 CD11b、IBA1、TMEM119，证实 GlioME 巨噬细胞数量显著多于 FG;流式细胞术显示 GlioME 中 CD45+/CD68 + 巨噬细胞数量约为 FG 的 2 倍。

图 5：T 细胞保留能力

内容：ssGSEA 分析显示 GlioME 中 T 细胞相关通路(如 IFNG、GZMA 表达)更接近原发肿瘤;免疫荧光显示 GlioME 保留更多 CD4 + 和 CD8+ T 细胞;流式细胞术证实 GlioME 中 CD45+/CD3+ T 细胞比例显著高于 FG(P=0.0476)。

图 6：药物筛选与临床验证

内容：Pexidartinib 处理后，GlioME 中巨噬细胞数量减少，CD206+ M2 型巨噬细胞比例下降;替莫唑胺和 vebreltinib 处理显示剂量依赖性存活曲线;1 例 MET 扩增患者的 GlioME 对 vebreltinib 敏感，临床治疗后 MRI 显示病灶消失，验证模型预测价值。

全文总结

本研究构建的 GlioME 模型通过机械切碎组织、Matrigel 包埋培养，成功保留了胶质瘤的微环境(尤其是免疫细胞)和分子特征，解决了传统模型无法兼顾肿瘤异质性与免疫成分的问题。该模型在药物筛选中表现出可靠的剂量响应，并能准确预测患者对靶向药的临床响应，为个性化治疗提供了理想平台。当前挑战包括血管化模拟不足(仅保留内皮细胞无血管腔)，未来需优化培养系统以延长存活时间、整合血管网络，进一步提升模型的生理相关性。