类器官技术在泌尿系统肿瘤中的应用进展综述

泌尿系统肿瘤(前列腺癌、膀胱癌、肾癌)是全球重大健康威胁。前列腺癌为男性第二常见恶性肿瘤，膀胱癌和肾癌也位居前十位高发癌症之列。传统研究模型存在显著局限：2D 细胞培养无法模拟肿瘤三维结构和异质性;患者来源异种移植模型建立耗时、成本高，且受小鼠微环境影响，不适合高通量药物筛选。类器官技术作为三维体外模型，能保留肿瘤的分子、遗传特征及异质性，培养简便、可快速扩增，成为连接基础研究与个性化治疗的关键工具，尤其在 FDA 逐步减少动物实验依赖的背景下，其应用价值愈发凸显。

来自江南大学医学中心、江南大学无锡医学院的团队在《World Journal of Surgical Oncology》期刊发表了题为“Harnessing organoid technology in urological cancer: advances and applications in urinary system tumors”的综述。

核心内容如下：

泌尿系统肿瘤类器官的建立：

来源与培养：从患者肿瘤组织分离干细胞，嵌入 Matrigel 等基质，在含特定生长因子的培养基中自组织形成类器官，保留原发肿瘤的基因组稳定性、异质性及功能特征，培养成功率较高(部分可达 80%);

平台开发流程：包括肿瘤细胞获取、3D 培养、验证(HE 染色、免疫组化、基因分析等)，最终纳入生物库用于机制研究、药物筛选及个性化治疗。

在各肿瘤中的应用：

前列腺癌：类器官保留雄激素受体信号通路，用于研究肿瘤发生机制(如 luminal 祖细胞的作用)、药物筛选(如 HSP90 抑制剂、HDAC3 抑制剂)及耐药性(去势抵抗型前列腺癌)，部分药物已进入临床试验(如 NEO2734 处于 I 期);

肾癌：从成人或多能干细胞构建类器官，模拟肾单位结构，用于研究透明细胞肾癌等亚型的药物响应(如多激酶抑制剂 foretinib)，但血管化仍是主要挑战;

膀胱癌：患者来源类器官保留遗传稳定性和异质性，用于评估 MEK 抑制剂(如 trametinib)等疗效，建立的生物库支持高通量筛选。

与生物工程技术的融合：

3D 生物打印：通过精准排列细胞和生物材料(如胶原、明胶)，构建含免疫细胞、成纤维细胞的共培养模型，模拟肿瘤微环境，用于研究前列腺癌中癌症相关成纤维细胞与透明质酸的相互作用;

微流控芯片(器官芯片)：通过微米级通道模拟生理灌注和药物浓度梯度，用于肾癌耐药机制研究(如 CXCR4/CXCL-12 通路)和膀胱癌药物测试(如重组 BCG 疗法);

基因编辑：CRISPR/Cas9 技术用于构建特定基因突变模型(如前列腺癌 TMPRSS2-ERG 融合)，助力靶点验证和药物开发;

共培养系统：整合免疫细胞(如 CAR-T 细胞)、基质细胞，研究肿瘤 - 免疫互作，优化免疫治疗策略(如低剂量卡铂增强 CAR-T 疗效)。

挑战与未来方向：

现存问题：微环境模拟不完整(缺乏血管、淋巴系统)、传代过程中异质性丢失、标准化不足、临床验证有限;

解决途径：开发共培养和器官芯片平台、结合单细胞测序和基因编辑、建立统一培养协议、推动 AI 驱动的自动化分析;

临床转化：提出三级分类系统(基础研究模型、临床决策支持模型、预测治疗模型)，推动个性化治疗和多器官交互模拟(如 Universal Coupling Culture Array)。

实验结果

图 1：类器官技术的优势及在精准医学中的应用

内容：对比 2D 细胞培养、患者来源异种移植模型与类器官的优劣势(类器官在成功率、操作性、异质性保留等方面更优);展示类器官的细胞来源(胚胎干细胞、诱导多能干细胞、成体干细胞、肿瘤细胞)及培养周期(0-14 天);呈现疾病特异性类器官在基因治疗评估、联合用药测试中的应用流程，支持个性化治疗决策。

图 2：泌尿系统肿瘤类器官平台的开发

内容：描述平台开发四步骤 ——A. 从肾脏、膀胱、前列腺肿瘤样本中获取肿瘤细胞;B. 利用 Matrigel 等材料进行 3D 培养;C. 通过 HE 染色、免疫组化、免疫荧光、基因表达分析等验证类器官真实性;D. 应用于生物库建立、个性化治疗、肿瘤机制研究及新药开发。

图 3：肿瘤类器官技术的最新进展

内容：展示生物工程技术与类器官的融合，包括 3D 生物打印、微流控芯片、基因编辑(CRISPR/Cas9)的整合应用;呈现模型优化策略(引入血管内皮细胞、免疫细胞重建肿瘤微环境);说明 AI 在图像分析中的作用，提升药物筛选效率和准确性。

全文总结

类器官技术为泌尿系统肿瘤研究提供了革命性工具，其能保留肿瘤异质性和分子特征，在前列腺癌、膀胱癌、肾癌的机制研究、药物筛选中展现显著优势。通过与 3D 生物打印、微流控、基因编辑等技术融合，类器官模型的生理相关性不断提升，但仍面临微环境模拟不完整、标准化不足等挑战。未来需通过多学科交叉创新，推动模型优化和临床验证，最终实现从基础研究到个性化治疗的转化，改善泌尿系统肿瘤患者的预后。