综述：体外构建骨肉瘤模型：从传统模型到精准医疗的生物制造平台

《ACS Omega》：Engineering Osteosarcoma In Vitro: From Traditional Models to Biofabricated Platforms for Precision Medicine

骨肉瘤体外模型研究进展：综述了传统二维、三维培养系统及患者源性模型（PDX/PDO）的应用，重点分析了微流控芯片技术通过模拟肿瘤微环境提升药物筛选和免疫治疗评估的潜力，整合多组学数据与人工智能优化模型设计。当前挑战包括标准化不足、成本高及临床转化难题，未来需结合3D打印、纳米技术和大数据构建智能化平台。

　　骨肉瘤是一种高度恶性的原发性骨肿瘤，主要影响青少年群体。尽管传统的治疗手段如手术切除、化疗和放疗在临床上广泛应用，但患者的长期生存率仍不理想，这主要是由于该疾病具有高度的转移能力和对药物的耐受性。近年来，研究人员致力于开发更精确的体外模型，以更好地模拟肿瘤微环境，从而提高药物筛选和个性化治疗的有效性。本文综述了骨肉瘤体外建模的最新进展，包括传统的二维培养系统、三维培养平台、类器官模型以及用于模拟肿瘤微环境的微流控芯片技术。此外，还探讨了这些模型在药物筛选、免疫共培养系统和个性化治疗策略中的应用价值。同时，文章也讨论了多组学数据与人工智能（AI）的结合，作为优化模型设计和推动精准肿瘤学发展的手段。生物仿生体外模型有潜力更准确地再现肿瘤异质性、细胞间相互作用和肿瘤微环境的复杂性，从而提升临床前药物开发的转化价值。最后，文章还指出了该领域当前面临的挑战，包括缺乏标准化协议、模型稳定性与可重复性问题，以及这些模型在临床前研究流程中的实际整合困难。

在体外模型的发展过程中，传统的二维细胞培养系统一直占据重要地位。这类模型常用于骨肉瘤的研究，例如使用MG-63、U2OS和SaOS-2等细胞系。MG-63来源于人类骨肉瘤，具有高增殖能力，但恶性程度较低，适用于研究肿瘤增殖和药物筛选。U2OS是一种分化较好的细胞系，增殖速度较慢，常用于信号通路研究和药物耐药机制的探索。SaOS-2则是一种高度分化的成骨样骨肉瘤细胞系，常用于骨代谢、矿化研究和药物耐药性测试。二维模型在揭示多种信号通路（如PI3K/AKT、MAPK和Wnt/β-catenin）在肿瘤细胞增殖、侵袭和化疗耐药中的作用方面发挥了重要作用。例如，已有研究表明胃泌素释放肽（Gastrin-releasing peptide）通过激活AKT和Wnt/β-catenin信号通路，增强顺铂的耐药性并促进骨肉瘤细胞的存活和迁移。此外，二维模型在高通量药物筛选和评估化疗药物（如顺铂、甲氨蝶呤和多柔比星）的抗肿瘤效果方面也具有重要价值。然而，二维模型存在明显的局限性，它们无法充分模拟肿瘤微环境的复杂性，如细胞极化、基质刚度和肿瘤细胞生长的空间组织结构，这导致体外研究结果与临床结果之间存在偏差。同时，二维模型未能充分考虑肿瘤异质性，忽略了癌症干细胞（CSCs）与非干细胞细胞之间的复杂相互作用，从而影响实验的准确性。此外，它们在模拟细胞-细胞和细胞-基质相互作用方面也显得不足，这对研究药物敏感性和信号通路激活至关重要。因此，研究者们正逐步转向更先进的三维模型，如类器官、肿瘤球体和支架基系统，以更准确地模拟骨肉瘤微环境，提高药物筛选的准确性，并支持个性化治疗策略的开发。

三维培养模型近年来成为研究骨肉瘤的重要工具，其主要形式包括肿瘤球体和支架基培养系统。肿瘤球体模型通过非贴壁培养条件，使骨肉瘤细胞自发聚集形成球体结构，这些模型被广泛用于研究肿瘤与微环境的相互作用、评估化疗和放疗的耐药性以及模拟免疫细胞与肿瘤细胞的相互作用，从而为免疫治疗效果的评估提供有效平台。例如，一项研究通过调节肿瘤细胞与基质细胞的比例，构建了早期和晚期骨肉瘤球体模型，用于评估多柔比星诱导的细胞毒性。支架基培养系统则利用生物材料构建的三维支架，更真实地再现细胞外基质（ECM）的结构和功能，从而支持骨肉瘤细胞的生长和侵袭研究。例如，一种结合3D打印聚氨酯支架和体外生成的骨ECM的骨肉瘤模型，能够有效模拟骨肿瘤微环境，促进肿瘤细胞的增殖和侵袭，并为体外研究提供新的思路。

常用的支架材料包括天然材料、合成材料和复合材料。天然材料如胶原蛋白和明胶，具有良好的ECM模拟能力，但机械强度有限。合成材料如聚乳酸-羟基乙酸共聚物（PLGA）和聚己内酯（PCL）具有可调节的物理化学性质和良好的稳定性，但细胞相容性相对较低。复合材料如明胶-壳聚糖复合支架，在生物相容性和机械强度之间取得平衡，有助于细胞的附着和增殖。例如，通过双通道挤出生物打印技术构建的各向异性双层活体水凝胶（ABLH），能够空间性嵌入关节软骨前体细胞（ACPCs）和骨髓来源的间充质干细胞（BMSCs），从而模拟骨组织的微环境。这种模型为研究肿瘤细胞对骨组织的破坏作用提供了重要工具。此外，三维模型在研究药物耐药性和肿瘤侵袭行为方面表现出显著优势，它们能够更好地再现肿瘤组织内的氧梯度，为药物耐药性评估提供更生理相关的微环境。同时，三维模型还能更真实地模拟肿瘤细胞与基质的相互作用，从而支持对肿瘤侵袭和基质降解机制的研究。更重要的是，近年来的研究表明，将免疫共培养与三维模型结合，有助于更准确地评估肿瘤细胞对免疫治疗的反应，从而推动个性化治疗策略的发展。

在骨肉瘤的免疫微环境研究中，三维共培养模型的应用尤为关键。这些模型能够更精确地模拟肿瘤微环境，特别是肿瘤细胞与免疫细胞之间的复杂相互作用。例如，研究表明，在体外环境中，骨肉瘤细胞可以通过分泌免疫抑制因子，抑制自然杀伤（NK）细胞和T细胞的抗肿瘤活性，同时促进M2型肿瘤相关巨噬细胞（TAMs）的极化，从而增强免疫逃逸机制。此外，三维共培养模型能够更真实地再现肿瘤细胞与免疫细胞之间的动态互动，为免疫治疗策略的优化提供实验依据。在肿瘤转移研究方面，三维模型能够更有效地模拟肿瘤细胞的侵袭行为，帮助研究者理解肿瘤如何侵入邻近组织并进入血管系统。例如，一项研究通过构建三维骨肉瘤模型，评估了肿瘤细胞在体外环境中的迁移和转移机制，为相关治疗策略的开发提供了重要参考。

随着多组学技术的发展，整合基因组、转录组、蛋白质组和代谢组数据已成为精准医学研究的重要手段。骨肉瘤作为一种高度异质性的恶性肿瘤，其复杂的分子特征和显著的治疗抵抗性，使得临床诊断和治疗面临巨大挑战。通过整合多组学数据，研究者能够更全面地理解骨肉瘤的分子机制，并据此进行患者分型、药物敏感性研究和个性化治疗策略的开发。例如，一项研究整合了121例骨肉瘤患者的基因组、表观基因组和转录组数据，发现TP53突变频率显著，而通过无监督的多组学聚类分析，骨肉瘤被划分为四个具有不同分子特征和临床预后结果的亚型：免疫激活型（S-IA）、免疫抑制型（S-IS）、同源重组缺陷主导型（S-HRD）和MYC驱动型（S-MD）。这些分子亚型的识别为精准医学提供了重要依据，有助于更准确地预测患者的治疗反应和预后。

此外，人工智能（AI）和机器学习（ML）技术的引入，使得多组学数据的挖掘和建模取得了显著进展。AI和ML在精准医学中的应用，不仅提升了疾病相关生物标志物的识别能力，还优化了个性化治疗策略的制定。例如，一项研究使用了四种特征选择算法（Monte Carlo Feature Selection、Boruta、Minimum Redundancy Maximum Relevance和LightGBM）从基因表达矩阵中筛选关键基因，并结合四种机器学习算法（SVM、XGBoost、Random Forest和k-Nearest Neighbors）确定最优基因数量用于模型构建。通过结合可解释机器学习（IML）技术，研究者构建了一个共识预测网络，揭示了所选基因之间的潜在关系。该研究还通过生存分析发现，某些基因（如INHBA、FNBP1、PDE9A、HIST1H2BG和CADM3）与结直肠癌患者的预后密切相关，表明多组学数据整合在疾病相关生物标志物的发现中具有重要作用。

在药物敏感性预测方面，AI和ML技术同样展现出巨大潜力。通过整合多组学数据并应用机器学习算法，研究者能够更准确地预测肿瘤细胞对不同治疗方案的反应。例如，一项研究结合了深度学习和相似性网络融合（SNF）技术，整合了基因表达、拷贝数变异（CNVs）和DNA甲基化数据，并通过稀疏主成分分析（SPCA）进行特征提取，以降低高维数据带来的过拟合风险。结果表明，这种方法在多个癌症数据集（如GDSC和TCGA）中均优于现有深度学习模型，特别是在预测靶向治疗和非特异性化疗药物的敏感性方面表现出色。AI和ML技术的引入，使得药物研发向数据驱动的方向发展，尤其是在新药发现、适应症扩展和临床试验优化等方面。这些技术的应用不仅提高了药物筛选的效率，还为精准医学提供了新的解决方案。

尽管体外模型在骨肉瘤研究中取得了重要进展，但仍然面临诸多挑战。首先，模型异质性和缺乏标准化是当前研究中的主要问题。不同实验室在细胞来源、培养条件和实验方法上存在较大差异，导致实验结果的可重复性不足。此外，缺乏统一的评估标准和操作流程，也影响了研究数据的可比性。例如，三维培养系统中不同支架材料、细胞密度和培养基成分的差异，都会对实验结果产生影响。因此，建立统一的技术标准和标准化操作流程，对于提高骨肉瘤研究的可重复性和临床转化价值至关重要。未来，标准化方法和操作指南将成为整合不同研究数据、促进跨学科合作和创新的基础。

其次，体外模型的临床相关性和转化潜力仍有限。尽管三维模型和类器官在一定程度上提升了实验的生理相关性，但它们与体内微环境仍存在差距，导致实验结果难以直接应用于临床。例如，传统二维培养的骨肉瘤细胞系缺乏微环境的模拟，无法准确再现肿瘤生长和药物反应的真实情况。近年来，研究者们通过开发三维培养系统和类器官模型，努力提高体外模型的临床相关性。例如，一项研究建立了包含9个骨肉瘤类器官模型的患者来源生物库，显示出在个体化药物反应预测方面的优越性。然而，尽管三维模型在基础研究中取得了显著进展，其在临床中的广泛应用仍面临挑战，转化路径仍然漫长。未来，通过将模型数据与临床数据集进行多层面整合，如将分子亚型、基因表达谱和模型表型与患者的病理、影像和生存数据进行关联，有助于识别新的预测性生物标志物，为个性化治疗提供支持。

此外，技术复杂性和成本问题也限制了体外模型的广泛应用。尽管3D生物打印、微流控芯片和类器官培养等新兴技术显著提升了模型的生理相关性，但其技术门槛较高，设备成本昂贵，实验周期较长，使得这些技术难以在常规实验室中普及。例如，类器官的培养通常需要数周甚至数月，且高度依赖肿瘤组织来源和培养条件。为了降低技术壁垒并提高实验效率，研究者可以探索构建更简单、标准化和成本效益更高的替代方案，而不牺牲模型的预测性能。例如，开发无泵的微流控系统，如基于重力、虹吸或微压力驱动的系统，可以简化设备操作并降低系统复杂性。同时，标准化生物墨水制备流程和推进自动化生物打印平台，有助于提高3D生物打印模型的批次稳定性和可重复性。此外，AI算法可以用于分析实验数据，提供数据驱动的预测和指导，优化培养条件，从而在提高模型准确性的同时有效控制实验成本。

最后，如何在高通量筛选与个性化治疗之间取得平衡，也是当前研究的一个重要课题。高通量药物筛选依赖于快速、稳定和可重复的体外模型，但这些模型往往缺乏患者的个体特征。相比之下，个性化治疗模型如类器官和患者来源异种移植（PDX）模型更贴近患者的生物学特性，但其建立和维护过程较为复杂且资源密集。近年来，研究者开发了一种优化的骨肉瘤球体培养平台，旨在兼顾高通量筛选和个性化治疗的需求。研究表明，该平台不仅支持大规模药物筛选，还能准确预测个体化药物反应，为未来的研究提供了重要参考。

展望未来，骨肉瘤体外模型的发展将朝着更仿生、更整合的方向迈进。未来的模型将更加精确地再现体内肿瘤微环境，同时结合多种先进的生物工程、纳米技术和大数据分析方法，以提升模型的稳定性、可重复性和临床相关性。例如，可以开发一种自动化和智能化的骨肉瘤培养系统，结合3D生物打印和微流控技术，构建和维持一个动态调控的仿生培养环境。同时，通过将AI算法与嵌入式微传感器相结合，可以实现对类器官生长、存活等生理参数的实时监测，提供持续反馈。此外，从这些系统中收集的数据可以与全球数据库进行比较，以系统评估平台在疾病进展模拟和药物筛选中的可靠性与预测价值。

在临床应用方面，体外骨肉瘤模型有望成为新药开发和精准医学的重要工具。加强与制药公司的合作，将有助于将3D培养系统、类器官和微流控芯片整合到临床前药物筛选中，从而提高药物研发的成功率。同时，将类器官与多组学数据分析相结合，可以优化个性化治疗策略，提高不同患者群体的药物反应率。此外，探索基于类器官和体外模型的快速审批路径，有助于缩短从实验室研究到临床应用的时间，加速精准医学在骨肉瘤领域的应用。这些努力将为骨肉瘤患者提供更精准、更有效的治疗选择。

综上所述，骨肉瘤体外模型的发展正在不断推进，从传统的二维培养向更生理相关的三维模型、类器官和免疫共培养系统演进。这些先进的模型在研究细胞-细胞相互作用、药物筛选和耐药机制方面展现出巨大潜力。同时，多组学数据与人工智能的结合，为精准医学提供了更深入的分子特征解析和更准确的药物反应预测。尽管目前仍面临模型稳定性、标准化和临床转化等挑战，但这些技术的不断进步为未来治疗策略的优化奠定了坚实基础。通过建立更完善的标准化流程、推动多学科合作和加强产学研结合，骨肉瘤体外模型有望在临床转化和精准医学领域发挥更大作用，最终为患者带来更有效的治疗方案。