ITCC-P4 PDX平台赋能儿童癌症临床前测试

《Cancer Research》：The ITCC-P4 PDX Platform Enables Preclinical Testing of Pediatric Cancers

　　

打开图像查看器

摘要

癌症是发达国家儿童疾病相关死亡的主要原因。肿瘤异质性和缺乏基于作用机制的治疗选择是改善儿童癌症患者生存率需要克服的关键挑战。为了应对这些挑战，我们组建了欧盟 - 创新药物倡议 2 号（EU-IMI2）资助的公私合作伙伴关系“儿童癌症创新疗法儿科临床前概念验证平台”（ITCC-P4），该平台建立了一个庞大的患者来源异种移植（PDX）模型库，涵盖所有主要的高风险儿童实体肿瘤类型，用于体内药物测试。总共建立了 353 个 PDX 模型，源自诊断期和复发期的儿童癌症，并进行了分子表征，同时匹配了胚系/肿瘤样本。还建立了系列 PDX 模型，涵盖诊断/治疗后、原发/复发以及转移衍生配对。在神经母细胞瘤和横纹肌肉瘤模型中进行的体内药物筛选概念验证数据发现了靶向治疗的潜在预测生物标志物。PDX 模型的分子数据可通过 https://r2platform.com/itcc-p4 获取，允许根据致癌驱动因素和/或潜在生物标志物选择用于临床前测试的模型。该可持续平台由非营利实体运营，协助学术界和工业界研究人员开发和优先研发儿童癌症创新疗法。

意义：ITCC-P4 平台包含诊断期/难治性/复发期儿童癌症模型，模拟患者肿瘤并具备肿瘤间异质性，为体内测试提供了分子表征的患者来源模型资源。

引言

癌症是发达国家儿童疾病相关死亡的主要原因 [世界卫生组织（WHO）；参考文献 1]。儿童癌症的特征是胚胎起源、相对较低的突变负荷、高度肿瘤间异质性和细胞可塑性（2–7）。最常见的类型是急性白血病和淋巴瘤，其次是中枢神经系统（CNS）肿瘤和颅外实体肿瘤，包括神经母细胞瘤、软组织肉瘤和骨肉瘤（1）。尽管儿童癌症研究取得了进展，但缺乏针对高风险疾病或治疗失败患者的有效新型治疗方案，阻碍了过去几十年来生存率的提高。此外，大多数儿童癌症幸存者会经历长期的治疗相关后遗症。精准医疗项目中确定的可靶向分子改变仅在少数病例中导致了有效治疗，需要协调的多学科方法以加速儿童癌症的药物开发（8–13）。患者来源异种移植（PDX）目前被认为是最具预测性的临床前模型，用于评估新药和体内研究治疗耐药机制。它们保留了原发肿瘤的主要分子特征，PDX 治疗反应已被证明与患者中观察到的反应相关（14–20）。然而，缺乏可供商业药物测试使用的大型分子特征表征良好的儿科 PDX 模型集合，限制了其在开发创新儿科疗法中的效用（15, 17, 21–26）。儿科 PDX 队列的关键挑战包括覆盖所有分子亚型和瘤内/肿瘤间异质性；包括未治疗和耐药状态下的模型；整合 PDX 与患者肿瘤及胚系分子数据；运营连接学术界和工业界差距的标准化工作流程；并启用广泛的临床前药物测试访问权限。为了实现这些目标，2017 年组建了一个公私合作伙伴关系，即“儿童癌症创新疗法儿科临床前概念验证平台”（ITCC-P4），该伙伴关系于 2023 年转型为非营利公司（www.itccp4.com）。在此，我们描述了前 353 个完全建立并广泛表征的 PDX 模型，代表多种高风险儿童恶性肿瘤，其中 189 个模型（54%）来自难治性或复发性疾病，并由综合的多组学表征和体内药物测试结果支持。

材料与方法

患者样本采集

患者来源材料和临床数据是在机构伦理批准（海德堡大学和合作中心）以及符合《赫尔辛基宣言》的前提下收集的。从所有患者或其法定监护人那里获得了书面知情同意。肿瘤和匹配的胚系样本是作为 MAPPYACTS 研究（9）和/或合作的 ITCC-P4 站点的一部分收集的。关于患者入组、样本采集、书面同意程序和数据管理的详细信息见补充方法。

PDX 模型建立

所有动物操作均符合机构指南和欧盟指南（指令 2010/63/EU）。所有实验均经过各参与中心适当的机构动物伦理委员会和主管国家部门的审查和批准。将患者的新鲜肿瘤组织植入免疫缺陷小鼠以生成 PDX 模型。脑肿瘤建立原位模型，非脑肿瘤建立皮下模型，遵循批准的镇痛和麻醉方案。PDX 肿瘤在不同传代中扩增并冷冻保存，用于分子表征和生物库储存。关于肿瘤解离、移植、动物护理、监测和重新移植的详细程序见补充方法。

核酸提取

使用自动化纯化系统和标准化方案从组织样本中提取 DNA 和 RNA。通过荧光定量和电泳分析评估核酸产量和完整性，RNA 样本需满足最低完整性 RNA 完整度数值（RIN）阈值为≥7。关于提取试剂盒、仪器和质量控制程序的详细信息见补充方法。

ITCC-P4 条形码系统

人类和 PDX 样本以及相关的临床和分子数据通过自动条形码系统进行匿名化和追踪。关于编码结构和数据注册过程的详细信息见补充方法。

分子谱分析与数据处理

全基因组和全外显子组测序工作流程

患者和 PDX 肿瘤样本在两个 ITCC-P4 合作伙伴站点 [德国癌症研究中心（DKFZ）和居里研究所] 使用低覆盖度全基因组测序（lcWGS）和全外显子组测序（WES）进行文库制备和测序。从合作机构获得额外的原始测序数据。为了评估 PDX 衍生 DNA 测序文库中的物种组成，使用 xengsort 将 reads 分类为移植物（人类）或宿主（小鼠）序列。随后将测序 reads 比对到组合的人类 - 小鼠参考基因组，并使用标准化的内部流水线进行变异检测。关于文库制备、测序平台和生物信息学工作流程的完整详细信息见补充方法。

处理无患者匹配胚系数据的样本（无对照工作流程）

对于缺乏匹配胚系对照的 PDX 样本，使用已建立的内部“无对照”工作流程结合多种变异检测工具进行变异检测。使用人群和参考数据库排除常见胚系变异，并进行功能注释和过滤，以优先筛选稀有、潜在致病的变异。关于详细的流水线配置和过滤参数见补充方法。

DNA 甲基化谱分析与分析

来自患者肿瘤和匹配 PDX 样本的基因组 DNA 在 DKFZ 和居里研究所使用 Illumina Methylation 450K 和 EPIC BeadChip 阵列进行分析。使用 RnBeads Bioconductor（RRID:SCR_010958; RRID:SCR_006442）包进行数据处理、归一化和质量控制。肿瘤分类和分子亚型分配基于已建立的 DNA 甲基化分类器和无监督聚类分析。关于完整的前处理参数、过滤标准和分类器参考文献见补充方法。

拷贝数变异分析

使用多种互补计算工具对患者肿瘤和 PDX 模型中的拷贝数变异（CNV）进行表征，包括 ichorCNA、Sequenza（RRID:SCR_016662）、CNVkit 和 conumee，以确保准确检测大规模和局灶性拷贝数改变以及可靠的肿瘤纯度估计。结合基于测序和甲基化的方法以提供全面的 CNV 谱。关于流水线、参数和输入要求的完整详细信息见补充方法。

RNA 测序与分析

患者肿瘤和 PDX 模型的 RNA 测序（RNA-seq）在 Illumina HiSeq 仪器上进行。使用已建立的 DKFZ One Touch Pipeline 内部 RNA-seq 工作流程（基于 Roddy 框架）处理数据，包括使用 STAR（RRID:SCR_004463）进行 reads 比对，使用 featureCounts（RRID:SCR_012919）进行基因表达定量，以及使用 Arriba 进行基因融合检测。处理后的表达数据用于无监督聚类、差异基因表达和 Gene Ontology 分析。关于流水线版本、参数和下游分析的完整详细信息见补充方法。

突变景观分析的驱动基因鉴定与注释

使用精选参考资料（包括 2022 年 WHO 儿科肿瘤分类和关于儿科实体癌症的已发表综述）鉴定和注释驱动基因。肿瘤突变负荷（TMB）由 WES 衍生出的高置信度编码单核苷酸变异（SNV）和插入/缺失（indel）计算得出。计算变异等位基因频率（VAF）以评估 PDX 模型中的瘤内异质性和克隆进化。使用 deltaVAF 和 VAF 比率等指标进一步评估 PDX-肿瘤相关性。包括相关性和变化倍数计算在内的统计分析在 R 中进行。我们旨在鉴定和注释重要的驱动基因以分析突变景观。为实现此目标，我们依赖两个关键参考资料：2022 年 WHO 儿科肿瘤分类（6）和 Jones 及其同事（27）关注儿科实体癌症的已发表综述，以整理已知体细胞和胚系驱动突变的综合列表。为了优先筛选功能上和临床相关的 SNV，我们随后关注于精选的已知肿瘤类型特异性驱动基因集，这些基因是基于其在肿瘤发生中的参与及其作为治疗靶点的潜力选定的（28, 29）。每个模型的注释变异（使用 hg19 组装调用）完整报告可在我们的公共平台 ITCC-P4 Data Scope in R2（https://r2platform.com/itcc-p4）上索取。

TMB 分析

TMB（30）基于 WES 数据确定的 SNV 和小 indels 为 ITCC-P4 样本计算，重点关注相应 WES 文库制备试剂盒靶向的编码区域。仅考虑高置信度、体细胞和功能外显子 SNV 和 indels 进行 TMB 计算。将获得的结果汇编并用于比较不同癌症亚组、疾病状态和模型类型中匹配 PDX-肿瘤对的突变负荷（配对 Wilcoxon 检验）。

VAF 计算

为了深入了解克隆选择、体细胞与胚系变异的区分以及 PDX 样本内的进化，我们进行了计算以确定功能性体细胞 SNV 的 VAF。第一步涉及从比对和处理后的体细胞功能性 SNV 文件中提取 DP4 值。DP4 值代表每个样本中每个等位基因（参考和非参考）的测序深度，通常用于指示支持每个等位基因的 reads 数量。它包含四个子字段，分别指示正向 reads 对参考等位基因的覆盖度、反向 reads 对参考等位基因的覆盖度、正向 reads 对非参考等位基因的覆盖度以及反向 reads 对非参考等位基因的覆盖度。随后，使用以下公式计算 VAF 分数：
VAF=(正向非参考等位基因 + 反向非参考等位基因)/(正向参考 + 反向参考 + 正向非参考 + 反向非参考)

使用 deltaVAF 和 VAF 比率进行 PDX-肿瘤相关性分析

为了评估和建立肿瘤与 PDX 模型 VAF 之间克隆不一致性的相关性，我们引入了一个名为"deltaVAF"的指标。该指标是通过用 PDX VAF 减去肿瘤 VAF 得出的。在样本中识别 PDX 特异性变异对于调查重要亚克隆至关重要。为了分析 PDX 和肿瘤之间存在重叠或排他性变异的情况，我们引入了另一个名为"VAFratio"的指标。VAFratio 分数是通过将 PDX VAF 的总和除以每个患者样本中肿瘤 VAF 的总和计算得出的，便于定量比较变异频率。

克隆进化分析

使用 PyClone（RRID:SCR_016873）进行克隆进化分析，以从等位基因计数数据推断癌症细胞分数（CCF），整合为每个体细胞 SNV 获得的全拷贝数和肿瘤纯度估计（使用 Sequenza 或 iChorCNA）。使用β-二项分布作为统计模型，进行 10 次随机重启。使用 clonevol R 包在单克隆模型下推断克隆顺序，并通过非参数 bootstrap（1,000 次迭代）评估亚克隆结构。奠基克隆定义为初始 CCF 最高的簇，使用最小 CCF 阈值为 0.001。使用从 ClonEvol 输出生成的鱼形图可视化克隆架构。对于从 ichorCNA 衍生的拷贝数估计，无法直接获得等位基因拷贝数。我们应用了一个简化假设，从全拷贝数推断等位基因主要和次要拷贝数：
全拷贝数 = 1 → 等位基因次要拷贝数 = 0 且 等位基因主要拷贝数 = 1
全拷贝数 ≥2 → 等位基因次要拷贝数 = 1 且 等位基因主要拷贝数 = 全拷贝数 - 等位基因次要拷贝数
全拷贝数上限设为 5，限制了分析中考虑的最大拷贝数。

PDX 模型中的体内药物治疗研究

用于体内药物测试的 PDX 模型扩增由合同研究组织 [CRO; Charles River, Experimental Pharmacology and Oncology (EPO), and Xentech] 根据标准化方案进行。当肿瘤达到预定义的大小标准时开始治疗，该标准对于皮下模型由卡尺测量确定，对于原位 CNS 模型由生物发光成像确定。

为了进行原理性体内测试，选定的ITCC-P4 PDX模型采用了n=1的单只小鼠试验设计（26, 31）。使用的治疗方案如下：依托泊苷，5 mg/kg，静脉注射，每日一次，连续5天/停药2天，持续3周；阿司那替尼，100 mg/kg，口服，每日两次，连续5天/停药2天，持续4周；JQ-1，50 mg/kg，腹腔注射，每日一次，连续5天/停药2天，持续4周；拓扑替康，0.5 mg/kg，静脉注射，每日一次，连续5天/停药2天；普雷沙替比，10 mg/kg，皮下注射，每日两次，连续3天/停药4天，持续3周；cobimetinib，7.5 mg/kg，口服，每日一次，每28天周期内连续21天；lorlatinib，3 mg/kg，口服，每日两次，持续28天；copanlisib，10 mg/kg，静脉注射，连续2天/停药5天；顺铂加环磷酰胺，顺铂2 mg/kg，静脉注射，每7天一次，共4剂，随后1天后开始环磷酰胺100 mg/kg，腹腔注射，每7天一次，共4剂；以及长春新碱加放线菌素D，长春新碱0.5 mg/kg，静脉注射，每5天一次，共6剂，同时放线菌素D 0.5 mg/kg，静脉注射，每7天一次，共4剂，在1天后给药。在每项实验中，治疗组与溶剂对照组（n = 3）进行比较，对照组口服给药，每日两次，持续28天。

统计学分析

本研究的所有统计计算（如皮尔逊相关系数和log2倍数变化值）及下游分子分析均在R环境中完成，并在该环境中生成图形可视化结果。

结果

ITCC-P4 PDX平台

在ITCC-P4合作站点收集新鲜患者来源的肿瘤样本，并将其移植至免疫缺陷小鼠（NOD/SCID gamma、Swiss-Nude或CB17-SCID）中。研究仅聚焦于高风险肿瘤类型，因为低风险肿瘤无法成瘤或成瘤成功率极低（补充图S1A）。中枢神经系统肿瘤样本采用原位注射，而非脑部肿瘤则通过皮下移植。已建立的PDX肿瘤模型至少经过三次传代（即≥P2），来自已建立PDX模型的肿瘤碎片与匹配的患者肿瘤及胚系材料一起进行分子表征（图1A；补充图S1B）。

图1. 查看大图 下载幻灯片 ITCC-P4 PDX模型：流程与队列概览。A，PDX建立与分子表征的示意图。从癌症患儿获取的肿瘤首先注入小鼠体内（第一次传代，P0）；经过两次小鼠间传代（P1和P2）后，PDX模型即被视为已建立。对已建立的PDX模型和匹配的患者材料（肿瘤、血液）进行多组学分析，包括DNA甲基化、lcWGS、高覆盖度WES、RNA-seq和Affymetrix基因表达谱分析。后续异种传代（P2及更高）收获的PDX肿瘤材料要么供应ITCC-P4 PDX生物库，要么用于下游应用（药物测试、体外培养等）。B，多层环形图汇总了本研究中353个PDX模型的主要肿瘤和分子数据细节。C，每种儿科肿瘤类型建立的PDX模型数量。D，饼图展示了ITCC-P4 PDX队列的主要临床特征，包括肿瘤疾病状态和肿瘤部位；主要癌症类别；患者初次诊断时的年龄；以及患者性别。Met，转移；Pri，原发；RR，难治/复发；U，未知。E，按表观遗传学分类注释的间变室管膜瘤（MB）、室管膜瘤（EPN）、高级别胶质瘤（HGG）和横纹肌样瘤等主要肿瘤分子亚组的PDX模型数量。F，呈现关键/典型分子改变的神经母细胞瘤（NB）、横纹肌肉瘤（RS）和尤文肉瘤（ES）PDX模型数量（神经母细胞瘤中的MYCN扩增；横纹肌肉瘤的分子亚型和FOXO1融合状态；尤文肉瘤的EWSR1融合状态）。HB，肝母细胞瘤；MEL，黑色素瘤；NHL，非霍奇金淋巴瘤；OS，骨肉瘤；RB，视网膜母细胞瘤；RT，颅外恶性横纹肌样瘤；WT，肾母细胞瘤。A，由BioRender创建。Federico, A. (2026) https://BioRender.com/t07wpsv.

353个已建立的PDX模型来源于诊断时（159例；45%）、难治/复发（189例；54%）或未知（5例；1%）的高风险疾病状态，以及原发部位（214例；61%）或转移部位（98例；28%）。对于41个模型（11%），该信息不可用。该样本收集涵盖中枢神经系统肿瘤（121例；34%）和非中枢神经系统肿瘤（232例；66%），包括间变室管膜瘤（39例）、高级别胶质瘤（HGG；43例）、室管膜瘤（20例）、具有多层玫瑰花环的胚胎性肿瘤（ETMR；5例）、非典型畸胎样/横纹肌样瘤（ATRT；7例）及其他罕见中枢神经系统类型，以及神经母细胞瘤（37例）、肉瘤[134例；包括骨肉瘤（45例）、横纹肌肉瘤（RS；51例）、尤文肉瘤（35例）和罕见亚型（SARC；23例）]，以及代表其他实体儿科恶性肿瘤的41个模型（图1B-D）。该队列涵盖了儿科实体癌中最常见的分子亚型和关键驱动基因（图1E和F；补充表S1）。

基于DNA甲基化分析的肿瘤分子分型

通过DNA甲基化分析对PDX模型进行分类，随后在海德堡中枢神经系统肿瘤和肉瘤分类器中进行评估（medRxiv 2025.06.30.25330543; 7），成功对239/333（72%）个模型进行了可靠分类（补充表S2）。为验证这一结果并对剩余模型进行分类，我们对所有甲基化谱与参考数据集（n = 1,169例；文献4, 5, 32–36）进行了t-分布随机邻域嵌入聚类分析。大多数PDX模型（333/353；94%）与反映患者诊断的参考样本聚在一起；333个模型中有13个（4%）为离群值。对于离群值和没有甲基化数据的PDX模型，分类基于建模中心提供的原始机构病理和分子诊断，并结合通过测序鉴定的肿瘤类型特异性致癌驱动基因。大多数原发患者肿瘤与对应的PDX在特定实体簇内高度重叠（图2A）。基于曼哈顿距离的相似性指数也证实了PDX-肿瘤对之间的表观遗传学高度一致性（184例中有157例距离<0.1；补充图S2A）。只有具有异常分子特征或患者与PDX样本之间肿瘤细胞纯度差异显著的模型（补充表S2）表现出不同的聚类行为。

图2. 查看大图 下载幻灯片 PDX模型与匹配患者肿瘤的DNA甲基化组和转录组。A，t-分布随机邻域嵌入（t-SNE）图显示了ITCC-P4甲基化样本（PDX：圆形；患者肿瘤：方形）的聚类分析，以及涵盖广泛儿科肿瘤类型的外部肿瘤参考样本。突出显示了代表常见儿科实体恶性肿瘤的聚类。B，t-SNE面板显示了ITCC-P4甲基化数据与主要儿科脑/中枢神经系统[间变室管膜瘤（MB）、室管膜瘤（EPN）、HGG]和横纹肌样瘤实体及其相对分子亚型的共识参考样本的亚聚类分析。连接线用于将PDX模型（黑色圆点）与匹配的人类肿瘤（黑色方形）数据关联起来。C，神经母细胞瘤（NB；左）、横纹肌肉瘤（RS；中）和尤文肉瘤（ES；右）甲基化数据集的亚聚类分析，包括ITCC-P4和参考样本。匹配的PDX和肿瘤数据已连接。关键分子状态，如MYCN扩增和检测到的EWSR1融合事件，在相应图中进行了标注。HB，肝母细胞瘤；MEL，黑色素瘤；NHL，非霍奇金淋巴瘤；OS，骨肉瘤；RB，视网膜母细胞瘤；RT，颅外恶性横纹肌样瘤；WT，肾母细胞瘤。

中枢神经系统肿瘤的亚聚类揭示了主要分子亚型的表观遗传学特征谱，特别是在异质性强的脑肿瘤中，包括间变室管膜瘤（WNT、SHH、G3、G4）、室管膜瘤（包括侵袭性PFA和ZFTA融合亚型）、高级别胶质瘤（DMG_H3K27、DHG_G34、pedHGG_RTK1、pedHGG_MYCN、PXA）以及横纹肌样瘤（MYC和SHH模型；图2B；文献37）。神经母细胞瘤模型按MYCN扩增状态分离，横纹肌肉瘤模型显示出明显的腺泡型/胚胎型分离。尤文肉瘤模型聚在一起，尽管显示出相对较大的患者间异质性，这与先前报告一致（图2C；文献38）。

肿瘤和PDX模型的转录组分析

基于基因（队列中最可变的1,000个基因）的层次聚类分析也显示PDX转录组数据按肿瘤类型聚集；特别是，PDX模型的共聚类由关键儿科癌症基因的表达驱动，如MYCN和ALK（在神经母细胞瘤中上调）或MYOD1（在横纹肌肉瘤中表达；补充图S2B）。基于差异表达基因的患者与PDX肿瘤样本比较揭示了从原始人类肿瘤到PDX模型的肿瘤核心特征的持续保留。然而，与患者肿瘤相比，PDX模型通常表现为细胞周期和DNA修复通路上调以及免疫和基质基因特征下调（补充表S3）。这些结果与基于组学数据在PDX和肿瘤样本上计算的预测肿瘤纯度评分相对应（补充表S2和S5），与先前报告一致（15, 17, 39）。

ITCC-P4 PDX模型的突变景观

接下来，我们结合可用的匹配人类肿瘤，通过全面基因组分析调查了PDX模型的突变景观（图3；补充图S3；补充表S4）。对PDX来源DNA测序文库中人类分配读数的评估（补充图S4A）证实大多数模型（97.6%）具有高水平的人类读数比例，而少数离群值（n = 8）具有极低的人类读数比例（<30%），同时也倾向于表现出较差的测序质量指标，表明这些病例至少部分受到技术文库质量的影响。我们的分析包括体细胞SNV、小indel、结构变异、基因融合和CNV的检出（补充图S4B）。在有匹配的胚系材料时进行了胚系突变检出（195/353；55%）。全基因组范围的人类肿瘤和PDX样本完整信息提供于https://r2platform.com/itcc-p4。

图3. 显示ITCC-P4 PDX队列中多种基因组异常的OncoPrint图。OncoPrint展示了ITCC-P4项目内建立的PDX模型的突变景观。每个面板展示了不同肿瘤类型PDX模型关键基因改变的全面视图，包括体细胞和胚系突变（SNV和indel）、结构变异和CNV：HGG（A）、间变室管膜瘤（MB；B）、室管膜瘤（EPN；C）、其他中枢神经系统肿瘤（D）、横纹肌样瘤（E）、神经母细胞瘤（NB；F）、横纹肌肉瘤（RS；G）、尤文肉瘤（ES；H）、骨肉瘤（OS；I）、罕见肉瘤（SARC；J）以及其他实体肿瘤（K）。

对于CNVs（拷贝数变异），获得和缺失表示广泛的拷贝数改变，包括染色体级别或染色体臂级别的事件，以及涵盖特定基因的范围较小的非焦点事件；扩增和缺失则指针对特定基因的焦点拷贝数事件。各PDX模型的肿瘤亚型（如已知且基于甲基化分析确定的）均已报告。HB，肝母细胞瘤；MEL，黑色素瘤；NHL，非霍奇金淋巴瘤；RB，视网膜母细胞瘤；RT，颅外恶性横纹样瘤；WT，肾母细胞瘤。图3。放大查看下载幻灯片OncoPrints展示了ITCC-P4 PDX队列中的多种基因组异常。OncoPrints报告了ITCC-P4项目中建立的PDX模型的突变图谱。每个面板展示了属于不同肿瘤类型的PDX模型的关键遗传改变的全面视图，包括体细胞和种系突变（SNVs和indels）、结构变异和CNVs：HGG（A）、髓母细胞瘤（MB；B）、室管膜瘤（EPN；C）、其他中枢神经系统肿瘤（D）、横纹样瘤（E）、神经母细胞瘤（NB；F）、RS（G）、尤文肉瘤（ES；H）、骨肉瘤（OS；I）、SARC（J）以及其他实体瘤（K）。对于CNVs，获得和缺失表示广泛的拷贝数改变，包括染色体级别或染色体臂级别的事件，以及涵盖特定基因的范围较小的非焦点事件；扩增和缺失则指针对特定基因的焦点拷贝数事件。各PDX模型的肿瘤亚型（如已知且基于甲基化分析确定的）均已报告。HB，肝母细胞瘤；MEL，黑色素瘤；NHL，非霍奇金淋巴瘤；RB，视网膜母细胞瘤；RT，颅外恶性横纹样瘤；WT，肾母细胞瘤。关闭图3。我们通过WES检测配对PDX和肿瘤样本中的体细胞突变总数来定义TMB（突变负荷）。我们观察到PDX模型中的TMB高于配对的肿瘤病例（配对Wilcoxon检验，P值 = 0.00023；补充图S4C），在PDX与诊断样本的肿瘤病例之间差异更大（P = 0.0028；补充图S4D）。与配对的患者病例相比，原发PDX肿瘤样本的整体TMB高于转移性肿瘤（补充图S4E）。值得注意的是，对于有超过1个PDX-肿瘤配对数据的代表性癌症类型（HGG、室管膜瘤、髓母细胞瘤、ATRT/RT、神经母细胞瘤、RS、尤文肉瘤、骨肉瘤、SARC、肝母细胞瘤、肾母细胞瘤），神经母细胞瘤和骨肉瘤在肿瘤与配对PDX之间表现出显著且明显的TMB差异，后者的TMB更高（补充图S4F）。中枢神经系统肿瘤和ATRT/颅外横纹样瘤PDX模型

HGG PDX模型，大多数（30/43）来源于原发疾病，携带了预期的亚型定义性改变，其中TP53（23/43）、H3F3A（12/43）、ATRX（11/43）、CDKN2A（10/43）和MYCN（8/43）是最常突变的基因。还鉴定出BRAF、NRAS、PIK3CA和NTRK1/2/3等其他复发突变和改变（图3A）。髓母细胞瘤模型，同样大多数（30/39）来源于原发疾病，涵盖所有四个分子组，表现出亚组特异性异常，包括G3组中的MYC扩增（8/12）和SHH模型中的TP53突变（9/13）。其他SHH特异性基因变异包括GLI2（4/13）和MYCN（3/13）扩增（图3B）。室管膜瘤模型中有17/20来源于复发/难治性疾病，仅代表两种最具侵袭性的亚型：PFA和ZFTA融合；高危CNV特征（包括1q获得（8/20）和6q缺失（6/11 PFA））普遍存在（图3C）。我们队列中包括的其他罕见中枢神经系统肿瘤类型有：ETMR（5个模型中4个呈现典型的C19MC扩增）、BCOR改变型肿瘤（n = 3）、HGNET PLAG1融合型肿瘤（n = 2）、中枢神经系统神经母细胞瘤（n = 1）和脉络丛癌（n = 1；图3D）。ATRT（n = 7）和颅外横纹样瘤模型（n = 12），大多数（17/19）来源于原发疾病，在19例中的17例中携带预期的SMARCB1定义性改变（SNVs n = 4/19；indels n = 2/19；拷贝缺失 n = 11/19；2/19中未检测到；图3E）。神经母细胞瘤PDX模型

在37个神经母细胞瘤模型（包括10个来源于诊断原发肿瘤）中，21/37个存在MYCN改变（以焦点扩增为主，19/21）。其他驱动突变或改变包括ALK（14/37）、ATRX（9/37）、CDKN2A（6/37）和DDX1（5/37）。最常见的CNVs为chr17q获得（30/37）和1p缺失（17/37）；此外还观察到与不良预后相关的CNVs（40, 41），如1p缺失（17/37）、1q获得（16/37）和11q缺失（13/37）（图3F）。软组织肉瘤/骨肉瘤PDX模型

RS PDX模型（n = 51，包括14个来源于诊断原发肿瘤）显示了清晰的肺泡型/胚胎型区别：肺泡型RS模型由PAX3::FOXO1（19/25）或PAX7::FOXO1（3/25）融合和CDK4扩增/获得（11/25）定义，而胚胎型RS模型则表现出TP53（9/25）、BCOR（8/25）、FGFR4（9/25）、CDKN2A（8/25）、NRAS（4/25）和NF1（4/25）改变（图3G）。一个模型基于病理发现被注释为上皮样，并呈现独特的分子状态。尤文肉瘤模型（n = 35，包括13个来源于诊断原发肿瘤）由EWSR1::FLI1融合（28/35）或其他EWSR1::ETS融合（7/35）定义；STAG2（15/35）和TP53（10/35）中赋予不良预后的复发突变（42）在五个模型中共存，此外CDKN2A缺失（14/35）也很突出（图3H）。骨肉瘤模型（n = 45，包括13个来源于诊断原发肿瘤）反映了其已知的基因组复杂性（补充图S4），频繁出现TP53（26/45）、RB1（21/45）和ATRX（12/45）改变（图3I）。代表其他罕见肉瘤亚型的PDX模型（n = 23），包括恶性外周神经鞘瘤、肾透明细胞肉瘤、滑膜肉瘤、CIC重排型软组织圆细胞肉瘤（SBRCT_CIC_rearranged）和未分化肉瘤，显示了实体定义性事件，如滑膜肉瘤中的SS18::SSX融合和CIC重排型肿瘤中的CIC::DUX4融合（图3J）。其他PDX模型

其余模型包括21个肝母细胞瘤（由反复出现的CTNNB1突变12/21定义）；2个儿童黑色素瘤模型；2个肾母细胞瘤模型；以及3个带有ALK或MYC融合的非霍奇金淋巴瘤模型（图3K）。评估PDX模型与配对患者肿瘤的忠实度

我们比较了124对配对的人肿瘤/PDX对的分子数据（补充图S3；补充表S4）。大多数具有配对肿瘤WES数据的PDX模型（96/124；77%）显示出最大肿瘤细胞分数，确认相对于患者样本具有富集的肿瘤纯度（补充图S5A；补充表S5）。在对VAF进行肿瘤细胞含量校正后，65%的配对（81/124）在共享体细胞变异方面表现出中等至高度一致性（Pearson r > 0.4；中位r = 0.59）（补充表S5）。聚焦于关键驱动基因（ALK、ATRX、BRAF、BCOR、CDKN2A、FGFR4、H3F3A、NTRK3、NOTCH3、PIK3CA、PTPN11、RB1、TP53；103/124对呈现这些基因中一个或多个的突变），74%的共享突变（76/103次比较）在肿瘤和PDX之间显示出稳定的VAF（deltaVAF ?0.2至+0.2；图4A–D；补充图S5B）。值得注意的是，HGG模型在PDX中TP53、PIK3CA和ATRX突变富集，而BRAF突变在PDX中被选择性缺失，提示植入过程中发生了亚克隆选择（图4A–E）。神经母细胞瘤和RS模型与其肿瘤总体表现出强烈的VAF一致性（图4B、C和E），少数例外如RS0397模型，其中TP53突变仅在肿瘤数据中观察到（图4E）；类似地，骨肉瘤模型在PDX中频繁表现出TP53和RB1 SNV的富集（图4D和E）。CNV图谱在大多数配对中同样具有一致性（图4E–H；补充图S5C和S5D），尽管部分模型（如RS0397、HG0354）显示出不同的CNV图谱。这些差异可能反映了肿瘤纯度、免疫微环境以及在异种移植建立过程中亚克隆选择的差异。图4。放大查看下载幻灯片患者肿瘤与配对PDX之间分子改变的比较。A，左，在HGG肿瘤和PDX中计算的关键驱动基因（BRAF、H3F3A、ATRX、PIK3CA、TP53）的DeltaVAF得分（y轴；通过从配对患者肿瘤的TCF校正VAF中减去PDX模型的TCF校正VAF来计算）。正的deltaVAF得分表示与配对的人肿瘤相比，PDX中给定突变的频率更高，而负值则定义原发肿瘤中的突变频率更高。高度一致的PDX-肿瘤配对的deltaVAF得分接近零。右，与HGG中最常突变的驱动基因相关的体细胞SNV的TCF校正肿瘤和PDX VAF（y轴）。黑线连接配对的样本对。B，DeltaVAF（左）和TCF校正VAF（右）图，展示了神经母细胞瘤PDX和肿瘤样本中关键突变驱动基因（BRAF、ALK、NTRK3、ATRX、TP53）的突变频率比较。C，DeltaVAF（左）和TCF校正VAF（右）图，展示了RS PDX和肿瘤样本中关键突变驱动基因（BRAF、ALK、FGFR4、BCOR、TP53、PTPN11、NOTCH3、RB1、PIK3CA、CDKN2A）的突变频率比较。D，DeltaVAF（左）和TCF校正VAF（右）图，展示了骨肉瘤PDX和肿瘤样本中关键突变驱动基因（ATRX、BRAF、ALK、TP53、RB1、PIK3R1、NOTCH3、PIK3CA）的突变频率比较。E，散点图显示了PDX模型NB0025、RS0189、RS0397、HG0354与其各自患者肿瘤之间共享的体细胞SNVs的VAF。关键突变基因以高亮显示。F，PDX模型NB0025、RS0189、RS0397、HG0354及其各自患者肿瘤中观察到的全基因组CNV图谱热图。染色体区域获得显示为红色，蓝色区域代表缺失。G，全基因组图（由ichorCNA生成），显示了MB0079 PDX模型（右）和肿瘤（左）中的拷贝数比值（log2）以及MYC和GLI2的焦点扩增事件。两个样本均报告了肿瘤比例和倍性。H，OS0186 PDX（右）和配对肿瘤（左）的基因组CNV图。CKD4扩增（红圈区域）在两种情况下均被观察到。图4。放大查看下载幻灯片患者肿瘤与配对PDX之间分子改变的比较。A，左，在HGG肿瘤和PDX中计算的关键驱动基因（BRAF、H3F3A、ATRX、PIK3CA、TP53）的DeltaVAF得分（y轴；通过从配对患者肿瘤的TCF校正VAF中减去PDX模型的TCF校正VAF来计算）。正的deltaVAF得分表示与配对的人肿瘤相比，PDX中给定突变的频率更高，而负值则定义原发肿瘤中的突变频率更高。高度一致的PDX-肿瘤配对的deltaVAF得分接近零。右，与HGG中最常突变的驱动基因相关的体细胞SNV的TCF校正肿瘤和PDX VAF（y轴）。黑线连接配对的样本对。B，DeltaVAF（左）和TCF校正VAF（右）图，展示了神经母细胞瘤PDX和肿瘤样本中关键突变驱动基因（BRAF、ALK、NTRK3、ATRX、TP53）的突变频率比较。C，DeltaVAF（左）和TCF校正VAF（右）图，展示了RS PDX和肿瘤样本中关键突变驱动基因（BRAF、ALK、FGFR4、BCOR、TP53、PTPN11、NOTCH3、RB1、PIK3CA、CDKN2A）的突变频率比较。D，DeltaVAF（左）和TCF校正VAF（右）图，展示了骨肉瘤PDX和肿瘤样本中关键突变驱动基因（ATRX、BRAF、ALK、TP53、RB1、PIK3R1、NOTCH3、PIK3CA）的突变频率比较。E，散点图显示了PDX模型NB0025、RS0189、RS0397、HG0354及其各自患者肿瘤之间共享的体细胞SNVs的VAF。关键突变基因以高亮显示。F，PDX模型NB0025、RS0189、RS0397、HG0354及其各自患者肿瘤中观察到的全基因组CNV图谱热图。染色体区域获得显示为红色，蓝色区域代表缺失。G，全基因组图（由ichorCNA生成），显示了MB0079 PDX模型（右）和肿瘤（左）中的拷贝数比值（log2）以及MYC和GLI2的焦点扩增事件。两个样本均报告了肿瘤比例和倍性。H，OS0186 PDX（右）和配对肿瘤（左）的基因组CNV图。CKD4扩增（红圈区域）在两种情况下均被观察到。关闭图4。总体而言，本研究纳入的PDX在VAF和总体克隆身份保留方面与其各自的人肿瘤表现出良好的分子一致性，尽管在部分配对中观察到较弱的关联，以及偶发的互斥基因改变。连续PDX模型：模拟肿瘤进展

连续PDX模型来源于19例患者的40个肿瘤，涵盖诊断/治疗后、原发/复发和转移来源的配对（图3和5A；补充图S3和S6）。这些模型捕捉了肿瘤进展中的关键分子事件：例如，在尤文肉瘤患者ES0202中，TP53 R175H突变仅在复发来源的样本中获得，与治疗驱动的选择一致（图5B）。在骨肉瘤患者OS0156中，ATRX突变仅在转移来源的样本和PDX中可检测到（图5C）。

串联模型频繁揭示了疾病后期新出现的CNV，包括复发ES0202模型中CDKN2A/B的缺失和FLI1的丢失，而在诊断时OS0156中显示的CCND2获得，在匹配的转移来源PDX模型中则无法检测到（图5D–F；补充表S4）。

**图5** **放大查看下载幻灯片** 串联PDX模型的比较分析揭示了肿瘤事件特异性的分子特征。A，从疾病过程中多个患者肿瘤事件建立的串联PDX模型子集（n=40）的示意图概览。标注了产生多个PDX的肿瘤部位。B，VAF图显示Ewing肉瘤模型ES0202以下组合的突变频率相关性：患者原发肿瘤（PT）与原始PDX（PP）（左）；患者复发原始肿瘤（TR）与复发PDX（PR）（中）；原始PDX与复发PDX（右）。TP53基因突变被突出标注。C，VAF图显示骨肉瘤模型OS0156以下组合的突变频率相关性：患者原发肿瘤（PT）与原始PDX（PP）（左）；患者转移性肿瘤（TM）与转移性PDX（PM）（中）；原始PDX（PP）与转移性PDX（PM）（右）。TP53和ATRX基因突变被突出标注。D，CNV热图显示PDX模型ES0202（原始和复发）、OS0156（原始和转移）以及相关匹配患者样本的染色体获得和/或丢失。E，ES0202（原始和复发）PDX模型的CNV图。关键局部事件在红色圆圈区域中标注。F，OS0156（原始和转移）PDX模型的CNV图。关键局部事件在红色圆圈区域中标注。A，由BioRender创建。Federico, A. (2026) https://BioRender.com/4jq7600。

关闭图5。

CCF的计算使得能够从体细胞SNV和拷贝数分析中推断子集串联PDX模型中的克隆结构和进化轨迹。这种克隆进化分析识别了克隆流行度的变化，在疾病各阶段均存在收缩和扩张的子克隆细胞群体，突出了肿瘤进化的动态性。在OS0156（诊断–转移性）和ES0157（诊断–转移性–多次复发）序贯模型中，我们观察到在涉及特定基因的体细胞SNV方面，CCF在不同疾病阶段之间存在动态变化，其中OS0156转移性PDX中POU6F2基因CCF相较原始PDX显著降低（99.2%对比18.2%），以及UBXN11 CCF在原始（87.3%）、转移性（39.2%）和复发来源（47.2%和25.5%）模型之间的波动（补充图S7）。总体而言，串联模型揭示了驱动事件在整个疾病过程中的持续存在，并频繁出现新的驱动改变，如复发时TP53突变。然而，克隆进化分析揭示了从原始和转移样本以及从诊断和复发建立的PDX模型之间克隆流行度的转变，包括细胞群体的收缩和扩张。

**体内药物敏感性：靶向治疗的启示**

作为概念验证，我们在22个神经母细胞瘤和20个RS模型中评估了标准治疗方案药物和ALK抑制剂lorlatinib。在神经母细胞瘤中，多柔比星敏感性在MYCN扩增模型中富集（7/8响应者），与该亚型复制应激增加一致，而依托泊苷在MYCN非扩增模型中显示更好的疗效。Lorlatinib在两个ALK扩增且ALK表达升高的模型（NB0457_PR和NB0277_PR）中高度有效，确认了ALK扩增作为lorlatinib敏感性的预测生物标志物在神经母细胞瘤中的作用（43）；值得注意的是，5个携带ALK热点点突变（F1174L，R1275Q）的模型对lorlatinib不敏感（图6）。

**图6** **放大查看下载幻灯片** ITCC-P4 PDX队列中体内药物反应分析。ITCC-P4队列中的神经母细胞瘤和RS PDX模型在单小鼠体内研究中接受标准治疗方案（SOC）方案及额外实验药物的治疗，并与对照组小鼠进行比较。反应通过纵向监测并使用基于PDX模型的RECIST标准（基于肿瘤体积）进行汇总，结果以热图形式（A）展示。每行代表一个PDX模型，每列代表一种治疗；每个模型的相关突变状态已标注。两个神经母细胞瘤模型的代表性肿瘤生长曲线（B）说明了随时间变化的治疗反应。A，由BioRender创建。Federico, A. (2026) https://BioRender.com/y1xy9vx。

关闭图6。

在RS中，长春新碱/放线菌素D治疗在20个模型中的5个产生高度敏感性，在20个模型中的9个产生部分缓解；在14个有反应的模型中，8个（57%）携带PAX3/7::FOXO1融合。Lorlatinib在两个携带ALK融合（RS0599_PR05和RS0141_PR01）的模型中表现出高效性，支持ALK融合作为RS中lorlatinib反应生物标志物的作用（图6）。这些结果强调了将体内药物反应与全面分子表征相关联的价值。

**ITCC-P4数据门户**

ITCC-P4队列中WHO相关基因分子表征数据可通过R2 ITCC-P4 PDX数据范围门户向全球科学界开放获取（https://r2platform.com/itcc-p4/）。经确认后，所有分子改变的非商业使用数据均予以发布。研究人员可以根据实体、致癌驱动因子或生物标志物选择模型用于概念验证体内研究。该门户涵盖本文描述的完整多组学数据集以及额外生成的模型，增强了转化潜力并加速了新治疗靶点的发现（图7）。

**图7** **放大查看下载幻灯片** R2平台–ITCC-P4 PDX数据范围。ITCC-P4每个PDX模型的完整临床信息、PDX生长细节和分子表征报告均可在R2的ITCC-P4数据范围中获取（r2-itccp4.amc.nl）。此处实施了几项功能以整合多组学数据并帮助用户探索可视化分子读出结果，如交互式图表（circos、t-SNE、热图等）、精选的OncoPrint以及R2嵌入式基因组浏览器。由BioRender创建。Federico, A. (2026) https://BioRender.com/dm5soee。

关闭图7。

**讨论**

在理解儿童肿瘤分子基础方面已取得重大进展，然而针对高风险儿童癌症的有效且具预测性的临床前模型仍然迫切需求。PDX模型因其传代稳定性、全面的分子表征能力以及对原始人类肿瘤基因组、表观遗传组和转录组景观的高度重现而脱颖而出。正因如此，PDX模型已对临床前测试做出了重要贡献（medRxiv 2025.08.10.25333051；参考文献44）。然而，PDX模型在临床前研究中的应用也面临限制，包括技术方面（如植入成功率、宿主小鼠免疫缺陷以及模型建立过程耗时耗力）和生物学方面（包括某些肿瘤类型的可用性有限以及基因组进化）。ITCC-P4平台通过建立大型、异质且分子表征完善的PDX集合直接解决了这一需求。我们的PDX系列是不同儿童肿瘤类型、亚型和分子脆弱性的极好代表。我们观察到侵袭性分子表型的富集，包括chr1q获得、CDKN2A/B缺失、MYC扩增以及STAG2、TP53和ATRX突变（45）。较少见且侵袭性较低的肿瘤家族仍然代表性不足，这反映了低级别肿瘤植入差的既定挑战。ITCC-P4队列将扩展纳入白血病和淋巴瘤模型，旨在完整覆盖所有已知的高风险儿童癌症亚型。

本研究的关键优势在于首次大规模整合PDX分子表征与匹配患者肿瘤及种系数据，涵盖多种儿童癌症类型。多组学方法——结合DNA甲基化谱分析、全外显子测序（WES）、全基因组测序（lcWGS）和RNA-seq——在单组学分析不足以定义致癌驱动因子时尤为强大。DNA甲基化谱分析对分子亚型分类特别有价值，并实现了患者肿瘤与PDX之间的直接表观基因组比较。随着该平台通过整合新型PDX以及GEMM和类器官模型不断扩展，以及下一代测序工具和分析技术的进步，纳入额外技术如染色质免疫沉淀测序、基于测序的转座酶可及染色质实验（ATAC-seq）、DNA和RNA单细胞测序变得势在必行，以获得PDX模型的全面概述。这些方法在探索基因调控以及理解肿瘤–PDX对之间的表观遗传修饰和/或细胞多样性方面发挥着关键作用。除甲基化谱分析外，对PDX模型的探索以及尽可能对匹配肿瘤进行组蛋白修饰、染色质可及性、核小体占位以及基因组组织和长距离基因组相互作用的研究，将在整体和单细胞水平上进行探索。这将有助于识别稀有细胞类型并阐明PDX模型中发育和疾病进展期间或治疗反应过程中基因表达的动态变化。

人类肿瘤与匹配PDX之间的分子比较显示，大多数配对在遗传变异、TMB和表观基因组/转录组特征方面具有高度一致性。观察到的VAF富集差异可能反映了肿瘤细胞度差异、植入期间免疫微环境的丢失（46）以及亚克隆选择。这些发现加强了在解释PDX–肿瘤比较时肿瘤纯度校正的重要性，并突显了少数PDX模型可能代表原始肿瘤的独特亚克隆。

代表同一患者不同疾病阶段的串联PDX模型为研究肿瘤进化、治疗耐药机制以及复发时新驱动改变的出现提供了强大资源。我们的发现表明奠基性驱动事件在整个疾病过程中持续存在，复发时TP53突变的频繁获得，以及原始与转移或复发疾病之间克隆结构的动态变化。概念验证药物测试数据与模型的分子特征高度一致，验证了该平台用于生物标志物驱动的临床前研究的效用。在神经母细胞瘤中识别ALK扩增而非点突变作为lorlatinib敏感性的预测因子，以及在RS中ALK融合的作用，说明了该平台如何直接指导分层治疗策略。

ITCC-P4平台作为非营利实体运营（ITCC-P4 gGmbH；https://itccp4.com/：ITCC-P4 GmbH儿童临床前概念验证平台），与三家CRO合作。PDX模型不予出售，但可通过标准化、符合伦理规范的工作流程，依据3R原则向学术和工业用户提供临床前药物测试。所有模型通过学术联盟伙伴保持科学合作可用性，完整分子数据集通过R2数据门户公开获取。

根据肿瘤类型和亚型以及分子特征选择不同模型的可能性，以及ITCC-P4 gGmbH内部已完全建立的工作流程，对科学界具有吸引力。总之，ITCC-P4平台代表着一个强大且可持续的资源，用于研究儿童癌症生物学并加速开发创新的儿童癌症治疗方案。

数据可用性

经过整理的多组学数据可通过R2 ITCC-P4 PDX Datascope门户获取（http://r2platform.com/itcc-p4/）。原始测序数据可通过欧洲基因组-表型档案库获取，访问编号：EGAS00001008330。本研究中展示的任何其他数据均可应要求提供。如需了解数据相关信息，请联系ITCC-P4 gGmbH（[e-mail]）。

作者披露

J.J. Waterfall报告了来自Mnemo Therapeutics的个人费用和其他支持，以及来自Egle Therapeutics的个人费用，这些均与本次提交的工作无关。J.A. Wierzbinska报告在研究进行期间获得了来自Bayer AG的其他支持，以及提交工作之外的来自Bayer AG的其他支持。A. Schlicker报告在研究进行期间获得了来自Bayer AG的其他支持，以及提交工作之外的来自Bayer AG的其他支持。S. Brabetz报告提交工作之外来自Champions Oncology, Inc.的个人费用。A.-L. B?ttcher报告在研究进行期间获得了来自创新健康倡议联合实施项目的资助。D.T.W. Jones报告了来自Heidelberg Epignostix GmbH的其他支持以及提交工作之外来自Day One Biopharmaceuticals和Ipsen Pharma的个人费用。O. Witt报告在研究进行期间获得了来自Dietmar-Hopp-Stiftung（KiTZ CTU 2.0项目）和Viessmann Stiftung（儿童药物开发）的资助，以及提交工作之外来自Ipsen和Novartis的个人费用和来自Day One Biopharmaceuticals和BVD的资助。T. Milde报告了提交工作之外来自Ipsen Pharma GmbH的其他支持和来自Biomed Valley Discoveries及Day One Biopharmaceuticals的资助。A. Eggert报告提交工作之外来自Recordati和VANUDIS的个人费用。N. Huebener报告在研究进行期间获得了来自Charité – 柏林大学医学中心的资助。J.-H. Klusmann报告提交工作之外来自Pfizer和Boehringer Ingelheim的个人费用。K.-M. Debatin报告在研究进行期间获得了来自德国研究基金会的资助。S. Bomken报告在研究进行期间获得了来自英国癌症研究基金会、JGW Patterson基金会、北英格兰儿童癌症基金会、英国医学研究委员会、Kay Kendall白血病基金会和欧洲研究委员会的资助。C.D. Guttke报告了提交工作之外来自杨森创新医药的其他支持。P. Hamerlik报告在研究进行期间获得了来自阿斯利康的其他支持。M.M. Hattersley报告了提交工作之外来自阿斯利康的其他支持，以及受雇于阿斯利康。M. Zapotocky报告了提交工作之外来自阿斯利康的个人费用和非财务支持、来自默克公司的个人费用以及来自Ipsen的非财务支持。J. Gojo报告了提交工作之外来自罗氏的资助、个人费用和非财务支持；来自Norgine、国际医科大学、Ipsen和诺华的个人费用；以及来自Rhythm Pharmaceuticals的资助和个人费用。K. Scotlandi报告在研究进行期间获得了来自欧盟的资助。M.C. Manara报告在研究进行期间获得了来自欧盟的资助。L. Landuzzi报告在研究进行期间获得了来自欧盟的资助。J. Hoffmann报告在研究进行期间获得了来自柏林-布赫实验药理学与肿瘤学研究所的其他支持。D.J. Shields报告在研究进行期间获得了来自辉瑞公司的其他支持。H.N. Caron报告受雇于罗氏公司并持有罗氏公司股票。S.M. Pfister报告在研究进行期间获得了涉及罗氏、拜耳、阿斯利康、辉瑞、礼来、强生、法玛玛、安进和施维雅的IMI-2资助，以及提交工作之外来自Heidelberg Epignostix的其他支持。M. Kool报告在研究进行期间获得了来自创新药物倡议2的资助以及来自拜耳、罗氏、施维雅、辉瑞和安进的其他支持。G. Schleiermacher报告在研究进行期间获得了来自罗氏、辉瑞、安进、Imagine for Margo、Annenberg基金会、Hubert Gouin儿童与癌症协会、儿童癌症健康联合会、Bagouz à Manon、Claire的朋友们、INCA、法国国家研究署、ARC抗癌研究基金会和抗癌联盟的资助，以及提交工作之外来自MSD Avenir、百时美施贵宝和施维雅的资助以及来自Recordati/EUSA Pharma的其他支持。其他作者未报告披露事项。

作者贡献

A. Federico：概念化、资源、数据整理、软件、正式分析、监督、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。A. Gopisetty：概念化、资源、数据整理、软件、正式分析、监督、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。D. Surdez：概念化、资源、数据整理、软件、正式分析、监督、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。Y. Iddir：资源、数据整理、软件、正式分析、调查、方法学、撰写–审阅和编辑。R.J. Autry：资源、数据整理、正式分析、验证、调查、方法学、撰写–审阅和编辑。J.J. Waterfall：资源、数据整理、正式分析、监督、验证、调查、可视化、方法学、撰写–原始草稿、撰写–审阅和编辑。E. Saberi-Ansari：资源、数据整理、软件、正式分析、撰写–原始草稿、撰写–审阅和编辑。C. Bobin：资源、正式分析、调查、方法学、撰写–原始草稿。S. Ballet：资源、调查、方法学、撰写–原始草稿。G. Pierron：资源、正式分析、调查、方法学、撰写–原始草稿。J.A. Wierzbinska：资源、数据整理、正式分析、验证、调查、撰写–原始草稿。A. Schlicker：资源、数据整理、正式分析、验证、调查、方法学、撰写–原始草稿。M. Sill：资源、数据整理、正式分析、撰写–原始草稿。R. Volckmann：资源、数据整理、软件、撰写–原始草稿。D.A. Zwijnenburg：资源、数据整理、软件、撰写–原始草稿。A. Mackay：资源、数据整理、软件、撰写–原始草稿。S. Za?di：资源、正式分析、撰写–原始草稿。A. Saint-Charles：资源、数据整理、正式分析、方法学、撰写–原始草稿。N. Mack：资源、数据整理、正式分析、撰写–原始草稿。B. Schwalm：资源、数据整理、正式分析、撰写–原始草稿。S. Brabetz：方法学。L. Weiser：资源、数据整理、软件、正式分析、撰写–原始草稿。I. Buchhalter：概念化、资源、数据整理、软件、正式分析、验证、调查、可视化、方法学、撰写–原始草稿。C. Previti：资源、数据整理、软件、正式分析、调查、可视化、方法学、撰写–原始草稿。A.-L. B?ttcher：资源、数据整理、方法学、项目管理、撰写–审阅和编辑。F. Iradier：概念化、资源、数据整理、资金获取、撰写–审阅和编辑。E.-M. Rief：资源、数据整理、撰写–原始草稿、项目管理。D.T.W. Jones：概念化、数据整理、软件、正式分析、监督、资金获取、验证、调查、方法学、撰写–原始草稿。O. Witt：资源、数据整理、调查、撰写–原始草稿。F. Westermann：资源、数据整理、软件、正式分析、监督、验证、调查、可视化、方法学、撰写–原始草稿。T. Milde：资源、数据整理、撰写–原始草稿。A. Eggert：资源、数据整理、撰写–原始草稿。N. Huebener：资源、数据整理、撰写–原始草稿。J.H. Schulte：资源、数据整理、撰写–原始草稿。S. Colombetti：资源、数据整理、软件、正式分析、资金获取、撰写–原始草稿。L. Chesler：资源、数据整理、软件、正式分析、撰写–原始草稿。E.R. Tucker：资源、数据整理、调查、方法学、撰写–审阅和编辑。A. Morcavallo：资源、数据整理、调查、方法学、撰写–审阅和编辑。F. Lorenzi：资源、数据整理、验证、调查、方法学、撰写–审阅和编辑。H. Kovar：资源、数据整理、正式分析、可视化、方法学、撰写–原始草稿。J.-H. Klusmann：资源、数据整理、正式分析、撰写–原始草稿。K.-M. Debatin：资源、数据整理、正式分析、撰写–原始草稿。S. Bomken：资源、数据整理、方法学、撰写–原始草稿。C.D. Guttke：资源、数据整理、资金获取、撰写–原始草稿。P. Hamerlik：资源、数据整理、资金获取、撰写–原始草稿。M.M. Hattersley：资源、数据整理、资金获取、撰写–原始草稿。M. Garcia：资源、数据整理、资金获取、撰写–原始草稿。F. Colland：资源、数据整理、资金获取、撰写–原始草稿。A. Strougo：资源、数据整理、资金获取、撰写–原始草稿。P. Aviles：资源、数据整理、资金获取、撰写–原始草稿。M. Zapotocky：资源、数据整理、方法学、撰写–原始草稿。D. Sumerauer：资源、数据整理、方法学、撰写–原始草稿。J. Gojo：资源、数据整理、软件、正式分析、可视化、方法学、撰写–原始草稿。W. Berger：资源、数据整理、调查、可视化、方法学、撰写–原始草稿。D. L?tsch-Gojo：资源、数据整理、方法学、撰写–原始草稿。J. Schueler：概念化、资源、数据整理、正式分析、资金获取、撰写–原始草稿。E.J. Girard：资源、数据整理、调查、撰写–原始草稿。J.M. Olson：资源、数据整理、正式分析、撰写–原始草稿。B.W. Sch?fer：资源、数据整理、正式分析、可视化、方法学、撰写–原始草稿。M. Wachtel：资源、数据整理、调查、可视化、方法学、撰写–原始草稿。J.J. Molenaar：资源、数据整理、方法学、撰写–原始草稿。B. Dumevska：资源、数据整理、方法学、撰写–原始草稿。E. Fernandez Potente：资源、数据整理、撰写–原始草稿。C. Jones：资源、数据整理、调查、方法学、撰写–原始草稿。A.M. Carcaboso：资源、数据整理、调查、方法学、撰写–原始草稿。E. Indersie：资源、数据整理、资金获取、撰写–审阅和编辑。S. Cairo：资源、数据整理、资金获取、撰写–原始草稿。K. Scotlandi：资源、数据整理、正式分析、方法学、撰写–原始草稿。M.C. Manara：资源、数据整理、正式分析、方法学、撰写–原始草稿。L. Landuzzi：资源、数据整理、方法学、撰写–原始草稿。A. Di Giannatale：资源、数据整理、正式分析、方法学、撰写–原始草稿。P. Gasparini：资源、数据整理、调查、方法学、撰写–原始草稿。M. Moro：资源、数据整理、方法学、撰写–原始草稿。D. Gürgen：资源、数据整理、正式分析、资金获取、撰写–原始草稿。J. Hoffmann：资源、数据整理、资金获取、方法学、撰写–原始草稿。M.E. Marques da Costa：资源、数据整理、调查、方法学、撰写–原始草稿。B. Geoerger：资源、数据整理、方法学、撰写–原始草稿。O. Delattre：资源、数据整理、软件、正式分析、调查、可视化、方法学、撰写–原始草稿。D.J. Shields：概念化、资源、数据整理、软件、正式分析、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理。H.N. Caron：概念化、资源、数据整理、软件、正式分析、资金获取、调查、可视化、方法学、撰写–原始草稿、项目管理。G. Vassal：概念化、资源、资金获取、撰写–原始草稿、项目管理。L.F. Stancato：概念化、资源、数据整理、软件、监督、资金获取、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。S.M. Pfister：概念化、资源、数据整理、软件、正式分析、监督、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。N. J?ger：资源、数据整理、调查、可视化、方法学、撰写–原始草稿、撰写–审阅和编辑。J. Koster：概念化、资源、数据整理、软件、正式分析、监督、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。M. Kool：概念化、资源、数据整理、软件、正式分析、监督、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。G. Schleiermacher：概念化、资源、数据整理、软件、正式分析、监督、资金获取、验证、调查、可视化、方法学、撰写–原始草稿、项目管理、撰写–审阅和编辑。

致谢

ITCC-P4 IMI-2项目：资金来源/资助编号：本项目获得了创新药物倡议2联合实施计划根据资助协议编号116064提供的资金支持。该联合实施计划获得了欧盟地平线2020研究和创新项目及EFPIA的支持。本项目获得了拜耳、罗氏和施维雅在IMI2 ITCC P4项目框架内的资金支持。分子特征表征获得了罗氏、辉瑞和安进在IMI2 ITCC P4项目框架内的资金支持。德国INFORM/德国癌症研究中心（DKFZ）：INFORM项目由DKFZ、多家德国健康保险公司、德国癌症联盟（DKTK）、德国联邦教育与研究部、德国联邦卫生部、巴登-符腾堡州科学、研究与艺术部、德国癌症援助、德国儿童癌症基金会（DKS）、RTL电视、援助组织BILD hilft e.V.（Ein Herz für Kinder）以及Scheu家族的慷慨私人捐赠提供资金支持。作者谨向DKFZ基因组学和蛋白质组学核心设施的核心设施团队的Carsten Maus和Erjia Wang以及DKFZ组学IT和数据中心核心设施的Gregor Warsow在数据管理和处理方面提供的全力支持表示衷心感谢，并向DKFZ小儿神经肿瘤学部门的Gnanaprakash Balasubramanian和Rolf Kabbe在生物信息学分析方面作出的真诚和专注贡献表示衷心感谢。法国居里研究所：资源/设施：在居里研究所，本工作获得了Imagine for Margo、Annenberg基金会、Hubert Gouin儿童与癌症协会、儿童癌症健康联合会、法国儿童和青少年癌症与白血病防治协会（SFCE）、Les Bagouz à Manon、Claire的朋友们、抗癌联盟以及ARC抗癌研究基金会的资源支持。

此外，资金还来自INCa/SiRIC（资助编号INCa-DGOS-4654）和PRTK2019-1-RT-02-ICR-1资助项目。高通量测序由居里研究所（Institut Curie）的ICGex下一代测序平台完成，该平台由法国国家研究署（Agence Nationale de la Recherche）"未来投资"（Investissements d'Avenir）计划下的资助项目ANR-10-EQPX-03（Equipex）和ANR-10-INBS-09-08（France Génomique Consortium）支持，并由法兰西岛癌症研究联盟（Cancerop?le Ile-de-France）和SiRIC-Curie项目（SiRIC资助项目"INCa-DGOS-4654"）支持。肿瘤测序数据还来自MAPPYACTS方案（clinicaltrial.gov：NCT02613962）和MICCHADO（NCT03496402）。作者感谢Angela Bellini和Rachida Bouarich的贡献。

ACC（Alleanza Contro il Cancro，意大利癌症联盟），意大利：获得的资助包括以下资助编号：Associazione Bianca Garavaglia A/15/01N和A/18/01A。在意大利博洛尼亚IRCCS—里佐利骨科研究所（IRCCS—Istituto Ortopedico Rizzoli）实验肿瘤学实验室（Katia Scotlandi、Maria Cristina Manara、Lorena Landuzzi），本研究由创新药物倡议2期联合项目（Innovative Medicines Initiative 2 Joint Undertaking）ITCC P4资助，资助协议编号为116064。

居斯塔夫·鲁西研究所（Institute Gustave Roussy），法国：在Gustave Roussy，本研究由以下资助支持：Fondation Gustave Roussy；Fédération Enfants Cancers et Santé；SFCE；Association AREMIG和Thibault BRIET；Gustave Roussy的医生-研究者赞助项目（Parrainage médecin-chercheur）；INSERM；Cancerop?le Ile-de-France；Ligue Nationale Contre le Cancer（认证团队）；以及Fondation ARC资助的欧洲转化癌症研究ERA-NET项目（TRANSCAN 2）2014年跨国联合招标（JTC 2014）"靶向儿科肿瘤学中的耐药性"。

Xentech，法国：患者来源的异种移植模型（PDX）与法国巴黎医院网络合作建立，并与Sophie Branchereau（儿科外科部门）和Le Kremlin-Bicêtre市的Bicêtre医院合作完成。Xentech模型的RNA测序和全基因组测序（WGS）FASTQ文件由Badalona的Germans Trias i Pujol健康科学研究所以儿肝病肿瘤研究组的Carolina Armengol，以及田纳西州孟菲斯的圣裘德儿童研究医院药学与制药科学系的Liqin Zhu生成。

苏黎世大学（University of Zürich, UZH），瑞士：在UZH，本研究由瑞士癌症协会项目KLS-5143-08-2020和KFS-5422-08-2021、临床研究优先项目"精准血液学/肿瘤学"、瑞士儿童癌症研究基金会、瑞士国家科学基金会项目3100-175558和10.000.473、Balgrist基金会、ResOrtho基金会、FORCE基金会、Bryn Turner-Samuels基金会、Pierre Mercier基金会以及美国肉瘤基金会资助。作者衷心感谢Jean-Pierre Bourquin、Beat Bornhauser、Irina Banzola、Stephanie Kasper、Willemijn Breunis、Daniel Müller、Sander Botter、Knut Husmann以及瑞士肌肉骨骼生物样本库中心。

实验药理学与肿瘤学（Experimental Pharmacology and Oncology, EPO），德国：资金来源/资助编号：本项目由创新药物倡议2期联合项目（Innovative Medicines Initiative 2 Joint Undertaking）ITCC P4资助，资助协议编号为116064。为本工作做出贡献的个人/机构：Svetlana Gromova（技术支持）。资源/设施：本项目在EPO Berlin-Buch GmbH的设施和资源下完成。

夏里特医院（CHARITé），德国：资金来源：本项目由创新药物倡议2期联合项目（Innovative Medicines Initiative 2 Joint Undertaking）ITCC P4资助，资助协议编号为116064。本研究还由DKTK和夏里特KINDERLEBEN e.V.家长倡议项目支持。

英国癌症研究所（Institute of Cancer Research, ICR），英国：在ICR，本研究由英国癌症研究委员会（Cancer Research UK，DRCRPG-Nov21\100002）、Abbie's Army、Cris Cancer Foundation、Ollie Young基金会和Lucas' Legacy向Chris Jones提供的资助支持。作者感谢英国国家医疗服务体系（National Health Service, NHS）对ICR（英国癌症研究所）/皇家马斯登医院生物医学研究中心的资助。在ICR，L. Chesler获得了英国高等教育基金委员会（UK HEFCE）/ICR的财政支持。作者感谢皇家马斯登英国国家医疗服务体系基金会（Royal Marsden NHS Foundation Trust）、大奥蒙德街儿童医院（Great Ormond Street Hospital for Sick Children）和皇家曼彻斯特儿童医院（Royal Manchester Children's Hospital）的患者、其家属及工作人员，感谢他们参与并为本研究捐赠关键样本。作者还感谢Diana Carvalho的贡献。L. Chesler和E.R. Tucker个人感谢Paola Angelini博士和Tony Rogers先生在ICR完成本项目过程中提供的关键帮助。

圣胡安德德乌基金会医院（Fundació Sant Joan de Déu, FSJD），西班牙：在圣胡安德德乌医院（Hospital Sant Joan de Déu），作者感谢参与患者治疗的临床研究员以及捐赠研究样本的患儿家属。作者感谢加泰罗尼亚肿瘤样本库网络（Xarxa de Bancs de Tumors de Catalunya，由加泰罗尼亚肿瘤总体规划Pla Director d'Oncologia de Catalunya赞助）。

维也纳医科大学（Medizinische Universit?t Wien, MUW），奥地利：维也纳大学：本项目由维也纳市创新跨学科癌症研究基金（#21165）资助。

查理大学和莫托尔大学医院（University Hospital Motol），捷克共和国：本项目由捷克共和国卫生部（Ministry of Health of the Czech Republic）的机构支持项目（MH CZ–DRO）资助，资助编号为00064203。

其他：作者感谢儿科脑肿瘤研究基金（Pediatric Brain Tumor Research Fund）和"希望之跑"协会（Guild Run of Hope）在创建本研究所描述的PDX模型方面提供的支持。作者感谢Olaf Heidenreich、Elizabeth Schweighart、Jean-Pierre Bourquin、Beat Bornhauser和Irina Banzola对ITCC-P4联盟的贡献（捷克共和国卫生部——机构支持）。

注：本文的补充数据可在《癌症研究》在线版（Cancer Research Online，http://cancerres.aacrjournals.org/）获取。