综述：跨尺度生物分析整合技术在肿瘤学中解析肿瘤调控可塑性

《Critical Reviews in Oncology/Hematology》：Cross-Scale Bioanalytical Integration for Decoding Tumour Regulatory Plasticity in Oncology

　　希夫·库马尔|安基塔·蒙达尔|维卡什·库马尔·杜贝印度理工学院（BHU）生物化学工程系，瓦拉纳西221005，北方邦，印度摘要癌症具有高度的遗传变异性、持续的进化变化，以及与周围微环境复杂的相互作用，这些特点给精确诊断、预后评估和治疗选择带来了巨大挑战。传统的批量分析方法无法充分应对这种复杂性，因此需要先进的生物分析技术，从空间、时间和功能层面研究肿瘤生物学。液体活检技术、单细胞和空间组学、基于质谱的成像技术、多层蛋白质组学和代谢组学分析以及人工智能驱动的计算分析等方面的最新进展，极大地推动了现代癌症研究的发展。本综述重点介绍了那些有助于高分辨率分子分析、保持组织结构以及长期监测疾病动态的新兴生物分析技术整合应用。单细胞转录组学和染色质可及性分析能够识别细胞的多样性及其调控可塑性，而空间转录组学和多重成像技术则可以绘制肿瘤-免疫生态系统的空间分布图。基于质谱的蛋白质组学和代谢组学方法则为信号网络和代谢适应提供了功能层面的见解。通过计算技术和人工智能驱动的框架，这些技术日益融合，进一步促进了多组学数据的整合、生物标志物的发现以及预测模型的建立。未来，面临的挑战包括跨尺度数据整合、动态疾病追踪以及开发具有临床解释意义的分析工具。通过将分子分辨率与空间和时间背景相结合，新一代生物分析策略有望推动精准肿瘤学的发展，实现更早的检测、个性化的治疗干预以及针对不同患者的癌症管理策略。

引言人类生物系统由不同层次的分子结构组成，这些层次之间的相互作用形成了有序的细胞网络。在疾病状态下，这种调控机制会出现紊乱，导致分子失衡和信号通路的异常激活（Halu等人，2019）。在癌症中，这种异常的信号传导会促使形成独立于外部信号的自主细胞系统，从而绕过宿主的防御机制（Sever和Brugge，2015）。这些信号传导紊乱的起始机制和后续效应各不相同，癌症研究的一个重要目标就是揭示肿瘤发生和发展的分子机制，找出可被治疗手段干预的目标（Wang等人，2022）。肿瘤异质性是导致免疫化疗耐药性和疾病复发的关键因素，它影响着肿瘤的增殖、免疫检查点的规避以及恶性转化的过程（Dagogo-Jack和Shaw，2018）。在整体蛋白质相互作用网络中，功能上相互关联的肿瘤相关因子有助于识别乳腺癌中用于规避免疫系统的关键调控因子，为未来开发个性化治疗策略提供了系统性框架（Wang等人，2022；Vidal等人，2011）。肿瘤内的变异在基因组层面已被广泛发现，但其功能后果以及与局部肿瘤微环境之间的动态相互作用仍不十分清楚（Torres等人，2007）。高分辨率的空间分析技术能够详细研究肿瘤微环境中的细胞相互作用，为大规模研究提供基础，帮助识别结直肠癌及其他癌症的发病机制和生物标志物，从而提高诊断精度并优化疾病管理策略（Keren等人，2018b）。空间转录组学平台的进步，如Stereo-seq、Visium HD、CosMx 6 K、Xenium 5 K等，使得能够在肿瘤组织中同时进行高通量和高分辨率的基因表达分析。这些工具可以将细胞群体和微环境的定位精确到接近单细胞的水平，进一步加深我们对肿瘤异质性和微环境动态的理解（Pelka等人，2021；Toninelli等人，2023）。单细胞基因组学和共测序技术，如滴式微流控共测序（DEFND-seq），能够对单个细胞进行DNA和RNA的同步分析。这类技术提高了分析的通量和工作精度，揭示了推动癌症发展的遗传和转录组异质性（Macaulay等人，2015；Han等人，2023）。高通量筛选技术不断发展，出现了能够每次处理数千个样本的先进自动化系统，这提升了在癌症模型中的化合物发现和功能筛选效率。这些技术包括基于荧光和发光的检测方法、微阵列、高内容成像技术（如微板筛选或数字菌落挑取器），以及先进的生物信息学和多组学整合技术（Han等人，2023；Macarron等人，2011）。高通量技术产生的海量数据需要强大的生物信息学工具来进行整合和分析，从多组学数据融合到机器学习驱动的解析，这些技术有助于揭示癌症的基本机制和预测性生物标志物（Hasin等人，2017）。反相蛋白裂解物微阵列技术能够从少量样本中同时检测多种蛋白质（包括磷酸化标记物），其灵敏度和通量都优于传统的蛋白检测方法（Mueller等人，2010）。ATAC-seq和空间ATAC-seq技术将高通量测序与空间条形码技术相结合，能够在保持组织结构的同时研究不同组织中的染色质可及性。这些方法提供了高分辨率的表观基因组数据，这些数据与肿瘤亚群中的基因调控密切相关。原位转录组学研究证实，克隆扩增的T细胞群体在空间上与巨噬细胞紧密关联，这种关联能够诱导抗癌活性（Deng等人，2022；Elhanani等人，2023）。尽管传统组织病理学仍是癌症诊断的临床金标准，但它主要提供静态的形态学信息，对于分析肿瘤内的细胞多样性而言，其分子分辨率较低。同样，常用的生化检测方法如ELISA虽然灵敏且成本较低，但通常只能分析一种或少数几种分析物，需要较大的样本量，且无法保留细胞的空间结构。这些限制使得它们难以用于研究复杂的肿瘤生态系统、追踪动态的信号传导网络以及识别那些虽数量稀少但具有临床意义的细胞群体（Tenchov等人，2024）。已有不少综述探讨了癌症生物分析领域的新兴技术，包括液体活检技术、单细胞和空间组学、多组学整合以及人工智能驱动的分析框架。虽然这些综述为特定技术领域提供了有价值的见解，但它们往往只关注单一的分析平台或部分分子层面。本分析则采用更为广泛的跨尺度生物分析视角，整合肿瘤在分子、细胞、组织以及系统层面的研究结果（Hsu等人，2025；Cheng等人，2025）。本综述并非单独分析每种技术，而是着重探讨液体活检、单细胞测序、空间组学、基于质谱的平台以及人工智能驱动的计算方法如何协同工作，形成一个统一的分析框架，用于解析肿瘤的调控可塑性。本综述的独特之处在于，它强调了将时间上的疾病监测、空间上的组织结构、细胞异质性以及功能性的分子分析整合在一个统一的生物学框架之中。通过比较分析这些技术的优势、局限以及应用潜力，本综述提供了一种超越传统多组学讨论的综合视角，有助于制定基于临床证据的精准肿瘤学策略（Yang等人，2025a）。表1总结了主要的生物分析技术及其在精准肿瘤学中的应用。为了找到关于在癌症研究中应用跨尺度生物分析方法的研究成果，我们对PubMed、Scopus、Web of Science、Embase和Google Scholar等电子数据库进行了系统检索，检索范围为2015年至2025年间的发表文献。检索策略采用了与“液体活检”、“循环肿瘤DNA”、“循环肿瘤细胞”、“单细胞测序”、“scRNA-seq”、“scATAC-seq”、“空间转录组学”、“空间组学”、“基于质谱的成像技术”、“蛋白质组学”、“代谢组学”、“多组学整合”、“人工智能”、“机器学习”、“精准肿瘤学”、“肿瘤异质性”和“肿瘤微环境”相关的多个关键词和医学主题词。只有发表在同行评审期刊上的原始研究文章、系统综述、元分析以及具有开创性的研究才被纳入考虑范围，而且本综述重点关注那些能够提供机制性见解、技术创新、应用价值以及新型生物分析技术在癌症研究中的临床应用方面的研究。那些与肿瘤学无关的文章、没有方法学描述的研