关键发现：
原型分析网络(AAnet)首次系统性识别出三阴性乳腺癌样本中的五种细胞原型，包括与转移相关的增殖型、氧化/脂肪生成型、缺氧型细胞等。研究团队指出其他癌症可能具有组织特异性的细胞类型特征。
耶鲁医学院遗传学与计算机科学副教授Smita Krishnaswamy博士指出："我们需要将癌症视为扮演不同角色的细胞家族。"
癌症细胞异质性研究
Krishnaswamy与澳大利亚Garvan医学研究所癌症可塑性与休眠项目主任Christine L. Chaffer博士团队发现：
- 肿瘤细胞存在显著异质性，当前"一刀切"疗法易导致耐药细胞残留
- 通过单细胞转录组分析发现肿瘤细胞群体呈现"混合状态"
- AAnet采用神经网络将细胞群体简化为几何形状，通过解析"形状角落"识别极端细胞表型
研究团队在三阴性/ER阳性/HER2阳性乳腺癌模型中验证了该工具的有效性。
精准治疗突破
AAnet识别的五种细胞原型特性：
- 增殖型（驱动肿瘤生长）
- 氧化/脂肪生成型
- 缺氧型（转移关键驱动因素）
- 细胞损伤/死亡型
- 免疫刺激型
针对缺氧型细胞的GLUT3靶向治疗实验显示：
- 可显著减少转移灶形成
- 个体缺氧特征差异影响治疗决策
- 免疫刺激型细胞可尝试免疫调节剂治疗
未来应用展望
研究团队正在开展：
- 与华盛顿大学合作解析原发与转移期细胞转化机制
- 化疗对肿瘤细胞异质性的长期影响研究
- 扩展至其他癌症类型的细胞原型分析
Krishnaswamy强调："肿瘤构成具有特定细胞比例和分布特征，未来可通过动态监测异质性变化指导治疗策略调整。这项技术有望实现原发肿瘤与转移瘤的差异化治疗。"
【全文结束】
