前言
2023年4月，张泽民教授受邀于Cell杂志发表了题为Accelerating the understanding of cancer biology through the lens of genomics的综述文章，深入探讨了癌症基因组学如何加速我们对癌症生物学的理解。文章概述了癌症基因组学的重要里程碑，描述了该领域的发展历程，并讨论了未来完善对肿瘤生态系统的理解以及推进治疗策略的方向。
文章概述
肿瘤基因组学是指利用基因组技术全面了解致癌因素、肿瘤异质性以及个性化治疗的分子基础的学科。随着多组学高通量测序技术的发展，我们对肿瘤的认识已经从对癌细胞本身特性的关注提升到对整个肿瘤“生态系统”的研究。本文提出了在癌症驱动基因、肿瘤分型、精准医疗的发展以及肿瘤演进和异质性领域的重要见解，并探讨了肿瘤微环境中多种细胞类型的相互作用及其与免疫治疗的关联。
文章内容
一、基因组学在癌症生物学研究中的应用
1.癌症驱动基因的发现
“基因组不稳定性和突变”是肿瘤发生的遗传基础。基因组学揭示了肿瘤在编码区和非编码区（RNA编码基因、假基因和其他保守位点）的体细胞突变模式。编码区突变在肿瘤发生中的作用更为普遍，而非编码区突变的研究显著拓宽了对致癌机制的认识。肿瘤突变研究现已扩展至剪接因子基因、表观遗传修饰基因，以及SWI/SNF染色质重塑复合体基因等多种机制。除点突变外，从染色体水平的缺陷如染色体断裂，到区域性事件如拷贝数变异（CNVs）和基因倒位，各种染色体重排或结构变异（SVs）均与癌症进展相关。
2.不同组学的补充观点
“非突变性表观遗传重编程”是癌症发生的一个新的决定因素。遗传、表观遗传的改变与其他生物学过程的相互作用可调节转录组，从而影响肿瘤细胞的功能表型。
3.大规模队列和技术改进是基因组学的突破性因素
肿瘤基因组学研究识别出众多候选驱动基因，需要大规模样本进行验证。为确保统计效力，每种癌症类型需600-5,000个样本（因背景突变频率而异）。TCGA和ICGC等大型项目为几乎所有肿瘤类型提供了全面的参考图谱，后续的肿瘤基因组学研究可以从特定肿瘤亚型或特定表型的临床样本为重点来推进。
4.肿瘤分型与精准医疗
基于遗传和表观遗传驱动事件以及表达谱的患者分型，可以揭示特定的抗肿瘤靶点，并为个性化癌症治疗提供指导（图2A）。例如，仅携带EGFR突变的非小细胞肺癌（NSCLC）患者对EGFR激酶抑制剂吉非替尼有反应。通过基因表达特征的肿瘤分型也揭示了独特的肿瘤亚型，比如结直肠癌的四种通过大规模基因表达谱得到的共有分子亚型（CMSs）（图2A）。表征肿瘤突变复杂性的另一个常见策略是总结其对致癌通路的影响（图2A），TCGA数据描绘了十种典型通路的变化图谱，有助于识别更多发生可靶向突变的患者。
总结而言，肿瘤基因组学的研究显著推动了肿瘤驱动基因的发现、肿瘤分子分型及其临床应用的理解。技术层面上，样本量、测量维度和分辨率是提高统计效力和可靠性的关键因素（图1B）。大规模样本队列为提高统计效力和可靠性所必需；多维度测量验证了对癌症驱动事件的理解；高分辨率对于精确定位突变和描述肿瘤状态至关重要。
二、由单细胞测序为肿瘤基因组学带来的新范式
1.肿瘤异质性认识的深化
肿瘤异质性的概念基于对“没有两个肿瘤是相同的”这一现象的观察。肿瘤内异质性（intratumoral heterogeneity,ITH）和肿瘤间异质性均对理解肿瘤的分子基础构成挑战（图2B）。先前部分的讨论指出，肿瘤间的异质性可以通过其分子分型反映，包括隐藏的驱动基因、受影响的通路和表达谱。此外，大规模单细胞基因组学和转录组学研究也揭示了理解和克服ITH的途径。
2.全面了解TME细胞组分
肿瘤组织由多种细胞类型组成，它们相互作用，构成TME（图3）。这些细胞类型中，有些可能具有抗肿瘤功能，而另一些可能促进肿瘤发展（图4A）。
T细胞
单细胞分析已确定在多种癌症类型中存在功能障碍或耗竭的CD8 T（Tex）细胞，这些细胞是终末分化的肿瘤反应性CD8 T细胞。CD4 T细胞能够增强或抑制CD8 T细胞的效应功能。CXCL13+ Th细胞最初在结直肠癌中被称为“Th1样”细胞，并已发现具有肿瘤反应性。相比之下，调节性T细胞（Tregs）在肿瘤免疫逃避中发挥关键作用，特别是4-1BB+激活的Treg表现出对肿瘤抗原的反应性，并具有比静息Tregs更强的抑制功能。
髓系细胞
单细胞研究揭示了树突状细胞（DC）的一个罕见但关键的亚群，LAMP3+ DC（也称为“mregDC”），这些细胞在摄取肿瘤抗原后成熟，并具有向淋巴结迁移以激活T细胞的能力。肿瘤相关巨噬细胞（TAM）表现出更高的异质性。在结直肠癌的单细胞研究中，确定了一种独特的SPP1+ TAM亚群，这些细胞在肿瘤中富集并表现出促血管生成的表型，通常与不良预后相关。
基质细胞
肿瘤相关成纤维细胞（CAF）有多个亚群，其中LRRC15+ CAF与对ICB治疗的缺乏反应有关，可能是通过阻碍CD8 T细胞功能发挥作用的。肿瘤相关内皮细胞（ECs）也可以作为抗肿瘤治疗的靶点。TME中的ECs可能不仅具有促肿瘤功能，也可能介导T细胞进入肿瘤，因此与ICB反应密切相关。
TME是由动态、共进化的细胞群落（cellular communities）构成的。这些群落通过多样的分子信号传导协调，通常通过细胞-细胞相互作用进行调节（图4B）。细胞群落的概念和推断的细胞间相互作用为理解癌症发展背后的功能协调提供了新的视角。
3.单细胞基因组学与ICB
除了通过传统方法发现的PD-L1、肿瘤突变负荷、微卫星不稳定性等，单细胞基因组学有助于找出其他潜在的ICB响应的潜在生物标志物，例如，肿瘤反应性CD4和CD8 T细胞丰度评估可以准确识别多种癌症类型中对ICB有反应和无反应的患者。PD-（L）1阻断可以通过增加功能增强的终末分化肿瘤反应性CD8 T细胞或显著增加其前体细胞来改善抗肿瘤效果（图5），还会出现明显的TME重塑，例如CXCL13+CD4 Th细胞的比例在治疗后会明显增加。
三、拓宽现代肿瘤基因组学的视野
1.基因组学数据与肿瘤重分类的整合分析
肿瘤不仅可以通过癌细胞分类，还可以通过TME中的其他细胞类型如免疫细胞分类。涵盖所有免疫成分的泛癌研究有望让分型更加准确，但鉴于目前具有匹配临床信息的单细胞数据的规模还远远无法和TCGA相比，因此将细胞类型参考图谱与bulk样本结合对于获得更精细的肿瘤分类至关重要。
2.单细胞多组学技术带来的机遇
单细胞表观基因组学技术，例如scATAC-seq，为理解肿瘤的非遗传异质性和TME细胞成分的表型复杂性提供了新的维度。同时，单细胞多组学测量技术通过整合遗传、表观遗传和转录组信息，有助于揭示肿瘤进化过程中遗传与非遗传因素的复杂作用。
3.基于空间转录组的清晰视角
肿瘤组织的细胞结构是细胞相互作用的基础，并与肿瘤生长和抗肿瘤免疫密切相关。空间基因组学技术使我们能够在空间上定位肿瘤组织中的功能细胞类型，加深对细胞间相互作用和空间组织的理解。
4.让单细胞转录组成为基因扰动实验的输出
CRISPR分析可以将单个细胞视作为基本分析单元，提供细胞的完整转录组和基因型信息。这种输出可以同时测量多种功能表型，并将其与相应的基因扰动联系起来。随着新技术的发展，包括结合全基因组染色质可及性和空间转录组的CRISPR筛选，预计将在理解各种细胞对扰动实验的功能反应方面取得显著进展。
四、肿瘤基因组学的新前沿
1.全面理解肿瘤的组成
目前我们对肿瘤构成的理解仍然是不完整和粗糙的，肿瘤当中的“暗物质”仍然广泛存在（图6）。例如，肿瘤内微生物与宿主细胞间的复杂相互作用及其高度组织化的生态位可能影响肿瘤进展和治疗反应，但其作用尚未得到充分表征。
2.基于“靶细胞”寻找新的肿瘤治疗方案
肿瘤微环境中的复杂细胞相互作用是多方面免疫抑制机制的核心。通过识别和特异性干扰调节性细胞类型，可以揭示新的免疫逃逸机制，并确定潜在的靶基因，这些基因可作为调节靶细胞功能的分子杠杆（图7）。
单细胞基因组学研究已经发现了一系列关键的肿瘤特异性细胞类型，启发我们找到了靶细胞应有的共同特征：在空间上富含肿瘤，在时间上与癌症进展相关，在功能上充当细胞相互作用和免疫逃避的关键调节剂，并在临床上与免疫治疗反应相关。
3.确定肿瘤生态系统的早期因果事件
单细胞研究已开始识别恶性前细胞程序和恶性进展过程中的微环境特征。癌细胞的进化是一个选择性过程，在这个过程中，许多分支会消亡。单细胞研究能够将细胞定位在进化轨迹中，有助于我们识别那些癌细胞为生存而采取的特定有利表型，并将这些轨迹与正常细胞联系起来，推断出癌症的初始发生点。
4.通过液体活检映射肿瘤核心特征
液体活检技术，如CTCs和cfDNAs，在过去十年中已被广泛研究，用于检测早期癌症事件、辨别癌症类型和监测癌症进展。液体活检也可能提供有关TME免疫特征的信息，因为局部肿瘤免疫反应通常伴随着全身免疫变化。结合液体活检技术对肿瘤微环境状态的无创探测，基因组学方法将助力癌症的早期发现与治疗。
Algernon点评
当我们的视角提升到整体个肿瘤微环境的时候，肿瘤基因组学就不只是“充分了解敌人”这么简单了，我们应该通过肿瘤基因组学“充分了解自我与敌人”。换句话说，也就是将肿瘤基因组学从鉴定所有肿瘤驱动基因拓展到全面描述肿瘤微环境，包括局部空间组织和全身免疫反应，并全面阐明肿瘤细胞和免疫系统之间的动态共进化过程。
北京大学生物医学前沿创新中心（BIOPIC）的张泽民教授作为我国生物信息学领域的领军人物，致力于用前沿的基因组学和生物信息学技术来解决癌症生物学中的重要问题。本文并未着眼于某一热点问题进行讨论，而是全面总结了肿瘤基因组学的发展历程以及未来发展方向。
文中提到的许多肿瘤基因组学的既往研究都有着张泽民教授团队的工作，比如在世界上首次报道实体癌的全基因组测序;首次通过计算方法鉴别癌症的驱动突变等等。关于肿瘤基因组学在未来的一些发展方向，张泽民教授团队近年来的工作也正在拓展。
参考文献：
https://www.cell.com/cell/pdf/S0092-8674(23)00143-5.pdf
