查看更多
密码过期或已经不安全,请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
2026年10月23-27日,2026 欧洲肿瘤内科学会(ESMO)年会于西班牙马德里正式召开。作为极具影响力的全球肿瘤学会议,参会者不仅能深入了解肿瘤学领域最新研究进展,还能获得宝贵的学习交流机会,参与塑造全球肿瘤学的未来。
在大会开幕式上,2026 ESMO转化研究奖授予Dan A. Landau教授,其开创性贡献显著深化了人们对癌症演化的理解,推动了将癌症研究转化为临床应用的创新方法的发展。
Dan A. Landau教授阐述新技术如何揭示由遗传学之外因素驱动的异质性
Dan Landau教授
纽约基因组中心
大约15年前,我刚开始在丹娜–法伯癌症研究所和博德研究所开展博士后研究。当时,肿瘤学界正经历一堂重要的演化课:新型靶向治疗带来了令人振奋的前景,但耐药往往在数月内就会出现。这迫使我们不仅要开发疗效更强、更持久的治疗,还要预判癌症在治疗压力下可能如何演化。
追踪患者缓解与复发过程的测序研究表明,恶性肿瘤的遗传组成可以在病程中发生巨大变化。肿瘤并非固定不变的细胞集合,而是由遗传特征各异的亚克隆构成的动态群体。治疗是一股强大的选择压力,能够重塑这些亚克隆的组成,并推动复发。
但遗传因素只是故事的一部分。我们发现,表观基因组同样会发生多样化;某些表观遗传状态可以被传递,并像遗传变异一样受到选择作用。这种非遗传性多样化构成了肿瘤细胞状态可塑性的基础。如今,细胞状态可塑性已被认为是介导癌症演化、驱动耐药的重要因素。
长期以来,遗传异质性与非遗传异质性主要被分开研究:前者常通过群体测序数据的克隆解析来分析,后者则借助单细胞 RNA 测序等方法进行探索。单细胞多组学技术的突破,使这两种视角得以融合——在同一个细胞中整合基因型、转录组和表观遗传信息,将细胞的遗传身份与其表型状态联系起来。这使我们能够在单细胞这一基本演化单位的尺度上研究癌症。
最后一块拼图是时间。我们无法在患者体内开展实验性的细胞谱系示踪,也无法直接观察整个演化过程,因为每次活检都只是一个时间点的快照。但演化生物学提供了一种“时间机器”:系统发育树。
细胞分裂过程中不断积累的体细胞变异,可以帮助我们重建癌症的演化历史。通过直接利用患者原始样本构建单细胞系统发育树,再将表型测量结果叠加其上,我们可以进一步追踪基因型与表型如何随时间共同演化。这台“时间机器”甚至可以回溯至癌症出现之前,例如克隆性造血或其他癌前状态,远早于肿瘤被临床发现的时点。
15年前,耐药让我们认识到,癌症演化的速度可能快于我们的应对速度。下一步,我们希望扭转这一局面:充分解读肿瘤的演化历史,从而预测其未来,在耐药出现前加以预判,在癌症形成前实施拦截。最终,我们需要将癌症视为一个不断演化且有望被引导的系统。
Dan Landau教授
纽约基因组中心
微小残留病灶(MRD)检测代表着肿瘤学的一场重大变革。在疾病的整个过程中,许多影响重大的治疗决策仍是在信息不足的情况下作出的。在新辅助治疗阶段,我们难以确切判断肿瘤是否真正响应治疗;在根治性手术后,我们难以区分哪些患者已经治愈、哪些患者仍存在残留病灶;在转移性疾病阶段,我们往往要等到影像学显示进展,才能确认治疗已经失败。由此带来的现实是:不少患者接受了医学上毒性最强的一类治疗,但其绝对风险降低幅度却只有个位数百分点。
在白血病、骨髓瘤等血液系统恶性肿瘤中,MRD监测已成为常规诊疗的一部分。在实体瘤领域,目前的一条主要技术路线——尤其是在美国——是采用个体化检测面板:先对肿瘤进行测序,为每位患者设计专属检测方案,再在血浆中追踪相应突变。这种方法有效,但流程复杂、耗时、成本较高,在美国以外地区的可及性也有限。要让监测在全球范围内成为标准诊疗的一部分,就需要一种通用、可规模化应用且价格低廉的检测方法。
过去十年,血浆全基因组测序(WGS)逐渐发展为一种可行的替代方案。近期测序技术的进步,进一步降低了成本并提高了准确性。WGS通过整合整个基因组突变图谱中的信号,应对血液中肿瘤DNA含量极低这一挑战。采用错误校正的流式测序技术开展WGS,目前已能够在肿瘤知情检测模式下,实现百万分之一级别的循环肿瘤 DNA(ctDNA)检测。极低的错误率,也为未来无需配对肿瘤测序即可监测疾病负荷铺平了道路。
通用检测还有一个关键优势:每位患者的每份样本都以统一的全基因组数据格式产生,并反馈到我们的人工智能(AI)模型中,使每次检测都让模型更准确。这形成了一个“数据飞轮”:检测应用越广泛,模型就越有机会变得准确。关于错误校正血浆WGS用于MRD检测的更多研究,将在2026 ESMO年会上报告。我们的目标,是打造一台癌症“血糖仪”:以可负担、可获得、可持续开展的监测,为治疗决策提供依据。
Dan Landau教授
纽约基因组中心
我们正处于一个罕见时刻:两场革命正在汇聚——我们测量生物学能力的爆发,以及能够在庞大复杂数据集中发现结构的AI的到来。二者结合将重塑医学实践和我们开展转化癌症研究的方式,我相信10–15年后我们的医疗系统将大不相同。
以血浆 WGS 为例,一种通用且信息丰富的检测,其价值可能远不止疾病监测。如果能够常规采集这些数据,它还可能支持风险预测:不仅判断一个人是否已经患癌,还能评估其未来发生癌症的可能性。这将帮助我们把筛查更精准地用于最需要的人群,并为真正的癌症预防打开大门——在癌症形成之前,对高风险个体实施干预。近期一项研究显示,血浆信号可以帮助识别哪些人可能从预防性治疗中获益,为这一方向提供了探索依据。
对转化研究而言,过去十年的一个重要启示是:突破往往伴随新数据而来。就在不久之前,多模态单细胞测序和血浆 WGS 还似乎遥不可及。它们之所以成为现实,是因为我们先问清楚缺少什么数据,再开发能够获取这些数据的技术。现在,是大胆设想未来的时候了。如果我们敢于拓展测量的边界,并善用AI,就有望走向这样的未来:癌症能够被提前预测,在形成前得到拦截,而每位患者的诊疗都能获得实时数据与算法的支持。
威尔康奈尔医学院Andrew H. and Ann R. Tisch系统与计算生物医学教授兼系主任,同时为纽约基因组中心核心研究员
他的研究以体细胞演化为核心主线,探究其作为肿瘤、慢性病及衰老过程的关键驱动因素;融合临床肿瘤学、基因组学与计算生物学,阐释遗传和表观遗传变异如何介导疾病进展
本文编译自ESMO官网。

扫码回复“ESMO”
获得更多大会精彩内容!
查看更多