8月5日，Nature同一天上线了3篇与新一代肿瘤模型密切相关的研究。

一篇建立了大规模患者来源肿瘤类器官资源，一篇系统整理了覆盖多癌种的新一代患者来源模型，最后一篇将类器官、肿瘤球与CRISPR筛选结合，对传统Cancer Dependency Map进行了扩展。

三篇Nature在同一天集中出现，让我们不禁思考：

肿瘤研究正在从传统二维细胞系，转向更加接近患者真实肿瘤状态的3D患者来源模型。难道类器官真的要成为肿瘤科研的新标配了吗？

 

01

一篇Nature，建立256个患者来源肿瘤类器官

首先我们来看第一篇研究：

A tumour-derived organoid biobank maps cancer gene dependencies

文章的研究团队建立并系统表征了256个患者来源肿瘤类器官，覆盖结直肠癌、食管癌、卵巢癌、胰腺癌和胃癌等等。

研究者对类器官及对应患者肿瘤组织进行了全基因组测序和转录组测序，并在162个类器官中开展全基因组CRISPR-Cas9筛选，系统绘制了癌细胞的基因依赖关系。

研究还发现了一批与肿瘤基因组特征、临床亚型相关的潜在依赖靶点，并利用治疗前后配对模型分析肿瘤演化过程中出现的新脆弱性。

这意味着我们过去经常采用的研究路径：

肿瘤细胞系 → 敲低某个基因 → WB/qPCR → 增殖、迁移、凋亡实验 → 动物验证。

正在逐渐变成更高水平的研究路径：

患者肿瘤 → 类器官 → 多组学 → CRISPR筛选 → 候选靶点 → 药物干预 → 机制验证。

实验模型本身，正在成为课题创新的一部分。

02

 665个“新一代”患者来源模型

Human Cancer Models Initiative团队建立了665个新一代患者来源肿瘤模型，样本来源涉及2780名供体、25种癌症。

其中不仅包括常见肿瘤，还包含153个罕见癌症模型。

研究者进一步对患者原始肿瘤和对应模型进行了基因组、外显子组、甲基化组和转录组等多层次分析。

结果显示，在421组匹配  的“肿瘤—模型”中，整体遗传一致性达到97.8%，表观遗传一致性达到95%。

这也是类器官相比传统细胞系最吸引人的地方之一。

经典肿瘤细胞系培养方便、成本低、重复性高，但经过多年体外传代以后，其部分生物学特征不可避免地受到培养环境影响。

而患者来源模型的核心价值在于：

尽可能把患者肿瘤本身的分子特征带到实验室里。

不过这篇文章也提醒了一个很重要的问题——类器官并不是“完美复刻”。

单核RNA测序结果显示，部分模型的细胞状态仍会受到培养条件影响。也就是说，3D并不天然等于真实，培养基组成、基质、传代过程同样可能改变模型。

这一点尤其值得注意。

03

第三篇Nature，把类器官直接接入DepMap

Cancer Dependency Map，也就是我们常说的DepMap，长期以来主要依赖传统肿瘤细胞系，通过大规模CRISPR筛选寻找不同癌细胞生存所依赖的基因。

目前传统DepMap已经积累了超过1300个细胞系的数据。然而一些少见癌种、特殊分子亚型以及患者真实肿瘤中的转录状态，在传统细胞系中还没有得到充分覆盖。

于是研究人员引入类器官和肿瘤球等NextGen模型，完成了147次全基因组CRISPR筛选，覆盖10种癌症。

结果发现，这些3D模型不仅扩展了原有DepMap覆盖的癌症亚型，还保留了一些在传统细胞系中已经沉默的转录程序，并由此发现新的基因依赖关系。类器官的角色真正进入靶点筛选、功能基因组学、药物开发和精准肿瘤学。

04

类器官会取代传统细胞系吗？

短期内不会，传统细胞系仍然拥有明显优势：培养简单、成本较低、实验周期短、操作成熟，而且非常适合进行WB、qPCR、转染、药物干预以及基础机制研究。类器官则存在培养成本更高、技术要求更复杂、不同患者模型差异大、标准化难度更高等问题。

未来越来越多完整的肿瘤课题，很可能形成这样的模型梯度：二维细胞负责快速验证，类器官负责提高临床相关性，动物模型负责验证体内效应。

2D细胞发现机制↓3D类器官验证患者相关性↓动物模型验证体内效应↓临床样本进一步确认

如果再叠加单细胞测序、空间组学、CRISPR筛选或者药物筛选，整个研究链条就会更加完整。

05

对普通科研课题的启发

这三篇Nature都透露出一个趋势：科研竞争正在从“检测手段升级”，逐渐转向“研究模型升级”。科研从WB做得多不多、通路够不够复杂；到后来开始拼转录组、蛋白组、单细胞；而现在，越来越多研究开始进一步追问：

你用什么模型证明这个机制？这个模型到底能不能代表真实患者？

因此，对于肿瘤科研来说，类器官在药物敏感性、耐药机制、精准治疗、肿瘤异质性、靶点筛选以及患者个体差异等方向的重要性正在快速上升。

Nature在同一天集中发表这三项研究，本身就是一个信号。

类器官可能还没有成为所有实验室的“标配”，但它正在从过去的“加分项”，逐渐走向部分高水平肿瘤研究中的关键模型平台。

对于准备新课题的人来说，不如多想一步：

我们能不能把研究模型本身，也升级一下？

参考文献

1. Herranz-Ors C, et al. A tumour-derived organoid biobank maps cancer gene dependencies. Nature, 2026.
2. ElHarouni D, et al. A compendium of next-generation patient-derived models for diverse cancers. Nature, 2026.
3. Neiswender JV, et al. A dependency map enhanced with next-generation 3D cancer models. Nature, 2026.