Nature一天连发4篇，乳腺癌研究迎来“改朝换代”式突破
时间：2026-08-09 09:46:08 热度：37.1℃ 作者：网络
深度解析医学证据，lxfs.net为你支撑决策
2026年8月5日，Nature正刊一天内连发4篇乳腺癌/泛癌重磅研究。它们不是零散突破，而是凑齐了一条从「实验室模型」到「靶点发现」、再到「免疫治疗武器」、最后到「AI读片预后」的完整链条。对三阴性乳腺癌这类难啃的硬骨头来说，这一天的信息量，可能比过去几年攒下的还要密。
一、中国团队造出「智能溶膜肽」：给癌细胞编个死亡顺序
有模型、有靶点，还得有能把「冷肿瘤」点成热的治疗武器。
华南理工大学熊梦华、中山大学孙逸仙纪念医院鲍燕、西湖大学程建军、中科大肖石燕等团队合作，在Nature发表一种人工设计的酸响应膜溶解肽aMPC16-CA50。它的巧思在于「时空编程」：
-
在正常组织（pH≈7.4）几乎无活性；
-
进入肿瘤微环境（pH≈6.8）后被「唤醒」、被吞入细胞；
-
先在溶酶体（pH 4.5–5.5）破溶酶体膜；
-
再延迟约9.5小时，等细胞质里把炎症、干扰素、TNF–NF-κB程序先「预习」一遍；
-
最后破细胞膜，把抗原和危险信号一起放出去。
这种「先内后外、先炎后裂」的顺序，比一上来就炸细胞膜的肽免疫原性强得多。在EMT6三阴性乳腺癌双侧小鼠模型中，把它注射到一侧肿瘤、再联合抗PD-L1，对侧未注射的远端肿瘤完全清除率达100%；结直肠癌模型也达至少66%。
需要说明的是：这仍是临床前动物结果，离真正上人还有安全性、给药方案、适应证筛选一长串路要走，别把它读成「乳腺癌新疗法已问世」。
二、先把旧模型换掉：665个高保真癌症模型来了
过去几十年，实验室最爱养MDA-MB-231、MCF-7这类老细胞系——它们来自1970年代前后的少数几位欧美白人患者，在塑料培养皿里传了几十年，早已不是当初那个肿瘤。
2026年8月5日，Human Cancer Models Initiative（HCMI）在Nature发布迄今最大规模的新一代患者来源模型库：从2,780名供者中建立665个下一代模型，覆盖25种癌症；其中522个带完整临床治疗记录，153个为罕见癌，71个来自非欧洲血统人群。
更关键的是「像不像」——在421对原始肿瘤与模型的配对比较中，遗传一致性达97.8%、表观遗传95%、转录组92%。换句话说，实验室里养的这些癌细胞，基本就是患者身上那个癌细胞的「分身」。过去很多乳腺癌机制研究和候选药在小鼠有效、到人身上失效，很可能根子就在模型不对；这套公开资源上线后，新药研发和耐药研究少走弯路的底气会足很多。
三、用3D类器官再看一遍：平面培养藏起了真靶点
模型保真还不够，Broad研究所团队在同一天把147个下一代3D类器官/球体模型并入Cancer Dependency Map（DepMap），做了全基因组CRISPR筛选。
他们发现一个很扎心的结论：同一种癌细胞，在2D平面培养里会把最关键的弱点「藏起来」，只有在3D类器官里才暴露出来。比如在胃肠道和乳腺类器官中高度活跃的粘液化生程序，会让细胞对WNT通路里的MESD、WLS、TCF7L2、FZD5、LGR4产生强依赖；而这个程序在传统细胞系里几乎沉默。
同样，胶质母细胞瘤的「胶质态」也只在3D球体里保住；其中CDK6依赖性与CDKN2A缺失强绑定，为CDK4/6抑制剂在GBM中的精准使用提供了新分层依据。这条研究给临床和转化医生的提醒很直接：以后读一篇「某某靶点在XX癌有效」的文献，先别急着激动，看一眼它是2D细胞系还是3D模型筛出来的。
四、AI读空间蛋白组：三阴性乳腺癌谁该上化免，它先算一遍
最后一步是「谁能获益、谁预后差」的判断。
瑞士洛桑联邦理工等团队同日发表的VirTues，是目前最大的空间蛋白质组学基础模型：核心用15个IMC队列、3,102名患者、146种蛋白marker训练，再扩到4种成像技术、32个队列、5,100+患者。它把每种蛋白用ESM-2蛋白语言模型编码，不再把「第几个通道」当匿名输入，所以能跨不同抗体panel、跨平台做零样本分析。
在三阴性乳腺癌抗PD-L1化疗免疫治疗队列里，VirTues学出的4个空间特征联合，预测病理完全缓解的AUROC达0.823；在独立队列中把患者分成高/中/低风险组后，无病生存曲线显著分离，C-index为0.628，优于现有空间标志物和临床分层方案。
当然，这组数字来自回顾性、空间蛋白组数据，还不是前瞻性随机验证；但方向已经很清楚——未来病理科可能不只靠HE染色和经验判读，而是把整张切片的「空间语言」交给基础模型先跑一遍。
写在最后
这四篇Nature放在一起看，其实在讲同一件事：乳腺癌研究正在集体告别「简化模型+单靶点+粗暴杀伤」的旧范式，转向「高保真模型→状态依赖靶点→时空编程免疫死亡→AI空间预后」的新闭环。三阴性乳腺癌这类难治亚型，第一次在模型、机制、武器和预测四条线上同时被往前推了一大步。
参考文献：
ElHarouni D, et al. A compendium of next-generation patient-derived models for diverse cancers. Nature. 2026. doi:10.1038/s41586-026-10806-y.
Neiswender JV, et al. A dependency map enhanced with next-generation 3D cancer models. Nature. 2026. doi:10.1038/s41586-026-10843-7.
Yuan Y, et al. Membranolytic peptide programs immunogenic cell death for cancer therapy. Nature. 2026. doi:10.1038/s41586-026-10899-5.
Wenckstern J, et al. The Virtual Tissues foundation model resolves spatial proteomics across scales. Nature. 2026. doi:10.1038/s41586-026-10884-y.
