由Josep Carreras白血病研究所的癌症免疫基因组学小组、巴塞罗那超级计算中心的计算生物学小组和德国Trias i Pujol研究所领导的一个研究小组首次表明，在肿瘤内，不同癌症特征的表达不是细胞特异性的，而是位置特异性的。在这种新的认识下，肿瘤结构成为了解肿瘤动力学和预测其对抗癌药物敏感性的有价值的信息来源。

　　“什么是肿瘤？”如果我们想要有效地治疗癌症，这是一个需要回答的基本问题。我们对癌症和肿瘤的看法一直在随着时间的推移而发展，从简单的一堆所有相似的恶性细胞到更复杂、异质和分层的细胞结构，由许多不同的细胞类型组成。最近，一种新的范式出现了：癌症的标志。

　　癌症的特征是，当一个细胞被解锁时，将其置于恶性转化的道路上，用简单的词来表达。到目前为止，共有13个标志，每一个都是由一组基因途径的表达来定义的，这些基因途径可以在实验室里通过基因组学工具来识别。先前的研究表明，并不是所有的细胞都表达肿瘤中的所有特征，那么特征的表达是如何组织的呢？最重要的是，这有临床意义吗？

　　为了回答这些问题，Josep Carreras白血病研究所（IJC）癌症免疫基因组实验室首席研究员edward Porta博士和巴塞罗那超级计算中心- Centro Nacional de Supercomputación （BSC-CNS）计算生物学组研究员领导了一个由著名科学家组成的团队，包括Esteller博士（IJC）， Barretina博士（IGTP）， Real博士（CNIO）和Bailey博士（美国西蒙斯癌症研究中心）。该合作成果最近发表在顶级期刊《细胞报告》（Cell Reports）上，展示了对包括乳腺癌、肺癌、前列腺癌和结直肠癌在内的10种常见恶性肿瘤的63个肿瘤样本的全面分析。穆斯塔法·西拜博士作为第一作者署名。

　　在这项研究中，他们使用了一种全新的方法，并根据其标志的表达而不是细胞类型，专注于识别每个细胞进入肿瘤的不同功能。通过这种方式，他们可以看到恶性细胞是如何专门生长肿瘤的，而肿瘤周围的非癌细胞——称为肿瘤微环境——有助于抑制免疫系统或阻止抗癌药物的有效输送。

　　此外，不同的标志被发现在肿瘤特定区域的细胞中表达，这一特征在组织和器官发育中也可以看到。在这方面，不同标记的位置不是随机的，而是遵循一种模式，可以在研究中的所有肿瘤中看到，可能在许多其他类型的癌症中也可以看到。

　　此外，似乎标志可以相互影响，并且可以使用机器学习算法通过其他标志的存在来预测一个标志的位置。这将是对肿瘤进化的一个颠覆性的看法，从基于选择的范式转向生态学的观点，在这种观点中，用特征来表达的功能可能是黄金法则。

　　虽然这场争论可能看起来高度学术化，但研究结果远远超出了回答基本问题的范围，并对实际的癌症患者产生了实际影响。在DUTRENEO试验中，研究小组检查了标记表达模式是否影响了33名膀胱癌患者的临床管理，发现标记的差异可以解释辅助治疗的成功或失败，为未来的新治疗方法打开了大门。

　　Sibai博士说：“通过识别与耐药性相关的标志性‘热点’，我们可以改进针对个体患者的治疗方法。”作为一个实际的例子，该研究的共同资深作者Manel Esteller博士解释说：“为了使免疫检查点抑制剂有效，仅仅让癌细胞显示反应标记是不够的。周围的细胞也必须创造一个支持免疫疗法发挥作用的环境。”

　　感觉研究人员真的越来越接近回答“什么是肿瘤”这个基本问题，同时，新的进展似乎有助于更有效地对抗癌症。

　　上述研究得到了西班牙抗癌协会（AECC）、“La Caixa”基金会、FERO基金会、Sarah Jennifer Knott基金会、西班牙和加泰罗尼亚政府以及欧洲区域发展基金（ERDF）的资助。没有生成人工智能工具已被用于创建这个文本。