Cell Metab丨利用数字孪生技术破解脑癌代谢

主要观点总结

本文介绍了美国密歇根大学的研究团队利用数字孪生模型（DTF）结合单细胞13C代谢流分析（13C-scMFA），实现胶质瘤患者体内代谢流及单细胞代谢通量的定量测算。研究揭示了肿瘤细胞增强的嘌呤合成能力与丝氨酸摄取特征，并刻画了患者间显著的代谢异质性，可用于预测代谢抑制剂的疗效、识别更精确的代谢靶点与潜在生物标志物。

关键观点总结

关键观点1: 研究背景

临床中代谢活性难以量化，稳定同位素示踪与代谢流分析（MFA）存在局限性，无法直接测定代谢通量，且MFA需要稳态或多时间点的采样，这在体内环境中难以实现。

关键观点2: 研究目的

利用数字孪生模型（DTF）结合单细胞13C代谢流分析（13C-scMFA），实现胶质瘤患者体内代谢流的定量评估，解析肿瘤细胞与微环境间的代谢异质性。

关键观点3: 研究方法

研究团队构建了DTF模型，整合了患者来源的scRNA-seq数据、体内¹³C同位素富集信息、代谢流分析（FBA）与非稳态同位素MFA（INST-MFA）。基于这些数据模拟代谢通量与代谢物的时间依赖性同位素分布（MIDs），重建患者胶质瘤的代谢网络状态。开发了独立的13C-scMFA实现细胞层面的代谢通量估计。

关键观点4: 研究结果

研究发现肿瘤细胞增强的嘌呤合成能力与丝氨酸摄取特征，揭示了患者间显著的代谢异质性。DTF模型成功预测了不同患者的肿瘤中丝氨酸的来源通量以及嘌呤代谢中新生GMP合成的相对贡献。单细胞层面的代谢流分析揭示了胶母瘤TME中的代谢通量，发现星形胶质细胞在葡萄糖驱动的丝氨酸合成方面更为活跃，肿瘤细胞的丝氨酸来源在不同患者间存在显著差异。

关键观点5: 研究意义

该研究推动了肿瘤代谢治疗向更精准、个体化的方向发展，为预测代谢抑制剂的疗效、识别更精确的代谢靶点与潜在生物标志物提供了有力工具。同时，该研究也为其他类型肿瘤的代谢研究提供了参考和启示。