骨肉瘤是青少年最常见的原发恶性骨肿瘤。手术联合化疗把五年生存率提高到约七成,但一旦发生肺转移或复发,预后急转直下。更棘手的是,骨肉瘤长期被视为“冷肿瘤”:突变负荷不高、T细胞浸润有限,免疫检查点阻断的单药响应并不理想。要让免疫治疗在骨肉瘤中发挥作用,关键不是再增强一个抑制信号,而是找到一种能让肿瘤细胞“死得足够响”的方式。
副凋亡(paraptosis)提供了另一种可能:它不依赖caspase,而是以内质网与线粒体肿胀、胞质空泡化为特征,细胞死亡过程中会释放大量损伤相关分子模式(DAMPs),理论上更容易触发免疫原性细胞死亡(ICD)。但副凋亡诱导剂长期稀缺,且缺乏对内质网的选择性——这既是化学生物学问题,也是材料筛选问题。
中科院化学所Liang Ganghao、肖海华、北京理工大学于英杰、联合波鸿鲁尔大学Johannes Karges等团队,用机器学习从镓(III)配合物化学空间中筛选内质网靶向候选,获得先导化合物Ga20,并系统验证其诱导副凋亡、触发ICD与抗肿瘤免疫的能力,进一步制备纳米制剂并在原位骨肉瘤、骨转移与PDX模型中评价疗效。相关内容以 Machine Learning-Driven Discovery of an Endoplasmic Reticulum-Targeting Gallium(III) Complex that Triggers Immunogenic Paraptosis in Osteosarcoma 为题,发表在 ACS Nano 上。
这项工作的特别之处在于“两条腿走路”:一半是机器学习驱动的化学筛选,一半是免疫学层面的死亡方式解析。它试图回答的不是“哪个配合物毒性更强”,而是“哪种死亡方式更能被免疫系统看见”。
图1 机器学习驱动的内质网靶向Ga(III)配合物发现
作者把配合物结构特征与内质网定位、细胞毒性等指标作为训练目标,从化学空间中筛选出候选Ga20。机器学习在这里的作用不是替代实验,而是把“合成—筛选”的搜索范围压缩到可操作的数量级,让后续的机制研究有的放矢。
图2 Ga20诱导副凋亡的典型特征
Ga20处理后细胞出现明显的胞质空泡化、内质网膨胀与线粒体肿胀,而caspase切割并不显著——这正是副凋亡的形态与分子标志。对骨肉瘤而言,这种“非凋亡”的死亡方式恰好绕开了肿瘤常见的凋亡逃逸。
图3 副凋亡信号促进免疫原性细胞死亡
钙网蛋白外露、HMGB1释放、树突状细胞成熟等指标说明,Ga20诱导的死亡不是“静默”的,而是能被抗原呈递细胞识别的。这一步是“冷肿瘤”转“热”的关键:只有当死亡伴随足够的免疫信号,后续的T细胞应答才可能建立。
图4 纳米制剂表征与原位骨肉瘤疗效
作者将Ga20制成纳米制剂,改善溶解性与体内分布,并在原位骨肉瘤模型中验证抑瘤效果。原位模型比皮下瘤更接近骨微环境,但骨组织的成像与给药仍有限制,这也是该领域普遍的方法学难点。
图5 Ga NP对晚期乳腺癌骨转移的疗效
在骨转移模型中,Ga NP同样表现出抑瘤与骨保护作用,提示其作用不完全依赖于骨肉瘤特有的微环境。这一“跨瘤种”验证增强了机制的普适性,但也需要更多模型来确认骨转移灶中的免疫激活是否同样成立。
图6 持久抗肿瘤记忆与PDX模型验证
再挑战实验与PDX模型分别回答了“是否形成免疫记忆”和“是否对人源肿瘤有效”两个转化关键问题。前者提示治疗可能带来长期保护,后者则是对临床相关性的一次检验——两者都还需要更大样本与更长期随访。
这篇文章把“机器学习筛选”和“免疫原性死亡”这两件看似分属不同领域的事接到了一起:先用算法在镓配合物空间中定位内质网靶向的化学型,再用副凋亡这一非经典死亡方式释放免疫信号。它的启示在于——对“冷肿瘤”,有时换一种死法,比再加一个免疫检查点更有意义。
但也要看到边界:机器学习模型的训练标签依赖现有实验数据,预测的化学空间仍受合成可行性约束;副凋亡在体内的可控性与安全性、以及镓配合物的长期金属蓄积风险,都需要在更大动物模型与毒理学研究中回答。真正的考验,是这种“死亡方式”能否在患者肿瘤中复现。
「BioMed科技」关注生物医药×化学材料交叉前沿研究进展!交流、合作,请添加杨主编微信!来源:BioMed科技
声明:仅代表作者个人观点,作者水平有限,如有不科学之处,请在下方留言指正!