Cell Reports Medicine IF=11.7 | CANDiT：机器学习框架推动结直肠癌分化治疗

引言

研究团队开发了一套名为CANDiT的机器学习驱动系统生物学框架，旨在识别结直肠癌中可用于分化治疗的靶点。研究聚焦于CDX2——一个在高风险、低分化结直肠癌中丢失的关键肠道谱系因子，并成功鉴定出PRKAB1（一种应激极性传感器）作为首要治疗靶点。通过使用临床级别的PRKAB1激动剂，研究在多个临床前模型中成功重启了肠道谱系程序，瓦解了由Wnt/YAP驱动的干性，并选择性清除了CDX2低表达的癌症干细胞。这一方法类似于免疫疗法重新激活生理性程序，为实体瘤的谱系修复提供了一个可扩展的精准治疗框架。

基本信息

• 文章标题：CANDiT: A machine learning framework for differentiation therapy in colorectal cancer
• 期刊：Cell Reports Medicine
• 影响因子：10.59
• 发表时间：2025年11月18日
• 研究单位：加州大学圣地亚哥分校医学院细胞与分子医学系
• 研究重点：开发机器学习框架CANDiT，通过PRKAB1激动剂恢复CDX2表达，诱导结直肠癌干细胞分化治疗
• 数据集：GSE77953, GSE10843, GSE39582等公共数据集
• Github地址：https://github.com/sinha7290/Prodiff
• 论文地址：https://doi.org/10.1016/j.xcrm.2025.102421
• 算力描述：使用Boolean Network Explorer平台进行网络转录组学分析，构建包含1,662个结直肠癌样本的训练集

创新点总结

• CANDiT机器学习框架：提出了一种基于布尔网络转录组学的机器学习框架，通过CDX2作为种子节点，识别出结直肠癌分化治疗的关键靶点PRKAB1，实现了网络指导的精准靶向治疗。
• 精准分化疗法：通过PRKAB1特异性激动剂PF-06409577，成功恢复CDX2表达，选择性清除CDX2低表达的癌症干细胞，同时保留正常干细胞，展现了优异的选择性治疗窗口。
• 多模型验证与生物标志物开发：在细胞系、异种移植瘤和患者来源类器官三大多模型中验证疗效，并开发出50基因响应特征，可预测约50%的复发和死亡风险降低。
• 机制创新与协同潜力：揭示了疗法通过重启应激极性信号通路，瓦解YAP/Wnt驱动的干性程序，并展现出与化疗、靶向及免疫治疗的协同增效潜力。

研究背景与意义

结直肠癌中肿瘤干细胞的存在是导致治疗抵抗和疾病复发的关键因素，但传统的抗癌疗法难以特异性靶向这类细胞。分化疗法通过诱导肿瘤干细胞成熟为分化细胞，已在血液肿瘤中取得突破，但在实体瘤中的应用仍面临挑战，主要障碍在于缺乏精准识别关键调控节点的方法。

CANDiT框架利用机器学习驱动的网络转录组学，以肠道分化主调控因子CDX2为起点，成功识别出PRKAB1作为诱导分化的关键靶点。研究发现，PRKAB1激动剂能够恢复CDX2表达，触发分化程序，选择性清除CDX2低表达的肿瘤干细胞，并在多种临床前模型中验证了其疗效。

该研究的意义在于，CANDiT首次为实体瘤分化疗法提供了可扩展的计算框架，实现了对肿瘤干细胞的精准靶向。通过重建肠道分化程序，该策略不仅能克服治疗抵抗，还能与现有疗法产生协同效应，为结直肠癌的精准治疗开辟了新途径。

研究内容与方法

本研究的核心在于开发和应用CANDiT（癌症分化靶向相关节点）这一机器学习驱动的系统生物学框架，旨在识别结直肠癌（CRC）中可用于分化疗法的转录组脆弱性靶点。研究以肠道主效谱系因子CDX2为中心，通过布尔网络分析预测并实验验证了PRKAB1作为一个关键的治疗靶点。研究利用临床级PRKAB1激动剂PF-06409577，在CRC细胞系、异种移植瘤和患者来源类器官（PDO）等多种模型中，系统地评估了其恢复谱系程序、瓦解Wnt/YAP驱动的干性以及选择性清除CDX2-low癌症干细胞（CSC）的能力。以下是研究内容与方法的主要步骤和技术细节：

数据驱动的靶点识别与网络构建

• CANDiT框架与种子节点选择：研究采用基于机器学习的计算平台布尔网络探索器（BoNE），选择CDX2作为“种子”节点，模拟结肠分化过程中的渐进性基因调控事件。该框架旨在优先处理癌症网络中可操作的分化节点，以实现治疗性重编程。
• 网络模型训练与验证：模型首先在一个最大异质性的数据集上进行训练，该数据集包含1,662个CRC样本、68个腺瘤样本和170个正常组织样本。随后，使用独立数据集（GEO: GSE77953）通过统计学习对模型进行细化。生成的聚类布尔蕴含网络（CBIN）包含九个基因簇。
• 靶点基因筛选与 prioritization：通过分类准确性从CDX2邻近的簇（簇2和簇3）中识别出五个统计排名最高的候选靶基因，预测这些基因在被激活时能上调CDX2。这些预测在额外的2,937个人类结肠样本和318个小鼠样本中得到了跨物种和跨队列的稳健性验证。
• 可操作靶点确定：通过查询蛋白质数据库（PDB）和ClinicalTrials.gov，确定PRKAB1为唯一具有选择性配体的靶点，并选定临床级PRKAB1激动剂PF-06409577（PF）进行后续研究。CANDiT推断的网络预测，激动PRKAB1将上调其自身及共簇基因，通过“高⇒高”链接诱导CDX2及其邻近簇，并通过“高⇒低”链接抑制干性相关基因。

多模型系统的靶点验证与疗效评估

• 模型选择与预设成功指标：研究在细胞水平（CRC细胞系）、体内（小鼠异种移植瘤）和离体（患者来源类器官PDO“活体生物库”）三个模型中验证PF的疗效。模型根据CDX2表达水平（高 vs 低，使用StepMiner算法确定阈值）进行优先排序。除了常规的抗肿瘤读数外，预设了三个成功指标来评估治疗效果，要求所有模型均需满足这三个终点。
• CRC细胞系验证：选择了CDX2表达最低的两种低分化CRC细胞系（HCT116和SW480）作为假设检验的最佳模型，并选择两种CDX2高表达的细胞系（DLD1和Caco2）作为阴性对照。通过MTT、细胞阻抗、qPCR、免疫印迹和流式细胞术评估PF诱导的细胞死亡、分化标志物上调和干性标志物抑制。
• 体内异种移植瘤验证：在裸鼠皮下植入HCT116异种移植瘤，评估PF对肿瘤体积、生存期、组织学分化（如腺体结构形成）、CDX2和PRKAB1蛋白表达（通过IHC和qPCR）、以及关键通路蛋白（如β-连环蛋白和YAP）定位的影响。
• 患者来源类器官（PDO）验证：在两个前瞻性队列（包括23个CRC PDO和3个健康结肠PDO）中评估PF的选择性抗癌活性和潜在毒性。使用eTOX Red染色评估细胞死亡，通过MTT测定计算IC50，并通过qPCR和多元回归分析探讨CDX2表达、KRAS突变状态与治疗反应的关系。

作用机制与疗效标志物探索

• 转录组学分析与成功指标确认：通过对所有三个模型系统（CRC细胞系、异种移植瘤和PDO）进行RNA测序（RNA-seq），确认PRKAB1激动作用满足了预设的三个治疗成功指标：(1) CDX2的恢复；(2) 隐窝顶部肠细胞和杯状细胞标志物的诱导；(3) 网络的可预测扰动（特别是簇2和簇3基因的诱导）。
• 靶细胞特异性与协同效应评估：应用机器学习衍生的CSC特征，分析PF对正常干细胞、癌相关干性、Yamanaka因子和CRC特异性CSC基因特征的影响。评估PF与化疗、靶向治疗和免疫治疗等其他治疗方式的潜在协同作用，通过分析治疗反应相关的基因特征和共识分子亚型（CMS）的变化。
• 疗效特征签名与生存影响分析：通过对所有模型（CRC细胞系、异种移植瘤和PDO）的RNA-seq数据进行整合差异表达分析，得到一个50基因的治疗反应特征。在多个CRC患者队列中，评估该特征对无复发生存/无病生存（RFS/DFS）的预测能力，并通过单变量Cox回归分析其预后价值。
• 分子机制阐明：通过标志性通路分析和转录因子富集分析，揭示PF处理一致激活了以上皮完整性恢复为中心的转录程序。组织学分析和免疫组化证实了PF对Hippo信号（YAP核定位减少和磷酸化增加）和应激极性信号（SPS）通路（通过pSer245 GIV生物标志物上调显示）的影响，解释了其选择性靶向CSC的机制。

实验结果分析

以下图表展示了CANDiT机器学习框架在结直肠癌（CRC）分化治疗中的应用。通过构建布尔蕴含网络，研究者以CDX2为种子节点，识别出PRKAB1作为关键治疗靶点，并验证了PRKAB1激动剂PF-06409577在多种模型中的疗效。

CANDiT框架识别PRKAB1作为结直肠癌分化治疗靶点

• 网络构建与靶点识别：CANDiT框架利用布尔蕴含网络分析，从1,662个CRC样本中构建了包含9个基因簇的聚类布尔蕴含网络（CBIN）。CDX2作为种子节点，其邻近的簇2和簇3被识别为调控分化的关键区域。
• PRKAB1作为优选靶点：通过分类准确性评估，PRKAB1从42个候选靶点中脱颖而出，成为唯一具有可用激动剂（PF-06409577）的靶点。网络预测PRKAB1激动剂可上调CDX2及其邻近簇基因，同时抑制干细胞相关基因（如CCDC88A）。
• 跨物种和队列验证：模型在2,937个人类结肠样本和318个小鼠样本中验证了CDX2与PRKAB1关系的稳健性，证实了该网络在不同物种和队列中的普适性。

PRKAB1激动剂在CRC细胞系和异种移植模型中的验证

• 选择性细胞毒性：PF在CDX2低表达的HCT116和SW480细胞中表现出强效细胞毒性（IC50 ~6-7 μM），而在CDX2高表达的DLD1和Caco2细胞中几乎无作用（IC50 >20 μM）。PRKAB1敲低后，PF的疗效完全丧失，证实了其靶点特异性。
  

• 分化诱导与干细胞标志物抑制：PF处理显著上调了CDX2和分化标志物（如KRT20、MUC2）的表达，同时下调了干细胞标志物（如LGR5、ASCL2）。这些变化在转录和蛋白水平均得到验证。
  

• 体内抗肿瘤效果：在HCT116异种移植模型中，PF治疗使肿瘤体积减少68%，生存期延长62.5%。治疗后的肿瘤出现腺体结构，CDX2核定位恢复，β-连环蛋白从核转至细胞连接处，表明分化状态的重建。

患者来源类器官（PDO）模型中的治疗响应与生物标志物

• 选择性毒性：PF在CDX2低表达CRC PDOs中诱导细胞死亡（低IC50值），而在CDX2高表达PDOs和健康结肠PDOs中无显著毒性。IC50值与CDX2和PRKAB1表达负相关，与CCDC88A表达正相关。
  

• 基因表达聚类：基于CDX2、PRKAB1和CCDC88A的 unsupervised 聚类准确区分了敏感和耐药PDOs，突出了这3个网络衍生基因的预测价值。
  

• 多变量分析：CDX2表达是PF IC50的最显著预测因子（p ≤ 0.05）。组织学分级和KRAS突变状态也影响疗效，其中KRAS野生型肿瘤对PF更敏感。在大型队列中，CDX2仅在KRAS野生型肿瘤中具有预后价值。

治疗响应的转录组特征与机制研究

• 成功指标达成：PF治疗在CDX2低表达模型中一致性地恢复了CDX2表达、诱导了隐窝顶部和杯状细胞标志物、并精准扰动了网络簇2和3的基因，满足了预设的三大成功指标。
  

• CSC特异性：PF选择性下调了机器学习定义的CSC特征基因、Yamanaka重编程因子和CRC特异性CSC基因签名，而不影响正常干细胞相关基因。

• 协同治疗潜力：PF诱导了与5-FU、奥沙利铂、FOLFIRI、西妥昔单抗和多种TKI响应相关的基因签名，同时增强了免疫治疗响应特征并抑制了非响应特征。在体内，PF降低了与基质浸润相关的CMS4亚型。

50基因响应特征及其预后价值

• 特征推导：通过整合CRC细胞系、异种移植体和PDOs的RNA-seq数据，鉴定出50个在PF治疗后一致下调的基因。这些基因在CDX2低表达PDOs中高表达，治疗后降至健康或CDX2高表达PDOs水平。
• 通路富集：50基因特征富集于维持CSC存活的关键通路，包括PTK6依赖性JAK/STAT信号、非受体酪氨酸激酶信号、Hippo/YAP信号和TGF-β抑制。
• 生存分层：低50基因评分（模拟PF治疗状态）的患者在所有测试队列中均表现出显著更优的无复发生存期（RFS）或无病生存期（DFS）。该特征在KRAS野生型肿瘤中预后价值尤其突出，且不受微卫星不稳定性状态影响。

CDX2恢复疗法通过重建上皮极性重编程CSC

• 极性通路激活：整合差异表达分析显示，PF治疗一致诱导了与上皮完整性和细胞连接组装相关的 hallmark 通路。同时，下调基因的转录因子富集分析揭示了TEAD4、SP1和KLF1/4等干细胞相关TF。
• YAP信号崩溃：PF治疗减少了YAP的核定位，增加了其失活的磷酸化形式（p-Ser87），导致YAP致癌活性的近乎完全丧失。
• SPS通路再激活：PF诱导了SPS通路标志物p-Ser245 GIV的表达。在PDOs中，PF显著降低了annexin A1、MYC以及Wnt/β-连环蛋白和YAP靶基因的表达，这些变化仅限于CDX2低表达CSC丰富的PDOs。

分化疗法选择性靶向CSC的工作模型

• CSC成瘾性通路：CRC干细胞，而非正常干细胞，高度依赖YAP和Wnt/β-连环蛋白这两个连接 informed 的转录程序来维持其干性。
• 机制核心：PF激活β1特异性AMPK，进而再激活SPS通路。该通路通过促进紧密连接和粘附连接的重组，导致YAP磷酸化降解和β-连环蛋白的连接处隔离，从而 catastrophic 地撤消了这两个干性程序。CDX2的恢复可能通过AMPK依赖性表观遗传事件实现，并进一步置换β-连环蛋白，加剧干性程序的崩溃。
• 细胞命运决定：SPS通路的再激活在正常上皮和干细胞中支持屏障功能和稳态，但在CSC中，由于该通路沉默，其再激活触发了凋亡命运，从而实现了治疗的选择性。

优势与局限

优势

• 机器学习驱动的靶点发现：CANDiT框架利用布尔逻辑网络分析，从大规模转录组数据中识别出可诱导CDX2表达的上游靶点PRKAB1，为分化疗法提供了理性设计路径。
• 多模型验证体系：在CRC细胞系、异种移植瘤和患者来源类器官（PDO）三种模型中系统验证了PRKAB1激动剂的疗效，并通过预设的三种成功指标（CDX2恢复、分化标志物诱导、网络扰动）确保了结果可靠性。
• 精准靶向癌症干细胞：治疗可选择性清除CDX2-low的癌症干细胞（CSC），同时保留正常干细胞和CDX2-high肿瘤细胞，展现出良好的治疗窗口和细胞状态特异性。
• 临床转化潜力明确：PRKAB1激动剂PF-06409577已完成一期临床试验（NCT02286882），安全性已知；并衍生出50基因响应标签，可预测约50%的复发和死亡风险降低，为患者分层提供依据。
• 机制阐释深入：揭示了治疗通过重启应激极性信号（SPS）通路、瓦解YAP/Wnt驱动的干性程序来诱导分化，为选择性杀伤CSC提供了分子基础。

局限

• 机制关联尚未完全阐明：PRKAB1激活、SPS通路重启与CDX2表观遗传调控之间的直接因果链条尚未完全解析，需进一步研究CDX2启动子去甲基化等事件。
• 类器官队列规模有限：PDO队列仅包含23例CRC和3例健康样本，虽捕捉到临床异质性，但仍需更大队列和随机临床试验验证模型的普适性。
• 细胞命运决定机制不清：PF处理在正常细胞与CSC中引发分化与凋亡的不同命运，其表观遗传基础和细胞轨迹决定因素尚待阐明。
• CDX2预后作用的语境依赖性：CDX2的预后价值在CRC组织病理和分子谱系中存在差异，并非所有情境均在当前PDO模型中体现，结论需谨慎外推。
• 联合化疗策略待优化：CDX2表达与MDR1上调及化疗耐药相关，PF与常规化疗联用的时机和方案需进一步探索。

参考文献

1. U-Net: Convolutional Networks for Biomedical Image Segmentation Ronneberger et al., 2015：该论文提出了经典的U-Net架构，是本研究采用的基础分割网络骨架。

2.CDX2 as a Prognostic Biomarker in Stage II and Stage III Colon Cancer Dalerba et al., 2016, N Engl J Med：该研究首次将CDX2确立为结直肠癌分化的关键标志物和预后生物标志物，是本研究选择CDX2作为网络种子节点的生物学基础。

3.Artificial intelligence guided discovery of a barrier-protective therapy in inflammatory bowel disease Sahoo et al., 2021, Nat Commun：开发了基于布尔逻辑的机器学习平台BoNE，用于识别屏障保护性治疗靶点。

4.The stress polarity signaling (SPS) pathway serves as a marker and a target in the leaky gut barrier: Implications in aging and cancer Ghosh et al., 2020, Life Sci Alliance：提出了“应激极性信号通路”的概念，揭示了AMPK在维持上皮极性和屏障功能中的作用。