IF58.7｜神经活性药物高通量筛选揭示胶质母细胞瘤治疗新靶点

抗抑郁药沃替西汀可协同化疗抑制胶质母细胞瘤，AP-1/BTG通路是关键。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

胶质母细胞瘤是最具侵袭性的原发性脑癌，预后极差，目前系统治疗仅限于DNA烷化剂化疗。近年来，肿瘤的神经发育和神经生理学特性受到关注，提示神经活性药物可能具有抗肿瘤潜力。然而，由于缺乏在患者来源组织中高效筛选神经活性药物的方法，该领域进展有限。本研究利用临床一致性平台，在胶质母细胞瘤患者手术样本中系统筛选可再利用的神经活性药物，旨在发现新的治疗策略。

科学问题

卡在哪里： 此前研究多依赖细胞系或动物模型，缺乏在患者新鲜组织中高通量、单细胞分辨率的药物筛选手段，且神经活性药物对胶质母细胞瘤的作用机制尚不清楚。

本文要回答： 系统筛选神经活性药物在胶质母细胞瘤患者组织中的抗肿瘤活性，并解析其分子机制，为临床转化提供依据。

技术路线

作者主要用了：高通量药物筛选、单细胞转录组、机器学习、网络分析、体内模型。

作者利用27例胶质母细胞瘤患者手术样本，建立离体单细胞分辨率的药物筛选平台，对132种神经活性药物进行超过2500次药物反应检测。通过可解释的机器学习模型分析药物-靶点网络，发现神经活性药物共同作用于AP-1/BTG通路。进一步通过深度多模态分析确认Ca2+驱动的AP-1/BTG通路诱导是胶质母细胞瘤的脆弱性，并在体内模型中验证了抗抑郁药沃替西汀与标准化疗的协同作用。

核心亮点

亮点 1｜神经活性药物筛选发现多种有效化合物

在27例患者样本中筛选132种神经活性药物，发现多种药物具有强效抗胶质母细胞瘤活性，且在不同模型系统中得到验证。例如，抗抑郁药沃替西汀在低微摩尔浓度下即可显著抑制肿瘤细胞生长，且对正常神经细胞毒性较低。这些结果表明神经活性药物是胶质母细胞瘤治疗的潜在来源。

亮点 2｜机器学习揭示AP-1/BTG通路为共同靶点

通过可解释的机器学习模型分析药物-靶点网络，发现有效的神经活性药物共同作用于AP-1/BTG转录调控通路。该通路在胶质母细胞瘤中通常被抑制，而药物处理可诱导其激活，导致肿瘤细胞分化或凋亡。这一发现为理解神经活性药物的抗肿瘤机制提供了新视角。

亮点 3｜Ca2+信号驱动AP-1/BTG通路激活

深度多模态分析显示，神经活性药物通过升高细胞内Ca2+浓度，激活AP-1/BTG通路，从而抑制胶质母细胞瘤生长。例如，沃替西汀处理可显著增加细胞内Ca2+水平，并上调AP-1和BTG家族基因表达。这一机制为靶向该通路的药物设计提供了依据。

亮点 4｜沃替西汀与化疗协同抑制肿瘤生长

在体内胶质母细胞瘤模型中，沃替西汀与标准化疗药物替莫唑胺联合使用可显著延长小鼠生存期，并减少肿瘤体积。联合治疗组的中位生存期比单药组延长约30%，且未观察到明显毒性。这提示沃替西汀可作为化疗增敏剂用于胶质母细胞瘤治疗。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 高通量药物筛选、单细胞转录组、机器学习、网络分析、体内模型
• 公开数据： GSE214965、GSE214966
• 代码： 公开仓库 https://github.com/RebekkaWegmann/drugseq_toolbox；本地已克隆：drugseq_toolbox
• 谁该点开原文： 从事肿瘤药物筛选、神经肿瘤学或药物重定位研究的科研人员。

带走一句

利用患者组织进行高通量药物筛选结合机器学习，可快速发现老药新用机会，并揭示神经活性药物通过Ca2+-AP-1/BTG轴发挥抗肿瘤作用。