1. 领域背景与文献
文献英文标题：Harnessing PDX and PDX 2.0: the next-generation paradigm for precision oncology and translational breakthroughs；
发表期刊：文献未明确提供发表期刊信息；影响因子：未公开；研究领域：精准肿瘤学、转化医学、肿瘤临床前模型研究
精准肿瘤学的发展高度依赖能真实反映患者肿瘤异质性的临床前模型，患者来源异种移植（PDX）模型因可保留原发肿瘤的分子、表型异质性，成为药物筛选、生物标志物发现与精准治疗研究的核心工具。领域共识：PDX模型从20世纪中期裸鼠模型的建立，历经免疫缺陷小鼠品系的迭代（如SCID、NOD/SCID、NSG），到21世纪大规模PDX生物样本库的建立，已成为连接基础研究与临床实践的关键桥梁。然而传统PDX模型存在建立周期长（2-8个月）、人肿瘤基质被鼠基质替换、克隆选择导致遗传漂移、免疫缺陷小鼠无法模拟肿瘤免疫微环境等局限性，限制其转化应用。同时，新型替代方法（NAMs）如类器官、细胞系模型虽具备高通量、短周期优势，但缺乏体内微环境的复杂性，难以模拟肿瘤的动态演进。2025年美国国立卫生研究院（NIH）发布政策，要求动物模型需结合NAMs才能获得资助，推动领域进入传统PDX与NAMs整合的过渡阶段。在此背景下，本研究提出PDX 2.0整合范式，旨在克服传统PDX的局限性，同时弥补NAMs的不足，为精准肿瘤学提供更高效的转化研究平台。
2. 文献综述解析
本研究对领域内现有研究的分类维度涵盖PDX模型的发展历程、建立关键因素、核心应用场景、局限性及解决方案，以及PDX 2.0的整合框架五个方面。
现有研究中，传统PDX模型的核心优势在于能高度保留原发肿瘤的异质性，在药物筛选中可有效预测临床反应，例如在多种肿瘤中验证了PDX模型的药物反应与患者临床结局的一致性；技术方法上，PDX模型可通过多代传代稳定保留肿瘤特征，支持长期的耐药机制研究。但传统PDX的局限性也十分显著：建立周期长无法匹配临床治疗 timeline，基质替换导致肿瘤微环境失真，克隆选择引发遗传漂移，免疫缺陷背景无法开展免疫治疗相关研究。NAMs如类器官模型虽能实现高通量药物筛选，培养周期短，但缺乏体内的血管、免疫等微环境因素，难以模拟肿瘤的侵袭与转移；细胞系模型则因长期体外培养丢失肿瘤异质性，药物反应预测价值有限。
本研究的创新价值通过对比上述未解决问题凸显：首次提出PDX 2.0作为整合式研究范式，将体外模型（PDX衍生细胞PDC、PDX类器官PDXO、类器官异种移植PDOX）、化学方法（CRISPR-Cas9基因编辑）、人源化免疫模型（免疫人源化PDX，iHu-PDX）与AI驱动的计算模型相结合，既保留传统PDX体内微环境的真实性，又具备NAMs的高通量、短周期优势，同时通过AI技术实现多组学数据的整合分析与药物反应预测，为精准肿瘤学研究构建了从虚拟筛选到体内验证的完整闭环。
3. 研究思路总结与详细解析
本研究的整体框架为：系统梳理PDX模型的发展历程、建立关键因素、核心应用场景与转化局限性，提出并定义PDX 2.0的整合式研究范式，通过八个核心肿瘤系统的案例验证PDX 2.0在药物研发、生物标志物发现与精准治疗中的应用价值。核心科学问题是如何突破传统PDX模型的转化瓶颈，构建更贴近临床、更高效的精准肿瘤学研究平台。技术路线遵循“回顾-分析-总结-创新-验证”的闭环逻辑：先回顾PDX模型的发展脉络，再分析PDX模型建立的关键影响因素，接着总结PDX的临床转化应用，随后剖析传统PDX的挑战并提出PDX 2.0框架，最后通过多肿瘤系统的研究案例验证PDX 2.0的应用效能。
3.1 PDX模型发展历程梳理
实验目的：明确PDX模型从早期探索到PDX 2.0时代的关键发展节点与驱动因素；
方法细节：通过时间线梳理PDX模型的演进，涵盖首次异种移植实验、免疫缺陷小鼠品系的迭代（裸鼠→SCID→NOD/SCID→NSG/NOG）、全球PDX生物样本库与数据平台的建立（EurOPDX、PDXNet），以及2025年NIH政策对PDX 2.0范式的推动；
结果解读：Fig.1展示了PDX发展的四个阶段：早期探索与准备（裸鼠模型建立）、模型突破与技术创新（多代免疫缺陷小鼠研发）、广泛应用与发展（大规模PDX库建立）、PDX 2.0整合范式时代（传统PDX与NAMs、AI技术融合），清晰呈现PDX模型从单一工具到整合式平台的演进过程；
产品关联：文献未提及具体实验产品，领域常规使用免疫缺陷小鼠品系（如NSG、NOD/SCID）、肿瘤组织处理试剂、高通量测序平台等。
3.2 PDX模型建立关键因素解析
实验目的：系统分析影响PDX模型建立成功率与保真度的核心因素；
方法细节：从供体肿瘤特征、受体小鼠品系、移植部位选择、建立后评估四个维度展开分析，结合多中心研究数据：如胃肠道肿瘤PDX建立中，原发肿瘤部位、组织学类型与分化程度对建立成功率的影响（P<0.05）；不同免疫缺陷小鼠的移植成功率层级（BRG/BRJ > NSG > NOD/SCID > SCID > 裸鼠）；原位移植与异位移植的适用场景差异；建立后通过组织学染色、多组学分析验证模型与原发肿瘤的一致性；
结果解读：供体肿瘤的侵袭性（Ki-67高表达）、未接受化疗的样本、免疫缺陷程度更高的小鼠、匹配肿瘤原发部位的原位移植，可显著提高PDX建立成功率；建立后通过苏木精-伊红（H&E）染色、免疫组化（IHC）、多组学分析（基因组、转录组、代谢组）验证模型的表型与分子保真度，例如代谢组学分析显示PDX模型可保留肿瘤来源的线粒体代谢指纹；
产品关联：文献未提及具体实验产品，领域常规使用H&E染色试剂盒、免疫组化抗体、全基因组测序（WGS）、RNA测序（RNA-seq）平台等。
3.3 传统PDX模型的应用场景总结
实验目的：梳理PDX模型在临床转化研究中的核心应用方向；
方法细节：从生物标志物识别与药物筛选、PDX临床前试验与精准医学、共临床试验、癌症纳米医学四个方向，结合具体研究案例：如利用PDX模型筛选出针对纤维板层状肝癌（FLC）的联合治疗方案；在zanidatamab的I期共临床试验中，PDX模型与患者反应一致，识别MET和MYC扩增作为获得性耐药机制；在纳米医学研究中，PDX模型用于评估纳米药物的体内分布与抗肿瘤疗效；
结果解读：Fig.3展示了PDX模型从肿瘤样本建立到临床应用的完整 workflow：从患者样本建立PDX模型，通过多组学分析发现生物标志物，开展临床前药物筛选，最终指导临床治疗或制定诊疗指南；
产品关联：文献未提及具体实验产品，领域常规使用高通量药物筛选平台、纳米药物制剂、流式细胞仪等。
3.4 传统PDX模型的挑战与PDX 2.0框架提出
实验目的：剖析传统PDX模型的转化局限性，提出PDX 2.0的整合式解决方案；
方法细节：分析传统PDX的四大核心挑战：建立周期长、基质替换与克隆选择导致的模型失真、无法模拟肿瘤转移的完整过程、免疫缺陷背景限制免疫治疗研究；在此基础上提出PDX 2.0的两大核心组件：基于人的实验方法（整合PDC、PDXO、PDOX、iHu-PDX与组织芯片）与AI驱动的计算模型（多组学数据分析、药物反应预测、实验设计优化）；
结果解读：Fig.4总结了传统PDX的挑战与对应解决方案，Fig.5展示了PDX 2.0的整合框架：通过AI驱动的虚拟筛选，结合体外模型的高通量验证，最终通过PDX模型的体内验证，实现从基础研究到临床应用的高效转化；
产品关联：文献未提及具体实验产品，领域常规使用类器官培养试剂盒、CRISPR-Cas9基因编辑系统、AI深度学习分析平台等。
3.5 PDX 2.0在多肿瘤系统的应用验证
实验目的：验证PDX 2.0整合范式在不同肿瘤类型中的转化价值；
方法细节：选取呼吸系统（肺癌）、消化系统（肝癌、结直肠癌、胰腺癌）、泌尿系统（膀胱癌）、生殖系统（乳腺癌）、感觉系统（黑色素瘤）、血液系统（白血病）八个核心肿瘤系统，结合具体研究案例：如肺癌中利用诱导型CRISPR-Cas9系统在PDX模型中编辑EGFR基因，研究奥希替尼耐药机制；肝癌中结合PDC、类器官与PDX的整合流程，筛选出HDAC抑制剂Romidepsin的抗肿瘤疗效；黑色素瘤中利用iHu-PDX模型分析免疫治疗对肿瘤浸润淋巴细胞（TILs）的调控作用；
结果解读：PDX 2.0在各肿瘤系统中均能有效克服传统PDX的局限性，例如iHu-PDX模型可模拟肿瘤免疫微环境，支持免疫治疗的疗效评估与耐药机制研究；AI驱动的计算模型可通过多组学数据预测药物反应，提高药物筛选的效率与准确性；
产品关联：文献未提及具体实验产品，领域常规使用CRISPR-Cas9试剂盒、人源化免疫重建小鼠、单细胞测序平台等。
4. Biomarker研究及发现成果解析
本研究中涉及的Biomarker类型涵盖肿瘤分子标志物、免疫相关标志物与代谢标志物三大类，筛选与验证逻辑为：通过PDX模型的多组学分析（基因组、转录组、代谢组、单细胞组学）结合药物反应数据，筛选出与肿瘤进展、耐药相关的候选Biomarker，再通过PDX模型的功能验证或临床样本关联分析确认其临床价值。
研究过程中，在小细胞肺癌（SCLC）中，通过51个PDX模型的WGS与RNA-seq分析，发现MYC旁系同源物（MYC、MYCN、MYCL）的局灶扩增是获得性交叉耐药的关键驱动因素；在黑色素瘤中，利用iHu-PDX模型分析TILs的状态，发现免疫治疗通过增强CD8+T细胞的细胞毒性、缓解T细胞耗竭发挥抗肿瘤作用；在肝癌中，通过PDC、类器官与PDX的整合筛选流程，发现HDAC2与EGFR的异常激活是索拉非尼耐药的核心机制。特异性与敏感性数据方面，结直肠癌研究中，KuLGaP机器学习模型通过分析PDX的肿瘤生长曲线，评估药物疗效的假阳性率显著降低；肺癌研究中，Single Cell Classifier（SCC）深度学习工具对组织切片中物种特异性细胞分类的准确率达96%。
核心成果提炼：这些Biomarker的功能关联包括：MYC扩增与SCLC化疗耐药相关（文献未明确提供样本量与P值，基于研究结论推测），CD8+T细胞浸润程度与免疫治疗疗效正相关（n=多组PDX模型，文献未明确P值），HDAC2/EGFR异常激活与肝癌索拉非尼耐药相关（n=多组PDX模型，文献未明确P值）。创新性在于通过PDX 2.0的整合模型，发现了传统PDX或体外模型无法识别的微环境相关Biomarker，例如膀胱癌研究中发现癌相关成纤维细胞（CAF）相关长链非编码RNA LINC00665与淋巴转移相关，通过PDX模型验证了阻断该通路可抑制淋巴转移（文献未明确提供样本量与P值，基于研究结论推测）。