CDX（cell line-derived xenograft，细胞系来源异种移植瘤）是临床前肿瘤药理研究中最常见的模型之一。它看起来直观：把人源肿瘤细胞系移植到免疫缺陷小鼠体内，待肿瘤建立后给予候选药物，再观察肿瘤生长是否受到抑制。

真正困难的部分却不在“有没有抑瘤”，而在于：

  • 这个结果究竟回答了什么问题？
  • 它支持的是药物活性、作用机制，还是临床疗效？
  • 如果没有看到药效，是化合物无效，还是模型与暴露条件没有让问题得到公平检验？
  • 一个模型里的阳性结果，能走多远？

先给出结论：
CDX 最擅长回答的是——在一个定义清楚的人源肿瘤细胞背景、宿主环境和给药暴露条件下，候选干预能否在体内改变肿瘤生长，并且这种变化是否与可测的靶点作用、药效学（PD）变化和预期药理机制一致。
它不能单独回答“患者是否会获益”，也不能完整代表人类肿瘤的免疫系统、微环境和群体异质性。

什么是 CDX？

“异种移植”指把一种物种的细胞、组织或器官移植到另一物种个体中。CDX 通常使用已经能够长期体外培养的人源肿瘤细胞系，在免疫缺陷小鼠中建立肿瘤。免疫缺陷宿主降低了对人源细胞的排斥，使肿瘤能够在小鼠体内生长。［1］

CDX 的核心不是“把一个人的肿瘤复制到小鼠里”。它更接近于：

把一个已经经过体外培养、具有特定分子背景和生长特征的人源肿瘤细胞系统，放入一个可控的体内环境中，观察药物、细胞与宿主之间的综合结果。

这一区分很重要。细胞系可以被大规模分子表征，也可以与 CCLE、DepMap 等公开数据连接，用于理解基因改变、表达特征和癌细胞依赖性之间的关系。［2,3］但细胞系在长期培养和不同实验室传代过程中也可能发生遗传与转录变化，进而改变药物反应。［4］因此，模型名称本身并不足以定义模型；真正需要确认的是“实验中这一批细胞现在是什么状态”。

CDX 最适合回答的五类问题

1. 一个机制在体内环境中是否仍然成立？

体外实验可以显示细胞增殖受抑、信号通路下降或细胞死亡增加，但进入体内后，药物还要经历吸收、分布、代谢、清除和肿瘤组织渗透。肿瘤细胞也不再处于二维培养皿中，而是在具有血供、基质、营养梯度和宿主细胞参与的环境里生长。

因此，CDX 可以帮助回答：

  • 候选药物是否能在体内到达肿瘤；
  • 达到的暴露是否足以产生可测的靶点作用或 PD 变化；
  • 这些变化是否伴随肿瘤生长减慢、停滞或消退；
  • 体外观察到的作用是否能跨过“体内药理”这一关。

这里需要区分四个不能相互替代的层次：

  • Target engagement（靶点参与）：直接证明药物在相关细胞或组织中与靶点结合、占据，或形成预期的药物—靶点复合物；
  • Target modulation（靶点调控）：靶点的丰度、活性或近端功能发生改变，例如酶活抑制、蛋白降解或近端磷酸化变化；
  • PD / pathway modulation（药效学或通路读出）：靶点下游的分子、细胞或组织变化，说明药理作用已经发生，但不自动证明药物直接结合了靶点；
  • Efficacy（药效）：肿瘤生长延缓、停滞、回缩或持续控制等整体反应。

Target engagement、靶点调控、下游 PD 和药效可以前后连接，但不能只凭下游通路变化就反推已经证明了直接靶点结合。PD biomarker 也只说明生物学响应发生，并不必然证明作用机制或疗效。［10,11］

因此，关键不是只看终点肿瘤体积，而是把结果放进一条证据链中：

给药 → 系统暴露 → 肿瘤暴露 → target engagement（若可测）/靶点调控 → PD 或通路变化 → 肿瘤反应

如果缺少暴露信息以及与研究机制相匹配的靶点或 PD 证据，仅凭肿瘤曲线很难判断“为什么有效”或“为什么无效”。

2. 候选化合物之间是否存在相对差异？

在同一个模型、相近的实验条件和合理的暴露背景下，CDX 适合比较：

  • 同一靶点下不同候选分子的体内活性；
  • 不同制剂或给药方案的相对表现；
  • 单药与联合方案的差异；
  • 先导化合物优化后，药代性质与体内药效是否同步改善；
  • 不同剂量或暴露水平与药效之间是否呈现一致趋势。

这里的结论应当写成“在该模型和这些条件下，A 相对于 B 表现出更强或更持久的肿瘤控制”，而不是直接写成“A 将具有更好的临床疗效”。

3. 暴露、靶点作用、PD 与药效能否连成一条链？

CDX 的价值往往不只在于“有药效”，而在于能否建立 PK/PD/efficacy 关系。

例如，当剂量或给药方案改变时，可以观察：

  • 血浆暴露是否变化；
  • 肿瘤组织中的药物浓度是否变化；
  • PD 标志物是否按预期改变；
  • PD 改变是否与肿瘤控制程度一致；
  • 药效是否存在阈值、平台或时间依赖。

如果药效增强同时伴随更充分的肿瘤暴露，并出现与机制相匹配的 target engagement、靶点调控或 PD 变化，机制解释会更有说服力。具体能够测到哪一层，取决于药物机制和检测方法。反过来，如果肿瘤没有响应，但暴露不足，或缺少预期的靶点与 PD 变化，这个阴性结果不能简单归结为“该机制无效”。

4. 一个生物标志物假设是否值得继续推进？

单个 CDX 模型不能验证一个具有普遍意义的预测性生物标志物，但一组经过分子表征的模型可以用于形成或检验初步假设。

例如，可以比较：

  • 靶点高表达与低表达模型；
  • 特定突变、扩增或融合阳性与阴性模型；
  • 通路依赖与非依赖模型；
  • 敏感与耐药背景；
  • 具有预设分子特征的模型组合。

这里需要特别警惕“先看到结果，再为它寻找标志物”。更可靠的路径是：

  1. 先提出有生物学依据的假设；
  2. 预先定义模型分组；
  3. 在多个模型中观察方向是否一致；
  4. 用遗传扰动、分子检测或独立模型补强；
  5. 再判断是否值得进入更复杂的模型或临床样本验证。

CCLE 与 DepMap 等项目说明，细胞系面板能够帮助识别分子特征与癌细胞依赖性之间的关系；但这种关系需要跨模型重复，不能由一个“敏感模型”独立证明。［2,3］

5. 耐药、复发或残留肿瘤中出现了什么变化？

在适当设计下，CDX 可以用于观察：

  • 初始敏感后是否重新生长；
  • 持续给药过程中是否出现获得性耐药；
  • 停药后肿瘤是否快速恢复；
  • 残留肿瘤与基线肿瘤在通路状态、克隆组成或标志物上是否不同；
  • 联合治疗是否延缓再生长。

但“观察到再生长”不等于已经找到了耐药机制。真正的机制结论通常还需要：

  • 残留或复发样本的分子分析；
  • 候选改变的功能验证；
  • 再移植或再挑战；
  • 在独立模型中复现。

CDX 可以提供耐药研究的材料和受控场景，但不能用一次肿瘤反弹替代机制验证。

CDX 不能单独回答什么？

1. 不能直接预测患者是否获益

历史回顾性分析曾观察到，人源肿瘤异种移植模型的结果在某些药物和瘤种背景下与临床活性存在关联；但这种历史性关联并不是对单个患者或单个项目的确定性预测。不同药物类别、瘤种、模型面板、暴露水平和评价标准都会影响可转化性。［5］

因此，一个 CDX 阳性结果更适合解释为：

候选药物在该定义明确的体内肿瘤模型中显示了药理活性，并支持继续验证。

它不等于：

该药物将在患者中有效。

2. 不能代表患者群体的异质性

常用细胞系往往来自某一个患者、某一个时间点和某一个肿瘤区域，并经过长期体外选择。单个 CDX 只呈现一种相对固定的分子背景，无法覆盖患者之间和同一肿瘤内部的复杂异质性。

扩大模型数量可以提高覆盖面，但“更多模型”也不自动等于“代表真实患者群体”。模型面板仍需要根据瘤种构成、驱动事件、分子亚型和临床人群进行有意识的选择。

3. 不能完整评估免疫依赖机制

经典 CDX 依赖免疫缺陷小鼠，因此不能完整重建人类抗肿瘤免疫反应。对于免疫检查点、T 细胞激活、髓系细胞调控或需要完整免疫网络参与的药物，常规 CDX 通常不是回答核心机制的首选模型。

它有时仍可用于观察肿瘤细胞内在效应，例如某一通路是否改变肿瘤细胞存活，但这与证明完整的免疫治疗机制是两回事。

4. 不能完整复制人类肿瘤微环境

CDX 中的肿瘤细胞是人源的，但基质、血管及多数宿主成分来自小鼠。一项人源结肠癌异种移植研究显示，随着肿瘤在小鼠中生长和传代，人源基质可逐渐被鼠源基质替代；这一观察提示物种来源和传代过程会改变微环境构成，但不应被理解为所有 CDX 中均以相同速度和程度发生。［8］

这意味着微环境相关结论需要格外谨慎，尤其涉及：

  • 人特异性细胞因子与受体；
  • 肿瘤与成纤维细胞相互作用；
  • 免疫细胞募集；
  • 血管生成；
  • 细胞外基质；
  • 物种交叉反应性。

5. 不能自动代表原位生长、侵袭和转移

皮下 CDX 易于建立和测量，但皮下环境并不等于肿瘤原发器官。胰腺、脑、肺、骨或肝脏等器官具有不同的血供、基质、压力、代谢和细胞组成。

如果研究问题是局部侵袭、器官特异性生长、血脑屏障或自发转移，皮下模型中的肿瘤体积变化可能并不是最相关的终点。此时需要考虑原位模型、转移模型或其他互补系统。

6. 不能代替系统安全性评价

CDX 药效实验可以记录体重、临床观察和一般耐受情况，但这不等于正式毒理学评价。免疫缺陷鼠、给药周期、样本量和观察终点通常都不是为系统安全性结论设计的。

如果药效仅在明显耐受性下降时出现，首先要问的是治疗窗是否真实存在，而不是只报告更高的肿瘤生长抑制率。

如何正确阅读一条 CDX 肿瘤曲线？

生长减慢不等于肿瘤消退

肿瘤增长速度低于对照组，说明处理产生了生长控制；但这可能主要是细胞周期停滞，也可能包含细胞死亡。只有当肿瘤体积相对基线持续下降时，才更接近“回缩”或“消退”的含义。

因此，至少要区分：

  • 延缓生长：仍在增长，但速度变慢；
  • 生长停滞：在观察期内大致保持；
  • 部分消退：低于基线但未消失；
  • 完全消退：在既定检测方法下不可测；
  • 持久控制：停药或延长观察后仍维持；
  • 再生长：初始响应后重新进展。

这些状态承载的生物学含义并不相同。

高剂量有效不等于机制得到证明

如果只有最高剂量出现药效，需要继续确认：

  • 该剂量是否达到足够且可解释的暴露；
  • 是否伴随目标通路的调控；
  • 是否存在明显耐受性问题；
  • 药效是否可能来自非特异性作用；
  • 更低剂量下为何没有形成暴露或 PD 梯度。

一个机制性强的结果，通常不是“剂量越高，肿瘤越小”这么简单，而是暴露、PD、药效和耐受性之间能够相互解释。

阴性结果也需要先确认模型是否具备回答能力

当 CDX 没有出现药效时，至少存在几种不同解释：

  1. 候选药物的机制确实不足以控制该模型；
  2. 系统暴露不足；
  3. 肿瘤组织暴露不足；
  4. 没有出现与机制相匹配的 target engagement、靶点调控或 PD 变化；
  5. 细胞系并不依赖该通路；
  6. 细胞身份、污染或状态存在问题；
  7. 给药方案未覆盖所需的作用时间；
  8. 终点或观察窗口不适合捕捉效应。

只有排除关键的技术与药理解释后，阴性结果才更接近对机制本身的否定。

决定使用 CDX 前，先回答四个问题

问题一：研究问题是否真的需要 CDX？

CDX 适合验证清晰的体内药理问题，例如“靶点抑制在具备该依赖性的肿瘤背景中能否产生体内生长控制”。

它不适合承担过于宽泛的问题，例如“这个药最终能不能治疗某种癌症”。后者需要多个模型层级、临床相关暴露、患者样本和更完整的转化证据。

问题二：为什么是这条细胞系？

模型选择应有可追溯的理由，包括：

  • 来源与组织类型；
  • 关键基因改变；
  • 靶点表达；
  • 通路依赖性；
  • 已知药物敏感性；
  • 生长特征；
  • 与目标患者亚群的关系；
  • 是否存在误识别记录；
  • 本实验批次是否完成身份与污染检查。

ICLAC 建议使用 STR 分型等方法验证人源细胞系身份，并将结果与可靠细胞库或 Cellosaurus 等资源比较。［9］身份验证只能说明样本来源是否匹配，不能保证不同实验室、不同批次或不同传代历史下的功能状态完全相同。公开的儿科异种移植模型项目也曾通过基因表达、组织芯片等分子与组织层面的表征，对模型面板进行资格确认和疾病相关性检查。［6,7］

问题三：药物是否获得了公平的体内检验？

药物无效与“药物没有到达作用位置”不是同一个结论。一个可解释的 CDX 研究通常需要回答：

  • 是否获得了足够的系统暴露；
  • 肿瘤组织是否暴露；
  • 暴露是否覆盖预期有效浓度和时间；
  • 是否出现可测的 target engagement（若方法可行）；
  • 靶点丰度、活性或近端功能是否按预期改变；
  • 下游 PD 或通路读出是否与机制一致；
  • 动物是否能够耐受该方案。

没有这些信息，肿瘤曲线更像一个现象，而不是一条完整证据。

问题四：结果准备支持到哪一层？

在研究开始前，就应定义预期结论的边界：

证据层级CDX 可以提供的支持仍需补充的证据
体内活性在特定模型和条件下改变肿瘤生长独立重复、更多模型、临床相关暴露
作用机制药效与可测的 target engagement、靶点调控或 PD 变化在剂量和时间上相互一致遗传学验证、正交药理工具、因果关系与时间顺序
生物标志物多模型中出现初步关联预设假设、独立模型集、患者样本
联合治疗联合组优于相应单药组暴露相互作用、机制验证、毒性边界
转化潜力支持进一步开发与模型升级PDX、原位模型、免疫模型、临床资料
临床疗效不能由单个 CDX 直接得出临床试验

CDX、PDX 和同系移植模型并不是简单的“高低级关系”

不同模型回答不同问题。选择模型时，更重要的是问题匹配，而不是默认“越复杂越好”。

模型主要优势主要限制更适合的问题
CDX建模快、重复性较好、分子资料丰富、便于机制与候选比较细胞系长期培养、免疫缺陷、异质性有限、微环境多为鼠源体内概念验证、PK/PD、候选排序、机制与标志物初筛
PDX更接近患者肿瘤的组织结构和分子异质性建模慢、成本高、仍依赖免疫缺陷宿主、批次与传代管理复杂患者亚群覆盖、模型群体药效、转化验证
同系移植模型免疫系统相对完整、宿主与肿瘤同种肿瘤为鼠源，靶点与药物可能存在物种差异免疫机制、肿瘤—宿主相互作用、免疫联合治疗
原位模型器官位置和局部环境更相关建模与测量复杂，重复性和通量可能下降原位生长、侵袭、器官屏障和转移相关问题

一个项目可能需要多个模型依次回答不同层次的问题，而不是由一个“最接近临床”的模型包办全部证据。

一个更稳妥的 CDX 证据链

可以把 CDX 研究压缩成六个连续问题：

  1. Question｜问题
    我们究竟要检验哪一个可证伪的假设？

  2. Model｜模型
    这条细胞系为什么具备回答该问题的生物学条件？

  3. Exposure｜暴露
    药物是否以足够的浓度和时间到达系统与肿瘤？

  4. Target & PD｜靶点与药效学
    是否观察到可测的 target engagement、靶点调控或下游 PD 变化？这些证据分别处在哪一层？

  5. Response｜响应
    肿瘤生长、回缩、持续控制或再生长发生了什么？

  6. Boundary｜边界
    这些结果可以支持到哪一层，哪些结论仍然需要其他模型？

当六个问题能够前后衔接时，CDX 不再只是一张肿瘤曲线，而会成为一段可解释、可复核的临床前证据。

结语

CDX 的价值不在于它“像不像患者”，而在于它能否在一个相对可控的体内系统中，对明确问题给出清楚答案。

一个好的 CDX 结果应当让人看见：

  • 为什么选择这个模型；
  • 药物是否真正到达肿瘤，并产生了与机制相匹配的 target engagement、靶点调控或 PD 变化；
  • 肿瘤反应属于生长延缓、停滞还是消退；
  • 结果能否在其他模型中重复；
  • 阳性或阴性结论的边界在哪里。

CDX 可以帮助我们从体外活性走向体内证据，也可以帮助淘汰不具备足够药理基础的假设。但它始终只是证据链中的一环。

真正需要避免的，不是使用一个“并不完美”的模型，而是让模型回答它本来无法回答的问题。

参考资料

  1. National Cancer Institute. Definition of xenograft.
  2. Ghandi M, Huang FW, Jané-Valbuena J, et al. Next-generation characterization of the Cancer Cell Line Encyclopedia. Nature. 2019;569:503–508.
  3. Tsherniak A, Vazquez F, Montgomery PG, et al. Defining a Cancer Dependency Map. Cell. 2017;170:564–576.e16.
  4. Ben-David U, Siranosian B, Ha G, et al. Genetic and transcriptional evolution alters cancer cell line drug response. Nature. 2018;560:325–330.
  5. Voskoglou-Nomikos T, Pater JL, Seymour L. Clinical predictive value of the in vitro cell line, human xenograft, and mouse allograft preclinical cancer models. Clinical Cancer Research. 2003;9:4227–4239.
  6. Houghton PJ, Morton CL, Tucker C, et al. The Pediatric Preclinical Testing Program: description of models and early testing results. Pediatric Blood & Cancer. 2007;49:928–940.
  7. Whiteford CC, Bilke S, Greer BT, et al. Credentialing preclinical pediatric xenograft models using gene expression and tissue microarray analysis. Cancer Research. 2007;67:32–40.
  8. Maykel J, Liu JH, Li H, et al. NOD-scidIl2rg and NOD-Rag1Il2rg mice as a model for stromal cell–tumor cell interaction for human colon cancer. Digestive Diseases and Sciences. 2014;59:1162–1170.
  9. International Cell Line Authentication Committee. Guide to Human Cell Line Authentication. Updated 2023.
  10. FDA-NIH Biomarker Working Group. Response Biomarker. In: BEST (Biomarkers, EndpointS, and other Tools) Resource. Updated 2021.
  11. St John-Campbell S, Bhalay G. Target Engagement Assays in Early Drug Discovery. Journal of Medicinal Chemistry. 2025;68:12331–12368.
  1. 01

    细胞系选择

    界定模型与研究问题的匹配性

    主要输入
    公开资料、模型特征
    判断 / 输出
    模型选择依据
    常见风险
    适用性与可重复性
  2. 02

    细胞培养与状态确认

    确认起始材料状态

    主要输入
    细胞状态记录
    判断 / 输出
    起始质量判断
    常见风险
    状态偏差
  3. 03

    动物准备

    让模型条件与研究设计相衔接

    主要输入
    研究设计、动物信息
    判断 / 输出
    纳入与排除逻辑
    常见风险
    个体差异
  4. 04

    细胞接种

    建立移植起点

    主要输入
    经确认的细胞材料
    判断 / 输出
    建模可行性
    常见风险
    成瘤不稳定
  5. 05

    肿瘤生长监测

    观察模型是否按预期发展

    主要输入
    连续观察记录
    判断 / 输出
    进入研究的判断
    常见风险
    异质性
  6. 06

    随机分组

    降低已知偏倚

    主要输入
    基线观察结果
    判断 / 输出
    组间可比性
    常见风险
    基线失衡
  7. 07

    给药与观察

    连接干预与随访

    主要输入
    研究方案、观察计划
    判断 / 输出
    治疗期观察
    常见风险
    非特异影响
  8. 08

    疗效与安全性评价

    从多个维度理解反应

    主要输入
    纵向测量、观察
    判断 / 输出
    效应与耐受性线索
    常见风险
    只看单一终点
  9. 09

    样本采集与分析

    补充机制与暴露解释

    主要输入
    研究相关样本
    判断 / 输出
    可解释的证据链
    常见风险
    样本与问题脱节