准备一项 CDX 研究时，模型选择经常从一个细胞系名称开始：

这个细胞系是什么瘤种？有没有目标突变？靶点是否表达？对同类药是否敏感？适不适合做体内药效？

公开数据库可以帮助回答这些问题，但也很容易制造一种“信息已经完整”的错觉。

同一个细胞系可能在不同平台使用不同名称和标识符；不同数据库可能对应不同来源株、不同检测批次和不同数据版本；患者队列中的突变频率不能直接证明细胞系依赖；公共药物反应也不能替代手中细胞的当前状态确认。

先给出结论：
公开数据库最适合完成模型的身份核验、候选筛选、机制假设和证据交叉验证。它们不能证明手中这一批细胞仍与数据库状态一致，也不能单独证明某个 CDX 会在体内产生预期药效。
更稳妥的顺序是：先确认身份，再确认模型背景；先看分子特征，再看功能依赖；先形成假设，再回到手中材料做关键确认。

先从研究问题开始，而不是从数据库开始

数据库检索不是把所有能查到的信息堆在一起。

在打开第一个网站前，应先明确模型需要回答什么问题，例如：

  • 验证某个致癌驱动是否形成体内药理依赖；
  • 比较两个候选化合物在同一分子背景中的表现；
  • 检验某个耐药改变是否削弱药效；
  • 选择一组阳性与阴性模型形成生物标志物假设；
  • 判断一个细胞系是否值得进入 CDX 建模；
  • 解释历史结果与当前实验不一致的原因。
研究问题最先需要确认的信息不能只依赖什么
靶点机制验证靶点状态、通路依赖、可测 PD单一表达量
模型阳性/阴性对照分子背景、功能依赖、参考药物反应瘤种名称
候选化合物比较模型稳定性、体内暴露和统一评价条件公共 IC50 排名
生物标志物探索多模型分组、预设假设、独立数据一个敏感模型
CDX 可行性判断来源、身份、成瘤记录、生长与宿主条件数据库中存在该细胞系
临床相关性判断患者队列中的改变频率和共存背景细胞系中的单个突变

如果研究问题没有定义清楚，数据库结果越多，越容易把“能查到”误认为“有决策价值”。

第一站：Cellosaurus——先确认“它是谁”

Cellosaurus 是面向生物医学细胞系的知识资源，为细胞系提供稳定 accession、名称与别名、物种、来源、疾病、交叉引用、STR 信息以及误认或污染提示。［1,2］

查询一个细胞系时，首先建议记录：

  • Cellosaurus accession，例如 CVCL_XXXX；
  • 推荐名称；
  • 常见别名和历史名称；
  • 物种；
  • 组织与疾病来源；
  • 相关细胞库；
  • RRID；
  • 是否存在误认、污染或衍生关系提示；
  • 可用的 STR 参考谱；
  • 与 DepMap、CCLE、COSMIC 等资源的交叉链接。

为什么 accession 比名称更可靠？

细胞系名称并不总是唯一。常见问题包括：

  • 连字符、空格和大小写不同；
  • 同一细胞系存在多个历史别名；
  • 名称相似但来源不同；
  • 同一患者衍生出多个相关模型；
  • 一个名称后来被发现对应另一种组织来源；
  • 数据库使用内部模型 ID，而不是实验室习惯名称。

稳定 accession 可以作为跨资源核对时的锚点。先用 Cellosaurus 确认 accession，再沿交叉引用查找 DepMap ModelID、细胞库货号和其他平台记录，比仅靠名称字符串匹配更稳妥。

Cellosaurus 能回答什么？

它适合回答：

  • 这条细胞系有哪些名称？
  • 来自什么物种和疾病？
  • 是否有已知误认或污染问题？
  • 哪些细胞库可能提供它？
  • 是否存在 STR 参考信息？
  • 它在其他数据库中对应什么条目？

它不能回答什么？

Cellosaurus 不能证明：

  • 手中这一批细胞身份正确；
  • 当前细胞没有支原体；
  • 靶点表达与数据库记录一致；
  • 当前依赖性和药物反应没有漂移；
  • 细胞一定能在指定宿主中稳定成瘤；
  • 某个历史分子特征在当前批次仍然存在。

Cellosaurus 是身份与知识索引，不是当前样本的实时检测。

第二站：ICLAC 与细胞库资料——检查身份风险和来源条件

ICLAC 提供人源细胞系认证指南，并维护误认细胞系相关资源。其指南建议通过 STR 分型等方式对人源细胞系进行身份认证，并与可靠参考谱比较。［3］ATCC 也将身份、污染和基础表型验证作为细胞材料质量控制的重要组成部分。［4］

检索时重点关注：

  • 该细胞系是否出现在误认或污染记录中；
  • 推荐的身份确认方法；
  • 是否存在可比较的参考 STR；
  • 细胞库是否提供来源、培养条件和质量文件；
  • 货号对应的细胞是否与文献中的来源株一致；
  • 是否存在多个供应来源或衍生株。

“数据库里没有标注问题”不等于没有问题。误认资源只能记录已经发现并整理的事件，不能排除本地交叉污染、标签错误、支原体、同名来源株漂移或长期培养后的亚克隆变化。

因此，公开记录是风险筛查，不是本地 QC 的替代品。

第三站：Cell Model Passports——建立模型档案

Cell Model Passports 是面向临床前癌症模型的整合平台，汇集细胞系和类器官模型的注释、基因组与功能数据，并提供与外部资源的映射。［5,6］

它适合从“这个模型整体是什么”开始查看：

  • 模型名称与稳定标识符；
  • 组织和癌种分类；
  • 原始样本注释；
  • 相关或误认模型提示；
  • 突变、拷贝数和融合；
  • 基因表达；
  • CRISPR 依赖性；
  • 药物反应；
  • 数据来源和版本；
  • 可下载数据。

它最适合回答什么？

  • 某条细胞系有哪些整合分子数据？
  • 模型在不同平台中如何映射？
  • 某个分子特征是否与模型注释一致？
  • 是否有可用的功能筛选和药物数据？
  • 同一癌种中有哪些候选模型？

需要警惕什么？

“模型页面上有一项数据”不意味着所有数据来自同一批细胞或同一时间。

整合平台中的突变、表达、依赖性和药物反应可能来自不同实验计划、年份、培养批次、测定平台和处理版本。因此，整合页面适合建立全景，但关键结论仍应回到具体数据集、release 和方法。

第四站：DepMap / CCLE——分子特征与功能依赖要分开看

DepMap 通过大规模癌症模型的分子表征、遗传扰动和化合物筛选构建肿瘤脆弱性图谱。CCLE 分子数据也通过 DepMap Portal 提供查询与下载。［7–9］

查询一条细胞系时，可以分别查看：

  • 模型元数据；
  • 突变；
  • 拷贝数；
  • 融合；
  • 转录表达；
  • 蛋白或其他组学数据；
  • CRISPR gene effect；
  • gene dependency probability；
  • 化合物反应；
  • 谱系或分子亚群中的相对位置。

表达、改变与依赖性不是同一个问题

假设研究一个靶点 X：

  • X 高表达，说明转录或蛋白水平较高；
  • X 扩增或突变，说明存在基因组改变；
  • X 的 CRISPR gene effect 显著，说明细胞在该筛选条件下对 X 丧失较敏感；
  • X 依赖与某个 biomarker 相关，说明存在可进一步验证的分组假设；
  • 某个 X 抑制剂敏感，说明药理干预和细胞反应之间存在关联。

这些信息可以互相支持，但不能相互替代。

尤其需要避免：

靶点高表达，所以模型一定依赖；
CRISPR 依赖，所以药物一定有效；
药物敏感，所以已经证明通过目标靶点起效。

遗传失活与药物抑制在作用深度、时间、选择性、蛋白功能和补偿反应上均可能不同。

如何读 gene effect？

Gene effect 通常用于描述基因失活对细胞适应度的影响。更负的分值往往表示更强依赖，但具体标度和处理方法应以相应数据版本说明为准。

阅读时至少要问：

  • 使用的是哪个 DepMap release？
  • 数据来自哪类筛选？
  • 模型是否通过质量控制？
  • 靶点是广泛必需基因，还是选择性依赖？
  • 依赖是否集中在特定谱系或 biomarker 背景？
  • 同一模型在不同数据版本中是否稳定？
  • 是否存在 copy-number effect 等技术混杂的校正？

DepMap 数据持续更新。正式记录中应保存 release，而不是只截取一个网页数值。

第五站：GDSC 和 DepMap 化合物数据——药物敏感性只能在测定语境中解释

GDSC 将癌细胞系的药物反应与分子特征结合，用于寻找抗肿瘤药物敏感性的关联因素。［10,11］DepMap 也提供不同来源的化合物筛选数据。

可查询的信息可能包括：

  • IC50；
  • AUC；
  • viability；
  • 曲线拟合参数；
  • 药物名称和作用机制；
  • 模型排名；
  • biomarker 关联。

不同数据库里的 IC50 可以直接比较吗？

通常不能。

IC50 会受到以下因素影响：

  • 细胞接种密度；
  • 培养基；
  • 检测时长；
  • 浓度范围；
  • viability 检测方法；
  • 曲线拟合模型；
  • 数据质量过滤；
  • 药物批次；
  • 细胞来源株；
  • 生长速度。

即使两个数据库都报告“IC50”，它们也可能不是同一测定定义下的数值。

因此，更稳妥的方式是：

  1. 在同一数据集内比较模型相对位置；
  2. 查看剂量—反应曲线和质量标记，而不是只看一个汇总数字；
  3. 用独立数据集观察方向是否重复；
  4. 检查化合物是否具有相同名称、盐型和作用机制；
  5. 在手中细胞上重新确认关键反应。

公共药物敏感性最适合用于形成阳性与阴性模型候选、发现谱系或 biomarker 关联、选择参考化合物，以及检查历史敏感或耐药记录。它不能单独决定体内剂量、CDX 给药方案、肿瘤暴露阈值或患者有效剂量。

第六站：cBioPortal、GDC 与 COSMIC——把模型放回患者背景

模型选择最终常常需要回答：

这个分子背景在患者中常见吗？它与哪些癌种、亚型和共存改变相关？

cBioPortal 提供大型癌症基因组研究的交互式查询和可视化，支持突变、拷贝数、表达、临床属性等多种数据。［12］NCI Genomic Data Commons（GDC）提供标准化的癌症基因组、临床和生物样本数据访问，其中包括 TCGA、TARGET 等项目。［13］COSMIC 则对人类癌症中的体细胞变异进行专家整理。［14］

这些资源可以帮助查看：

  • 某个改变在哪些瘤种出现；
  • 频率大致如何；
  • 是否与其他改变共存或互斥；
  • 在什么疾病亚型中富集；
  • 是否存在不同变异类型；
  • 细胞系背景是否接近目标患者亚群。

患者队列数据不能替代细胞系数据

如果患者队列显示某个基因在一部分样本中改变，不能直接推出：

  • 某条带有该改变的细胞系一定依赖；
  • 该改变一定是药物敏感 biomarker；
  • 一个 CDX 可以代表全部对应患者；
  • 改变频率越高，靶点价值越高。

患者数据回答的是疾病人群中的分布与背景；细胞系功能数据回答的是模型在特定实验条件中的行为。

二者更合理的连接方式是：

患者中存在相关背景 → 选择匹配模型 → 验证功能依赖 → 形成体内证据 → 再评估转化边界

注意研究、样本和变异口径

在 cBioPortal、GDC 或 COSMIC 中查询时，应记录：

  • 具体研究或队列；
  • 样本数量；
  • 原发或转移样本；
  • 是否一个患者有多个样本；
  • 使用的基因 panel 或测序范围；
  • 变异类型；
  • 参考基因组；
  • 数据版本或访问日期。

不同队列的频率不能在忽略测序范围和入组条件的情况下直接合并。

一个实用的数据库检索顺序

面对一条候选 CDX 细胞系，可以按照下面的顺序建立证据卡片。

第一步：身份与别名

使用 Cellosaurus：

  • 记录 accession；
  • 核对推荐名称和别名；
  • 查看物种、组织和疾病；
  • 检查误认或污染提示；
  • 获取 RRID 和细胞库交叉引用。

第二步：来源与质量风险

使用 ICLAC 和细胞库资料：

  • 检查是否存在已知误认；
  • 查找可用 STR 参考谱；
  • 核对货号和来源株；
  • 记录培养与质量文件；
  • 明确本地需要完成的身份和污染确认。

第三步：模型整体档案

使用 Cell Model Passports：

  • 核对模型标识；
  • 查看整合注释；
  • 了解可用的组学、依赖和药物数据；
  • 记录数据来源与版本；
  • 找到相关模型。

第四步：分子背景

使用 DepMap / CCLE：

  • 核对关键突变；
  • 拷贝数；
  • 融合；
  • 表达；
  • 可能的共存改变；
  • 谱系背景。

第五步：功能依赖

继续使用 DepMap：

  • 查看目标基因依赖；
  • 检查依赖选择性；
  • 对比同谱系其他模型；
  • 寻找候选 biomarker；
  • 记录 release。

第六步：公共药物反应

使用 GDSC 和 DepMap 化合物数据：

  • 查看同类药物响应；
  • 核对数据集和测定指标；
  • 比较同一数据集内的相对位置；
  • 寻找阳性、阴性和中间模型；
  • 不跨平台机械比较 IC50。

第七步：患者背景

使用 cBioPortal、GDC 和 COSMIC：

  • 查看目标改变的患者频率；
  • 分析癌种和亚型；
  • 查看共存改变；
  • 判断模型是否覆盖有转化意义的背景；
  • 明确患者数据不能证明模型依赖。

第八步：回到手中细胞

最终确认：

  • 身份；
  • 污染状态；
  • 关键分子特征；
  • 靶点与通路状态；
  • 参考药物反应；
  • 生长和成瘤可行性；
  • 本次实验需要的 PK/PD 读出。

公开数据库负责提出和约束假设，手中材料负责证明当前实验对象具备回答能力。

建议保存哪些信息？

仅收藏网页链接并不足以保证可追溯性。网页和数据版本会更新。

类别建议记录
身份推荐名称、Cellosaurus accession、RRID、别名
来源细胞库、货号、来源株、本地批次
质量风险ICLAC 状态、STR 参考、污染检查状态
模型标识DepMap ModelID、Cell Model Passports ID
分子特征关键突变、CNA、融合、表达及数据版本
功能数据gene effect、dependency probability、筛选 release
药物数据数据集、化合物、指标、测定版本
患者背景队列、样本数、癌种、改变频率、共存背景
访问记录数据库名称、release、访问日期、原始链接
本地确认当前批次身份、污染、分子和功能状态

这样，当数据库更新或结果不一致时，才有可能知道差异来自数据版本、模型状态还是研究问题变化。

最常见的八个数据库使用错误

1. 只按细胞系名称匹配

名称可能有别名、拼写差异或误认记录。应优先使用稳定 accession 和模型 ID。

2. 把数据库记录当作当前批次结果

公共数据属于特定来源和历史批次，不能替代手中细胞确认。

3. 把表达量当作依赖性

高表达可以支持模型选择，但不证明抑制后会影响生存。

4. 把 CRISPR 依赖直接等同于药物敏感

遗传失活与药理干预的深度、时间和选择性不同。

5. 跨数据集直接比较 IC50

测定设计和拟合方法不同，数值未必可比。

6. 用患者突变频率证明模型药效

患者频率说明疾病背景，不证明模型功能依赖或体内响应。

7. 忽略数据版本

DepMap、Cell Model Passports 和其他资源持续更新。没有 release 的数字难以复核。

8. 只寻找支持假设的数据

模型筛选还应主动检查反例、共存改变、旁路、误认风险、数据库间不一致，以及可能削弱解释的证据。

数据库检索的目标不是证明最初判断正确，而是尽早发现判断可能错在哪里。

什么时候应该停止继续查数据库？

当继续增加数据库不能改变下一步决策时，就应转向实验确认。

例如，已经知道：

  • 细胞身份记录清楚；
  • 目标改变在多个资源中一致；
  • DepMap 提示功能依赖；
  • 公共药物数据支持敏感性；
  • 患者中存在相应亚群。

下一步最有价值的工作往往不再是寻找第六个相同结论的数据库，而是确认：

  • 手中细胞是否保留关键背景；
  • target engagement 或 PD 是否可测；
  • 候选化合物是否获得合理体内暴露；
  • CDX 是否具有稳定生长和可解释终点。

公开数据能够减少盲目试错，却不能替代研究问题真正需要的实验层证据。

结语

公开数据库让细胞系选择从“大家常用什么”变成一项可追溯的证据工作。

但一个可靠的模型判断不是来自某个权威网站给出的单一标签，而是来自多个层次的相互校验：

  • Cellosaurus 告诉我们它是谁以及有哪些身份风险；
  • ICLAC 和细胞库资料帮助界定认证和来源；
  • Cell Model Passports 建立模型全景；
  • DepMap / CCLE 连接分子状态与功能依赖；
  • GDSC 和化合物筛选提供历史药物反应；
  • cBioPortal、GDC 和 COSMIC 把模型放回患者疾病背景；
  • 本地 QC 和功能确认决定手中材料是否仍能回答问题。

真正需要避免的，不是数据库之间存在差异，而是忽略这些差异背后的来源、版本和证据层级。

模型选择不是找到一条“最像患者”的细胞系，而是建立一条足够透明的理由链：

为什么是它？
哪些信息来自公共数据？
哪些关键状态已经在当前材料中确认？
它能够回答什么，又不能代表什么？

参考资料

  1. Cellosaurus. The reference resource on cell lines.
  2. Bairoch A. The Cellosaurus, a Cell-Line Knowledge Resource. Journal of Biomolecular Techniques. 2018;29(2):25–38.
  3. International Cell Line Authentication Committee. Guide to Human Cell Line Authentication. Updated 2023.
  4. American Type Culture Collection. Cell Line Authentication Test Recommendations.
  5. van der Meer D, Barthorpe S, Yang W, et al. Cell Model Passports—a hub for clinical, genetic and functional datasets of preclinical cancer models. Nucleic Acids Research. 2019;47(D1):D923–D929.
  6. Wellcome Sanger Institute. Cell Model Passports.
  7. Broad Institute. DepMap Portal.
  8. Tsherniak A, Vazquez F, Montgomery PG, et al. Defining a Cancer Dependency Map. Cell. 2017;170(3):564–576.e16.
  9. Ghandi M, Huang FW, Jané-Valbuena J, et al. Next-generation characterization of the Cancer Cell Line Encyclopedia. Nature. 2019;569(7757):503–508.
  10. Wellcome Sanger Institute. Genomics of Drug Sensitivity in Cancer.
  11. Yang W, Soares J, Greninger P, et al. Genomics of Drug Sensitivity in Cancer (GDSC): a resource for therapeutic biomarker discovery in cancer cells. Nucleic Acids Research. 2013;41(D1):D955–D961.
  12. cBioPortal. User Guide.
  13. National Cancer Institute. The NCI Genomic Data Commons.
  14. Tate JG, Bamford S, Jubb HC, et al. COSMIC: the Catalogue Of Somatic Mutations In Cancer. Nucleic Acids Research. 2019;47(D1):D941–D947.
  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