← 综述 · 初稿
胶质母细胞瘤细胞状态与虚拟细胞
作者：GlioState 编辑团队｜初稿 2026-10-13（PT）｜所有引用均为本站文献库（VC 编号）中已核验条目，并链接至 DOI 或官方页面；预印本已标注，未经同行评审。
一、胶质母细胞瘤（GBM）的“细胞状态”是什么？
- Neftel 四状态框架：Neftel 等（Cell 2019）基于单细胞 RNA 测序，将 GBM 恶性细胞归纳为四种状态——NPC 样（神经祖细胞样）、OPC 样（少突胶质前体细胞样）、AC 样（星形胶质细胞样）和 MES 样（间充质样）；同一肿瘤内通常并存多种状态，各状态比例与 CDK4、PDGFRA、EGFR、NF1 等遗传改变相关，并且细胞可在状态间转换（可塑性）VC0059。
- 可塑性的驱动因素：免疫细胞与肿瘤细胞的相互作用可推动细胞向 MES 样状态转变 VC0066；BRD2 溴结构域调控状态可塑性并影响治疗反应 VC0095；空间表观基因组微环境与可塑性相关（预印本）VC0093；低氧塑造髓系细胞的空间分布并与生存相关 VC0094。
其他框架与补充视角：
- 神经发育层级：GBM 重现正常神经发育层级 VC0068；
- 空间组织：多层次空间结构 VC0061、肿瘤—宿主双向依赖 VC0062、从核心到边缘的生态位特异状态（预印本）VC0092；
- 治疗下的演化：放化疗下 GBM 的单细胞演化图谱 VC0069；
- 参考图谱：GBmap（>100 万细胞的单细胞与空间参考图谱）VC0060；
- 其他胶质瘤：IDH 突变型胶质瘤 VC0063、VC0090；H3K27M 弥漫性中线胶质瘤 VC0064、VC0065；儿童高级别胶质瘤纵向图谱 VC0089。
- 小结：细胞状态是连续、可转换、受微环境与治疗影响的，而非固定的“亚型标签”——这正是“虚拟细胞”希望建模的对象。
二、AI 虚拟细胞如何表示与预测状态和扰动？
- 定义：Bunne 等（Cell 2024）提出 AI 虚拟细胞（AIVC）：以多模态、多尺度的通用细胞表示为基础，在计算机中模拟细胞状态在任意扰动下的变化 VC0001；近期有“虚拟细胞世界模型”的提法 VC0131。
- 表示（细胞嵌入）：单细胞基础模型如 scGPT VC0008、Geneformer VC0009、scFoundation VC0011，可将细胞映射到嵌入空间，理论上可在其中定位 NPC/OPC/AC/MES 等状态。
- 预测扰动响应：GEARS VC0013、CPA VC0014、神经最优传输 CellOT VC0016、Arc 的 State VC0019；生成式方法如 AlphaCell（预印本）VC0137、PerturbLDM（预印本）VC0138；遗传与化学扰动统一表示 UniPert-G2CP VC0130。
GBM 中已有的尝试：
- scFOCAL/ISOSCELES 将 GBM 细胞状态与 L1000 药物特征关联，预测状态特异的药物敏感性及组合 VC0132；
- DELPHAI（预印本）在 GBM 类器官中预测替莫唑胺扰动响应 VC0129；
- 体内 Perturb-seq 在 GBM 及其微环境中解析驱动基因与放疗反应——这类数据是训练虚拟细胞所需的“扰动—状态”配对数据 VC0070；
- 基于 scRNA-seq 的布尔网络吸引子分析，把状态视为调控网络的稳定吸引子 VC0072。
- 需要清醒看待的证据：多项基准显示，深度模型在扰动预测上尚未稳定超过简单线性基线 VC0048、VC0049；基础模型的零样本表现有限 VC0050；虚拟细胞挑战赛关注跨情境的零样本泛化 VC0058。
- 截至本轮检索：尚未发现在同行评审文献中，系统地用 scGPT / Geneformer / State 等通用模型预测 GBM 细胞状态转换的研究（为检索结论，非穷尽证明）。
三、GBM 的数字孪生与模拟
- 组织/影像尺度的经典模型：增殖—侵袭（“虚拟与真实脑肿瘤”）模型 VC0075；基于 DTI 的沿白质纤维扩散多尺度模型 VC0076。
- 患者特异异种移植模拟（PLoS Comput Biol 2026）：在小鼠脑解剖结构上模拟患者来源 GBM 异种移植的生长与侵袭，用近似贝叶斯计算（ABC）拟合参数，并通过参数扰动模拟治疗 VC0133。
- TumorTwin（BMC Med Inform Decis Mak 2026）：开源、模块化的 Python 框架，用于构建患者特异的肿瘤数字孪生，并以高级别胶质瘤的生长与放疗反应为示例 VC0134。
- 细胞/机制尺度：GBM 星形细胞的蛋白组校准机制数字孪生（预印本）VC0071；基于主体的混合生物物理模型 VC0074；多尺度机制模型结合强化学习优化胶质瘤联合治疗时序 VC0073。
- 生成式 AI 预测影像生长：儿童 DMG 的 MRI 空间生长预测原理验证研究 VC0077，以及对其领域偏移与统计嵌套问题的批评 VC0078。
- 实验“孪生”平台：GBM 类器官生物库 VC0067、Core2Edge 类器官—脑片侵袭模型 VC0096、自动化个体化类器官药筛 VC0097。
- 缺口：目前影像/组织尺度的孪生与单细胞状态尺度的虚拟细胞基本是两条独立路线，尚未见二者的成熟耦合。
四、证据现状一览
| 研究 | 数据类型 | 模型 | 是否经独立验证？ | 距临床 |
|---|---|---|---|---|
| Neftel 四状态 VC0059 | scRNA-seq + 模型实验 | 状态评分/谱系分析 | 多个后续图谱复现（如 VC0060） | 研究工具，未用于临床决策 |
| GBmap VC0060 | 单细胞 + 空间 | 参考图谱 | 资源本身，非预测模型 | 远 |
| 体内 Perturb-seq VC0070 | 体内 CRISPR 扰动 + scRNA-seq | 实验数据 | 数据，待模型使用 | 远 |
| scFOCAL/ISOSCELES VC0132 | scRNA-seq + L1000 | 状态—药物特征整合 | 文中有实验验证；未见独立复现 | 中远（临床前） |
| DELPHAI VC0129 | GBM 类器官 + TMZ | 扰动预测 + LLM 代理 | 预印本，未经同行评审 | 远 |
| GBM 吸引子 VC0072 | scRNA-seq | 布尔网络 | 计算分析 | 远 |
| 异种移植模拟 VC0133 | 小鼠异种移植 | 解剖感知生长模型 + ABC | 小鼠数据拟合 | 远（临床前） |
| TumorTwin VC0134 | 影像（HGG 示例） | 患者特异数字孪生框架 | 框架/示例，未见前瞻验证 | 中（框架可用，未临床验证） |
| 强化学习排程 VC0073 | 多尺度机制模型 | 模型+RL | 计算研究 | 远 |
| 儿童 DMG 生成式生长 VC0077 | MRI | 生成式 AI | 原理验证；已有批评 VC0078 | 中远 |
注：“是否经独立验证”“距临床”为作者基于文献类型的定性判断，非系统评价结论。
五、开放问题
- GBM 扰动数据稀缺：大规模扰动数据主要来自 K562、RPE1 等细胞系；GSC、类器官和体内的配对扰动数据仍很少（VC0070 是少数例外）。
- 状态转换是否可预测：能否用虚拟细胞预测放化疗或其他干预后 NPC/OPC/AC/MES 比例的漂移，可用治疗前后图谱（VC0069）检验。
- 基线问题：任何 GBM 虚拟细胞声明都应与简单线性基线比较（VC0048、VC0049）。
- 尺度耦合：如何把单细胞状态模型与 TumorTwin 式影像孪生（VC0134）、解剖感知模拟（VC0133）连接。
- 空间与微环境：状态受免疫、低氧与生态位影响（VC0066、VC0094、VC0092），仅建模肿瘤细胞本身可能不够。
- 脊髓髓内肿瘤：几乎没有单细胞图谱，更没有虚拟细胞研究；本库中尚无相关条目。
六、临床点评（待作者撰写）
【占位】此部分由 GlioState 编辑团队撰写：从神经肿瘤学视角讨论这些模型对手术取样、多区域活检、复发评估和临床试验设计可能的意义。当前尚未撰写，请勿引用。
声明
本文仅供科研与教育用途，不构成医疗建议，也不构成对任何诊疗方法、产品、公司或投资的推荐。患者请咨询主治医生。
常见问题
什么是胶质母细胞瘤细胞状态？
GBM 细胞状态是恶性细胞反复出现的转录程序。Neftel 等（Cell，2019）描述了四种状态——NPC 样、OPC 样、AC 样与 MES 样——它们在多数肿瘤中共存并可相互转换（可塑性）。后续研究将状态转换（如向 MES 样转变）与免疫相互作用及空间微环境相关联，因此细胞状态更应被视为动态的，而非固定亚型。 VC0059 VC0066 VC0093（预印本）
虚拟细胞能预测 GBM 的治疗反应吗？
目前尚无经临床验证的能力。早期研究将 GBM 细胞状态与药物特征谱关联（scFOCAL/ISOSCELES），或预测类器官的替莫唑胺反应（DELPHAI，预印本）；体内 Perturb-seq 测量了放疗反应。通用基准显示扰动模型仍难以超越简单基线，因此上述结果应视为临床前研究。 VC0132 VC0129（预印本） VC0070 VC0048
什么是 GBM 数字孪生？
GBM 数字孪生是针对个体肿瘤或模型系统校准、用于模拟其生长与治疗反应的计算模型。例如：在高级别胶质瘤放疗反应上演示的开源 Python 框架 TumorTwin、患者来源 GBM 异种移植瘤的解剖感知模拟，以及蛋白组校准的细胞层面孪生（预印本）。这些均未经过面向临床的前瞻性验证。 VC0134 VC0133 VC0071（预印本）