随机基因表达数学建模量化含ecDNA癌细胞群体的mRNA异质性

含有染色体外DNA（ecDNA）的癌基因扩增，早已被认识到是肿瘤中一类常见且凶险的事件：ecDNA见于近半数人类癌症类型，驱动癌基因拷贝数升高与瘤内异质性 ^[1]，携带ecDNA的患者生存期显著缩短，且ecDNA上的转录水平高于拷贝数匹配的线性DNA ^[2]。其凶险的根源在于ecDNA缺乏着丝粒、在有丝分裂中不均等分配——数学模型与活细胞成像都已证实这种随机遗传会快速放大拷贝数异质性，并帮助肿瘤适应代谢压力与靶向治疗 ^[3][4]。然而，从拷贝数异质性到表型异质性的中间环节一直悬而未决：ecDNA如何经由mRNA和蛋白质层面的差异塑造细胞表型、又如何影响治疗结局，此前并不清楚；而且含ecDNA癌细胞群体的mRNA浓度异质性之高，并不能仅用基因拷贝数差异来解释。

这项研究选择从mRNA层面切入，构建了一个随机基因转录模型，刻画ecDNA细胞中mRNA的生成与降解过程，所扩展的方法此前已被用于研究真核和原核细胞的表型异质性。作者以给定的ecDNA分布为起点，系统探索不同参数区间下可能出现的mRNA分布空间，模型能够重现真实的mRNA分布形态。进而，他们利用细胞系中ecDNA与mRNA计数的单细胞测量数据估计转录参数，得到了一个值得注意的结果：不同细胞系、不同扩增类型之间估计出的参数高度相似，提示ecDNA扩增与染色体扩增背后的转录过程可能是相似的。作者还模拟了基因毒性治疗，预测存活细胞群体的mRNA组成。

相较于以往的认识，这项工作把定量的链条向前推进了一步。此前的建模已预测ecDNA比染色体扩增更有效地增加癌基因拷贝数和瘤内异质性，并得到了样本分析的验证 ^[1]，但从拷贝数到mRNA分布的定量 mapping 仍然缺失。本研究补上了这一环：它不仅能由ecDNA分布推演mRNA分布并反推转录参数，还展示了这一框架在预测治疗压力下持续存在细胞的mRNA组成方面的用途，为理解含ecDNA癌症治疗耐药的来源提供了可操作的分析工具。这与此前观察到的ecDNA驱动的快速耐药适应 ^[3] 形成了机理层面的呼应。

当然，模型目前基于细胞系数据，参数估计的外推性有待在更多体系中检验；正如作者自己指出的，ecDNA如何经由mRNA和蛋白质影响靶向治疗结局这个问题仍未完全解决，模型聚焦于mRNA层面，其对存留细胞mRNA组成的预测也还需实验验证。从转录异质性到蛋白质表型、再到真实治疗响应之间的因果链条，仍是这个领域下一步要回答的问题。