（来源：生物谷）

转自：生物谷

免疫系统是对抗肿瘤转移的关键力量，因此在免疫功能完整的模型中研究癌症，才能真正还原患者体内的疾病进程——但这一目标长期被 CRISPR/Cas9 技术的固有缺陷所阻碍。借助 CRISPR/Cas9，科学家能构建包含数百个基因敲除肿瘤细胞的文库，移植到小鼠体内后，即可快速筛选影响癌症发展的关键基因，为新疗法开发提供核心靶点。

然而，CRISPR/Cas9 的核心组分（如 Cas9 核酸酶）源自细菌，会被免疫系统识别为 “外来入侵者”，引发强烈免疫反应，这一问题一直被忽视。

苏黎世联邦理工学院 Nicola Aceto 教授团队在《细胞》杂志发表的研究，首次详细证实了这种免疫反应会严重扭曲筛选结果，并创新性地开发出 StealTHY 平台——给 CRISPR 披上 “分子隐形斗篷”，使其在免疫健全小鼠乃至人源化小鼠中 “隐身” 工作，成功解锁了被掩盖的癌症转移关键靶点。

传统 CRISPR/Cas9 的免疫干扰问题比想象中更严重。研究团队在乳腺癌、肺癌、结直肠癌等多种免疫健全小鼠模型中发现，表达 Cas9 或常用报告基因（如 GFP、嘌呤霉素抗性基因 PuroR）的肿瘤细胞，会被 T 细胞快速识别并排斥：不仅肿瘤生长被抑制，转移灶数量大幅减少（部分模型转移几乎完全消失）。

更关键的是，sgRNA 文库的克隆多样性急剧下降——原本包含数千种基因敲除的肿瘤细胞库，最终只有少数克隆存活，导致真正的转移调控基因被遗漏。这种 “免疫编辑” 效应会造成严重的结果失真：比如已知的转移抑制基因 Trim72 在传统筛选中被错误忽略，而无关基因却因免疫逃逸被误判为关键靶点。更值得警惕的是，这种干扰在人源化小鼠（huNSGs）中同样存在，Cas9 阳性的人类肿瘤细胞会引发人类 T 细胞反应，完全无法模拟患者体内的真实转移过程。

StealTHY 平台的 “隐形术” 核心在于三点创新，彻底规避免疫识别。首先是 “瞬时编辑+快速清除”：团队采用脱辅基 Cas9（Apo-Cas9）进行瞬时递送，Cas9 在完成基因编辑后 48 小时内即被细胞清除，避免长期停留引发免疫反应；同时通过 “hara-kiri” 自靶向系统，快速分离出基因编辑成功的细胞，确保移植到小鼠体内的肿瘤细胞不含任何细菌来源组分。其次是 “自体报告基因替代”：用小鼠自身蛋白 Thy1 的两种亚型（Thy1.1/Thy1.2）替代 GFP 和 PuroR，这种自体蛋白不会引发免疫排斥，还能精准追踪肿瘤细胞。最后是 “全人源适配”：在人源化小鼠中，团队将人类 THY1 基因改造后作为报告基因，同样实现了免疫隐身。这套 “hit-and-run” 编辑策略，让 CRISPR 筛选首次在免疫健全模型中保持了 sgRNA 文库的完整性，克隆多样性比传统方法高 5 倍以上。

借助 StealTHY，团队成功筛选出此前被掩盖的转移关键靶点——AMH-AMHR2 信号轴。在乳腺癌、肺癌等多种模型中，敲除 AMH 或 AMHR2 基因后，肿瘤转移灶数量急剧减少，小鼠生存期显著延长；而在人源化小鼠中，通过 AMHR2Δ（一种显性负突变体，可竞争性结合 AMH，阻断信号传导）治疗，能使患者来源的肿瘤（PDX）转移率降低 80%，且引发肿瘤微环境重塑——调节性 T 细胞减少，抗原呈递巨噬细胞增多，打破了肿瘤免疫耐受。

更具临床价值的是，TCGA 数据库分析显示，AMH 高表达的乳腺癌、肺癌患者，复发率更高、生存期更短；而 AMH 信号缺失的患者，预后明显更好，这证实 AMH-AMHR2 轴是临床相关的转移驱动因子。

这套 “隐形 CRISPR” 技术的应用前景远超癌症研究。它不仅能在免疫健全小鼠、人源化小鼠中开展精准的基因筛选，还可用于个性化医疗，比如构建患者特异性肿瘤模型，筛选最有效的治疗靶点；在自身免疫疾病、CAR-T 细胞工程等领域，也能避免外源基因引发的免疫干扰。Aceto 教授强调：“过去我们因免疫干扰错过了许多关键靶点，而 StealTHY 让我们第一次在接近患者的生理环境中，看清了癌症转移的真实机制。”

从解决技术瓶颈到发现临床靶点，StealTHY 平台不仅革新了 CRISPR 筛选的应用场景，更让癌症转移研究摆脱了对免疫缺陷模型的依赖。AMH-AMHR2 轴的发现，为转移性癌症提供了全新的治疗方向，而 “免疫隐身” 的编辑策略，也为基因治疗、免疫疗法研究开辟了新路径。未来，随着技术的进一步优化，或许能让更多被免疫系统 “掩盖” 的疾病机制浮出水面，为精准医疗提供更坚实的科学依据！

参考文献：

Massimo Saini et al, StealTHY: An immunogen-free CRISPR platform to expose concealed metastasis regulators in immunocompetent models, Cell (2025). DOI: 10.1016/j.cell.2025.10.007.