Biophys J：卵巢癌在坚硬的胶原基质上表现出不同的迁移策略

肿瘤从原发癌症部位向远处器官的扩散，即所谓的转移，多年来一直困扰着科学家们。他们现在才开始找出驱动这一过程的诱因和机制。

在一项新的研究中，来自印度科学研究所的研究人员揭示了癌细胞的内在变化及其与周围环境的相互作用如何影响癌细胞迁移。他们的研究结果表明，癌细胞似乎会根据其周围环境（称为微环境）的物理和生化特征来调整其迁移模式。相关研究结果发表在2024年11月19日的Biophysical Journal期刊上，论文标题为“Ovarian cancer cells exhibit diverse migration strategies on stiff collagenous substrata”。

作者对两种卵巢癌细胞进行了研究：一种是结构良好的多边形卵巢癌细胞OVCAR-3，另一种是自然伸长的纺锤形卵巢癌细胞SK-OV-3。这两种卵巢癌细胞都会转移和侵入组织。他们把这些癌细胞放在模拟健康组织和病变组织的软硬表面上，观察每种癌细胞在不同表面上的运动适应情况。

在类似于健康组织的柔软表面上，这两种癌细胞都会以随机方向缓慢移动。但在模拟肿瘤周围坚韧的瘢痕组织的坚硬表面上，这些癌细胞的变形能力更强，反应也不同。

论文第一作者Madumitha Suresh说，“根据以前的文献，我预计组织硬度是加剧癌细胞迁移的一个重要因素。然而，我没想到的是，在较硬的基质上，卵巢癌细胞OVCAR-3比卵巢癌细胞SK-OV-3更具迁移性。”

作者还在 OVCAR-3癌细胞中观察到一种独特的运动模式，他们称之为 “滑动（slip）”。在大多数癌细胞中，运动的方向与细胞的形状一致，细胞的“前部”引领着运动的方向。

但当OVCAR-3癌细胞在坚硬的表面上运动时，这种排列方式就被打破了。它们的运动变得与其形状不那么协调，几乎就像在滑动或打滑，而不是直线运动。受这些意外结果的启发，他们试图用定量方法来了解这一过程。

研究癌细胞如何移动的现有方法要么是无法捕捉随时间发生的变化的数学方法，要么是复杂的使用起来很有挑战性的计算机方法，如机器学习。

为了解决这些局限性，作者创建了一个更易于使用的软件工具包，将香农熵（Shannon entropy, 一种捕捉随机性的数学概念）与以前使用的基于运动和形状的测量方法相结合。该工具包使得他们能够看到细胞行为随时间的变化，并可轻松应用于活细胞追踪数据。这样就可以对所获得的数据进行数字分析和量化，而不是口头推断。

只有通过仔细观察这种工具包测量结果中的相关性，作者才能确定上皮样卵巢癌细胞系OVCAR-3如何在其形状和运动之间表现出一种不那么受约束的关系，从而使其能够以各种令人惊讶的方式迁移。

论文通讯作者Ramray Bhat说，“我们的目标是扩展我们的研究，破译这类癌细胞的集体动力学，尤其是在更复杂的三维环境中。这将对卵巢癌的病理产生新的启示，毕竟卵巢癌是一种以快速转移和高发病率为特征的疾病。”（生物谷Bioon.com）

参考资料：

Madhumitha Suresh et al. Ovarian cancer cells exhibit diverse migration strategies on stiff collagenous substrata. Biophysical Journal, 2024, doi:10.1016/j.bpj.2024.10.014.