Skip to content

29 Oct 2026

NCI-60 Panel in Predicting Clinical Drug Response

NCI-60 細胞系面板在預測藥物臨床反應中的應用

NCI-60 人類腫瘤細胞系面板是生物醫學研究中表徵最為詳盡的癌症細胞系集合之一。 該系列由美國國家癌症研究所（NCI）於 1980 年代末期開發，包含源自九種不同腫瘤類型的 60 條細胞系，為抗癌藥物篩選及作用機制研究提供了標準化平台。 透過 NCI-60 細胞系的全面分子特徵分析，結合涵蓋超過 100,000 種化合物的藥物敏感性數據，得以建立臨床藥物反應的預測模型，並識別可作為患者篩選指引的生物標記。

重點摘要

  • NCI-60 面板涵蓋來自九種癌症類型的 60 條細胞系，可進行廣泛的藥物敏感性篩選
  • 整合基因組、轉錄組及蛋白質組數據與藥物反應資訊，有助於生物標記物的發現
  • COMPARE 演算法可根據 NCI-60 的反應模式，識別具有相似作用機制的化合物
  • 基於 NCI-60 數據訓練的機器學習模型，能以日益精準的準確度預測臨床試驗結果
  • 在特定情境下，NCI-60 藥物敏感性與患者來源異種移植模型（PDX）的反應及臨床結果呈相關性

NCI-60 細胞系面板的組成與特性分析

NCI-60 細胞系組合涵蓋 60 種人類癌症細胞系，代表九種組織來源：肺癌（非小細胞型）、結腸癌、乳癌、卵巢癌、白血病、腎癌、黑色素瘤、中樞神經系統（CNS）癌症及前列腺癌。 每個組織子面板均包含多條細胞系，以反映該癌症類型內的遺傳與表型異質性。這種多樣性有助於識別組織特異性的藥物敏感性及跨腫瘤生物標記物。

NCI-60 面板的全面分子特徵分析包含全外顯子組定序、RNA 定序、DNA 甲基化晶片、微RNA 分析，以及反相蛋白質陣列（RPPA）。這套透過 NCI 資料庫公開提供的多組學資料集，可將分子特徵與藥物反應資料整合。 CellMiner 資料庫提供使用者友善的介面，便於存取 NCI-60 的分子與藥理學資料，從而促進生物標記的發現工作。

NCI-60 中的肺癌子面板涵蓋多樣化的組織學亞型與遺傳背景。 NCI-H460 細胞代表攜帶 KRAS 突變的大細胞型肺癌，而 NCI-H1299 細胞則提供 p53 缺失型腺癌模型。NCI-H23 細胞與 NCI-H522 細胞則以各具特色的突變譜，進一步豐富了腺癌的代表性。

用於作用機制研究的 COMPARE 演算法

COMPARE 演算法是分析 NCI-60 藥物敏感性模式的基礎計算工具。透過將受測化合物的生長抑制特徵與所有 60 種細胞系的數據，與具有已知作用機制的化合物特徵進行關聯分析，COMPARE 能識別新型藥物的潛在作用機制。高相關係數表明受測化合物與參考化合物之間存在共同的靶點或途徑。

COMPARE 分析已成功闡明眾多抗癌藥物的作用機制，並隨後透過生化研究獲得驗證。該演算法能根據 NCI-60 特有的反應標誌，區分針對 DNA 合成、微管、拓撲異構酶及激酶的化合物。此計算方法可加速闡明來自表型篩選的候選化合物之作用機制。

NCI-60 結腸癌子板展現出截然不同的藥物反應模式。HCT116 細胞呈現微衛星不穩定性（MSI），並對 DNA 損傷性藥物展現強烈的反應。HCT-15 細胞提供了額外的 MSI 模型，而 Caco-2 細胞則能進行腸道吸收研究，以補充藥物篩選應用。 SW620 細胞則代表具有獨特敏感性特徵的轉移性結腸癌。

預測藥物反應的基因組生物標記

將基因組數據與 NCI-60 藥物敏感性整合，有助於識別藥物反應的遺傳決定因子。透過分析基因突變、拷貝數變異或表達水準與化合物活性的相關性，可篩選出供臨床驗證的候選生物標記。此方法已產生眾多假說，並於後續臨床試驗中進行驗證。

KRAS 突變狀態即為一例，該基因組生物標記已在 NCI-60 面板及臨床環境中獲得驗證。 結直腸癌與肺癌子面板中的 KRAS 突變細胞系，均顯示對 EGFR 抑制劑的敏感性降低，這與患者的臨床觀察結果相符。此一致性證實了源自 NCI-60 的生物標記在患者分層中的預測價值。

NCI-60 中的白血病細胞系為血液惡性腫瘤藥物研發提供了模型。HL-60 細胞可用於急性前骨髓球細胞白血病研究，而 K562 細胞則代表 BCR-ABL 陽性的慢性骨髓性白血病。 Jurkat 細胞提供了具有獨特藥物敏感性模式的 T 細胞急性淋巴母細胞白血病模型。RPMI 8226 細胞則為該面板提供了多發性骨髓瘤的代表性模型。

發佈日期：2023 年 | 最後審閱日期：2026 年 5 月

用於預測治療反應的機器學習模型

應用於 NCI-60 數據的現代機器學習方法，所建立的預測模型其準確度優於單一生物標記方法。基於整合分子特徵進行訓練的隨機森林、支援向量機及深度學習演算法，針對許多化合物預測藥物敏感性時，其交叉驗證準確度均超過 80%。這些模型能捕捉影響藥物反應的多重基因組特徵之間的複雜交互作用。

透過機器學習模型進行的特徵重要性分析，可識別出對藥物反應預測能力最強的分子特徵。此方法不僅揭示預期特徵（如標靶表達、路徑活化），亦能發現出乎意料的預測因子，從而產生嶄新的生物學假說。對模型識別出的特徵進行實驗驗證後，已確認了眾多先前未知的藥物敏感性決定因素。

NCI-60 中的中樞神經系統（CNS）癌細胞系為腦腫瘤藥物研發提供了可能。U87MG 細胞代表多形性膠質母細胞瘤，這是最具侵襲性的腦惡性腫瘤。腎癌子面板包含多樣化的透明細胞癌和乳頭狀癌模型，而黑色素瘤細胞系則涵蓋了影響標靶治療反應的不同 BRAF 突變狀態。

從 NCI-60 到臨床結果的轉化

基於 NCI-60 的預測之最終價值，取決於其與患者臨床結果的相關性。回顧性分析將 NCI-60 的藥物敏感性與臨床試驗結果進行比較，結果顯示其一致性因癌症類型、藥物作用機制及臨床終點而異。當分子生物標記與藥物作用機制相吻合時，標靶藥物展現出最強的相關性。

患者來源異種移植（PDX）模型在 NCI-60 細胞系與臨床結果之間提供了中間驗證。 PDX 模型中的藥物敏感性與臨床反應的相關性，比單純的細胞系數據更為密切，這表明透過 PDX 對 NCI-60 衍生的生物標記進行驗證，可提高臨床預測的準確性。這種分階段的驗證方法能優化生物標記開發流程。

培養基的優化有助於穩健地維持 NCI-60 細胞系。RPMI 1640 培養基為大多數 NCI-60 細胞系提供標準培養條件，而特定細胞系則需要 DMEM 或添加補充成分的配方。CM-1 冷凍培養基可將已表徵的細胞系庫存進行冷凍保存，確保實驗的可重複性。

限制與互補方法

儘管 NCI-60 細胞系組合提供了極具價值的藥物發現工具，但必須承認其固有的局限性。 長期培養會使細胞系適應體外條件，可能與原始腫瘤特徵產生偏差。該面板對某些癌症類型的代表性不足，且缺乏部分重要分子亞型的模型。此外，單層培養條件無法重現三維腫瘤結構及微環境的影響。

互補性方法可彌補 NCI-60 的局限性。 源自患者的類器官能更忠實地再現原始腫瘤的特徵，並可進行個人化藥物測試。整合間質細胞與免疫細胞的共培養系統，能模擬單細胞培養中缺失的微環境影響。擴展的細胞系面板（如《癌症細胞系百科全書》（Cancer Cell Line Encyclopedia）、GDSC）則能更廣泛地涵蓋各類癌症類型及分子亞型。

品質保證確保了基於 NCI-60 的研究可靠性。透過短串聯重複序列（STR）分析進行的細胞系認證，可確認細胞系身份，從而解決細胞系庫中已知存在的交叉污染問題。支原體檢測則可防止支原體感染對藥物敏感性測量產生干擾效應。這些品質管控措施對於產生適合臨床轉譯的可重複數據至關重要。

結論

NCI-60 面板仍是抗癌藥物發現與生物標記開發的基石資源。 將全面的分子特徵分析與龐大的藥物敏感性數據整合，可促進作用機制研究、生物標記識別及預測模型開發。儘管承認細胞系模型固有的局限性，NCI-60 面板仍持續產生經臨床驗證的見解，這些見解有助於改善抗癌療法的患者篩選，並引導合理的藥物開發策略。