近日，一篇發表在國際雜志Nature上題為“Spatial mapping of mitochondrial networks and bioenergetics in lung cancer”的研究報告中，來自加州大學洛杉磯分校等機構的科學家們通過研究利用正電子發射斷層掃描技術（PET）與電子顯微鏡相結合，在遺傳工程化修飾的小鼠機體的肺部腫瘤中產生了線粒體網絡的三維超分辨率圖譜。

文章中，研究人員根據線粒體的活性和其它因素，利用一種稱之為深度學習的人工智能技術來對腫瘤進行分類分析，并量化了整個腫瘤中數百個細胞和數千個線粒體的結構。研究人員對兩種主要的非小細胞肺癌（NSCLC）亞型—肺腺癌和鱗狀細胞癌進行了研究，并在這些腫瘤內部發現了不同的線粒體網絡亞群；更為重要的是，他們還發現，線粒體能經常與諸如脂滴等細胞器組織在一起并產生特殊的亞細胞結構，同時還能支持腫瘤細胞的代謝和線粒體活性。

         圖片來源：Nature (2023). DOI:10.1038/s41586-023-05793-3

 研究者推測，人類癌癥樣本中的線粒體群體并不會與各自的腫瘤亞型相互排斥，而是會存在一種活性譜；這些研究發現或許就為理解癌細胞中線粒體的功能提供了關鍵的信息，并有望幫助開發出新型癌癥療法。

研究者Shackelford說道，我們的研究代表了利用遺傳工程化小鼠模型來生成高度詳細的肺部腫瘤三維圖譜的關鍵第一步；利用這些圖譜，我們就能產生肺部腫瘤的結構和功能藍圖，并能提供非常有價值的線索來揭示腫瘤細胞是如何在結構上組織其細胞架構來對腫瘤生長的高代謝需求產生反應的，我們的研究發現或許有望幫助指導并改善當前的癌癥療法策略，同時還能闡明科學家們治療肺癌療法的新方向。 本文研究揭示了肺部腫瘤代謝通量的一個新的發現成果，并闡明了癌細胞對營養的偏好或許是由其細胞中線粒體和其它細胞器的區室所決定的，即要么依賴于葡萄糖，要么依賴于游離脂肪酸。

本文研究結果對于開發能夠靶向作用腫瘤特異性的營養偏好的有效抗癌療法具有非常重要的意義，這種多模式成像方法也能促使研究人員揭開癌癥代謝此前未知的方面，研究人員認為，這或許也能應用于對其它類型癌癥的研究中。  綜上，本文研究結果表明，在非小細胞肺癌中，線粒體網絡能被分隔成為不同的亞群，并支配著腫瘤的生物能量能力。