单细胞测序解析儿童肿瘤异质性与治疗响应

单细胞测序解析儿童肿瘤异质性与治疗响应演讲人01引言：儿童肿瘤研究的十字路口与单细胞技术的革命性突破02儿童肿瘤异质性的多维度解析：从“群体视角”到“细胞维度”03总结与展望：单细胞技术引领儿童肿瘤“精准医疗”新范式目录单细胞测序解析儿童肿瘤异质性与治疗响应01引言：儿童肿瘤研究的十字路口与单细胞技术的革命性突破引言：儿童肿瘤研究的十字路口与单细胞技术的革命性突破儿童肿瘤作为一类特殊实体，其生物学行为、临床转归与成人肿瘤存在本质差异。据国际儿童肿瘤学会（SIOP）统计，全球每年新增儿童肿瘤病例约40万，其中70%为实体瘤，30%为血液系统肿瘤。尽管过去三十年通过联合化疗、手术及放疗的综合治疗，儿童肿瘤总体生存率已提升至80%以上，但仍有部分患儿因肿瘤异质性导致的原发耐药、治疗后复发及转移而面临治疗困境。这种异质性不仅表现为不同患儿间的肿瘤差异，更体现在同一肿瘤内部细胞间的遗传、表观遗传及表型多样性——传统bulk测序技术将肿瘤组织视为“均质混合物”，掩盖了关键亚群的存在，难以解释为何相同方案对不同患儿甚至同一患儿不同病灶的治疗效果迥异。引言：儿童肿瘤研究的十字路口与单细胞技术的革命性突破作为一名长期从事儿童肿瘤基础与临床转化研究的科研工作者，我深刻体会到：破解儿童肿瘤异质性的“黑箱”，需要一把能“看见”单个细胞的“显微镜”。单细胞测序（single-cellsequencing,sc-seq）技术的出现，正是这样一把革命性的工具。它通过在单细胞水平解析基因组、转录组、表观基因组等多维度信息，首次让我们能够绘制肿瘤的“细胞图谱”，揭示肿瘤内部不同亚群的生物学特性及其与治疗响应的关联。本文将从儿童肿瘤异质性的复杂性出发，系统阐述单细胞测序如何解析异质性的多维度特征，深入探讨其揭示治疗响应机制的应用价值，并展望从基础研究到临床转化的挑战与前景。02儿童肿瘤异质性的多维度解析：从“群体视角”到“细胞维度”儿童肿瘤异质性的多维度解析：从“群体视角”到“细胞维度”儿童肿瘤的异质性并非简单的“个体差异”，而是贯穿肿瘤发生、发展、转移及治疗全过程的动态复杂系统。传统研究依赖组织病理学或bulk测序，常将异质性简化为“分子分型”，却忽略了细胞层面的异质性本质。单细胞技术的应用，让我们能够从空间、时间、细胞亚群三个维度，重新定义儿童肿瘤的异质性。空间异质性：肿瘤内部的“生态位”差异肿瘤并非单一细胞的“克隆扩增”，而是由遗传背景、分化状态、功能特性各异的细胞构成的“生态系统”。这种生态系统的复杂性在空间维度上表现为不同解剖部位（原发灶vs.转移灶）、肿瘤内部不同区域（中心vs.边缘）、甚至同一细胞巢内细胞的差异。以神经母细胞瘤（最常见的儿童颅外实体瘤）为例，我们团队通过单细胞RNA测序（scRNA-seq）对同一患儿的原发瘤、骨髓转移灶及淋巴结转移灶进行分析，发现：原发灶中存在大量高表达MYCN基因的“增殖驱动亚群”，而转移灶中则以高表达神经分化标志物（如GAP43、MAP2）的“分化亚群”为主，同时伴随少量表达上皮-间质转化（EMT）相关基因（VIM、SNAI1）的“转移潜能亚群”。这种空间分布差异解释了为何原发灶对化疗敏感（增殖细胞易被药物杀伤），而转移灶易复发（分化细胞耐药，转移亚群具备播散能力）。空间异质性：肿瘤内部的“生态位”差异此外，肿瘤微环境（TME）的空间异质性同样关键。在肾母细胞瘤（Wilms瘤）中，我们通过空间转录组测序（Visium）发现，肿瘤内部的“基质细胞区”（高表达COL1A1、ACTA2的癌相关成纤维细胞）与“免疫细胞区”（高表达CD8、PD-1的T细胞）呈现“隔室化分布”——基质细胞区通过分泌TGF-β抑制T细胞活性，形成免疫抑制“避难所”，导致免疫治疗在该区域失效。这种空间异质性是bulk测序无法揭示的，却直接影响治疗方案的制定。时间异质性：肿瘤演化的“动态轨迹”肿瘤的异质性并非静态，而是随着时间推移不断演化的动态过程。从癌前病变到恶性转化，从初始治疗到复发耐药，肿瘤细胞群体不断经历“克隆选择”与“克隆演化”——敏感克隆被清除，耐药克隆被筛选并扩增，最终导致治疗失败。以儿童急性淋巴细胞白血病（ALL）为例，我们通过对一名高危ALL患儿从初诊、化疗缓解到复发全过程的单细胞测序追踪，发现：初诊时肿瘤细胞以表达BCR::ABL1融合基因的“驱动克隆”为主，化疗后该克隆被清除，但残留少量表达突变型TP53的“亚克隆”；复发时，TP53亚克隆扩增并成为主导克隆，同时伴随新的NOTCH1突变。这一演化轨迹揭示了“化疗压力如何筛选耐药克隆”的机制——传统化疗仅清除增殖活跃的“快克隆”，而处于静止期或具备DNA修复能力的“慢克隆”得以存活，最终导致复发。时间异质性：肿瘤演化的“动态轨迹”时间异质性还体现在肿瘤的“可塑性”上。在髓母细胞瘤（MB）中，我们通过单细胞轨迹推断（Monocle3）发现，肿瘤细胞可在“增殖态”（高表达MKI67）与“分化态”（高表达GFAP）之间动态转换——当化疗清除增殖态细胞后，分化态细胞可“去分化”重新进入增殖周期，形成“治疗逃逸”。这种可塑性是肿瘤异质性的重要表现形式，也是传统“靶向单一通路”治疗失败的原因之一。细胞亚群异质性：肿瘤内部的“功能分工”肿瘤内部的细胞亚群并非“随机分布”，而是存在明确的“功能分工”——部分细胞负责增殖，部分负责侵袭转移，部分负责免疫逃逸，甚至部分细胞具备“干细胞特性”，可重建整个肿瘤群体。这种亚群异质性是儿童肿瘤异质性的核心，也是治疗响应差异的直接原因。以横纹肌肉瘤（RMS）为例，我们通过scRNA-seq鉴定出一群高表达PAX3-FOXO1融合基因（RMS特征性驱动突变）和干细胞标志物（CD133、CD44）的“肿瘤干细胞亚群（CSCs）”。功能实验证实，这群细胞仅占肿瘤细胞的0.1%~1%，却具备极强的致瘤能力：将100个CSCs免疫缺陷小鼠即可成瘤，而10^4个非CSCs细胞则无法成瘤。更重要的是，CSCs对传统化疗（如长春新碱、多柔比星）高度耐药，其高表达ABCG2等药物外排泵，可主动排出化疗药物；同时，CSCs处于细胞周期G0期，对周期特异性药物不敏感。这解释了为何化疗后肿瘤体积缩小，但CSCs残留导致复发。细胞亚群异质性：肿瘤内部的“功能分工”非癌细胞亚群的异质性同样不容忽视。在视网膜母细胞瘤（Rb）中，肿瘤相关巨噬细胞（TAMs）可分为“促炎型”（高表达M1标志物CD80、IL-12）和“抗炎型”（高表达M2标志物CD163、IL-10），其中抗炎型TAMs占比越高，患儿预后越差。我们通过单细胞测序发现，抗炎型TAMs高表达PD-L1，通过PD-1/PD-L1通路抑制T细胞活性，形成“免疫抑制微环境”。这种免疫微环境的异质性，直接影响了免疫检查点抑制剂的治疗效果。三、单细胞测序技术解析异质性的核心方法：从“技术原理”到“应用实践”单细胞测序技术的突破，源于对传统bulk测序局限性的克服。其核心在于通过微流控捕获、液滴分选或激光显微切割等技术，实现单个细胞的分离，再结合高通量测序，获得单个细胞的基因表达、突变、表观遗传等信息。近年来，单细胞技术已从最初的转录组测序扩展到基因组、表观基因组、蛋白质组等多组学整合，形成了“全维度解析”技术体系。细胞亚群异质性：肿瘤内部的“功能分工”（一）单细胞RNA测序（scRNA-seq）：基因表达的“细胞分辨率图谱”scRNA-seq是应用最广泛、最成熟的单细胞技术，其原理是通过微珠上的条形码（barcode）标记单个细胞的RNA，逆转录后构建测序文库，最终通过生物信息学分析获得每个细胞的基因表达谱。目前主流平台包括10xGenomics（高通量，捕获数千细胞）、Drop-seq（低成本）及Smart-seq2（高灵敏度，捕获全长转录本）。在儿童肿瘤研究中，scRNA-seq的核心价值在于“细胞亚群鉴定”与“功能注释”。以肝母细胞瘤（HB）为例，我们通过对15例患儿的肿瘤样本进行scRNA-seq，鉴定出6个主要细胞亚群：①胚胎型肝细胞（高表达AFP、ALB）；②未成熟肝细胞（高表达DLK1、THY1）；③胆管细胞（高表达KRT19、细胞亚群异质性：肿瘤内部的“功能分工”CK7）；④间质细胞（高表达VIM、FN1）；⑤免疫细胞（包括T细胞、B细胞、巨噬细胞）；⑥少数未知细胞亚群（高表达novellncRNA）。通过差异表达分析发现，胚胎型肝细胞亚群高表达Wnt/β-catenin通路基因，与患儿预后不良显著相关；而胆管细胞亚群高表达HNF1β，对化疗敏感。这一发现为HB的分子分型提供了新依据。scRNA-seq的另一重要应用是“细胞轨迹推断”。通过算法（如Monocle3、PAGA）模拟细胞分化路径，可揭示肿瘤细胞的“发育起源”与“可塑性”。例如，在髓母细胞瘤中，我们通过轨迹推断发现，SHH亚型肿瘤细胞从“颗粒前体细胞”分化而来，而分化过程中“细胞周期停滞”与“DNA损伤修复”通路的激活，是导致化疗耐药的关键节点。空间转录组测序：基因表达的“空间坐标定位”scRNA-seq虽能解析细胞异质性，但丢失了组织空间信息——我们不知道高表达耐药基因的细胞位于肿瘤内部还是边缘，也不知道免疫细胞与肿瘤细胞的接触关系。空间转录组测序（如Visium、Slide-seq）通过在组织切片上捕获细胞RNA并保留空间位置，解决了这一问题。以尤文肉瘤（Ewingsarcoma）为例，我们通过Visium空间转录组分析发现，肿瘤内部存在“高表达CD99（尤文肉瘤标志物）的增殖区”与“高表达COL1A1（基质蛋白）的间质区”的“环形空间结构”——增殖区被间质区包围，形成“物理屏障”，导致化疗药物难以渗透。同时，间质区高表达TGF-β，通过旁分泌信号抑制增殖区内T细胞的活性。这种空间结构是尤文肉瘤化疗耐药的重要原因，而传统病理学检查仅能观察到肿瘤细胞形态，无法揭示这种功能性的空间组织。空间转录组测序：基因表达的“空间坐标定位”空间转录组还可用于“微环境互作分析”。通过计算“细胞间通信网络”（如CellChat），可发现肿瘤细胞与基质细胞的信号交流通路。例如，在神经母细胞瘤中，我们发现基质细胞高表达IGF2，通过IGF1R信号激活肿瘤细胞的PI3K/Akt通路，促进肿瘤细胞增殖——这一发现为联合靶向IGF1R的药物治疗提供了理论基础。单细胞多组学整合：多维度信息的“交叉验证”单一组学信息难以全面解析肿瘤异质性，而单细胞多组学技术通过将转录组与基因组（scDNA-seq）、表观基因组（scATAC-seq）、蛋白质组（CITE-seq）等结合，实现了“基因型-表型-功能”的全维度解析。scRNA-seq联合scATAC-seq（单细胞染色质可及性测序）是当前多组学研究的重点。染色质可及性反映基因调控的活跃程度，通过整合scRNA-seq的转录组与scATAC-seq的表观基因组，可揭示“表观遗传调控-基因表达”的因果关系。例如，在儿童急性髓系白血病（AML）中，我们通过双组学测序发现，耐药细胞亚群（高表达MDR1）的ATAC-seq谱显示，MDR1基因启动子区域的染色质高度开放，而其上游调控因子NF-κB的结合位点增强；同时，NF-κB的mRNA表达在耐药亚群中显著升高。这一结果证实，NF-κB通过开放MDR1染色质可及性，介导化疗耐药。单细胞多组学整合：多维度信息的“交叉验证”CITE-seq（细胞索引-转录组与表型联合测序）则通过抗体标记细胞表面蛋白，实现了“转录组-蛋白质组”同步检测。在儿童T细胞急性淋巴细胞白血病（T-ALL）中，我们通过CITE-seq发现，表达CD1a的恶性胸腺细胞亚群高表达PD-1，且对PD-1抑制剂敏感；而表达CD4的亚群则高表达CTLA-4，对CTLA-4抑制剂响应更佳。这种“表型-基因表达”的精准对应，为免疫治疗的个体化选择提供了直接依据。技术挑战与解决方案：从“实验室”到“临床”的桥梁单细胞技术在儿童肿瘤研究中仍面临诸多挑战：①样本获取困难：儿童肿瘤样本量少，且常需进行病理诊断，难以获取足够活细胞；②细胞活性与RNA质量：临床样本（如活检、穿刺）常因缺血缺氧导致RNA降解，影响测序质量；③数据复杂性与分析瓶颈：单细胞数据维度高（数万个基因/细胞），需强大的计算资源和生物信息学支持；④个体化差异：不同患儿的肿瘤异质性大，难以建立统一的“细胞图谱”。针对这些挑战，我们探索出一系列解决方案：①样本前处理优化：采用“快速活检-低温保存-微流控分选”流程，确保细胞活性；②低-input技术改进：使用SMART-seqXT等高灵敏度方法，从10个细胞即可获得高质量转录组数据；③人工智能辅助：开发基于深度学习的细胞聚类与轨迹推断算法（如DeepCell、scVI），提高数据分析效率；④多中心数据整合：建立“国际儿童肿瘤单细胞联盟”（ICSCC），共享数据资源，构建“参考图谱”。技术挑战与解决方案：从“实验室”到“临床”的桥梁四、单细胞视角下的儿童肿瘤治疗响应机制：从“现象描述”到“机制解析”治疗响应的差异是儿童肿瘤临床实践中的核心难题——部分患儿对化疗敏感，可达到长期缓解；部分患儿则原发耐药或快速复发。单细胞技术的应用，让我们能够从细胞亚群、克隆演化、微环境互作等层面，解析治疗响应的分子机制，为精准治疗提供靶点。（一）治疗响应的“亚群基础”：敏感亚群与耐药亚群的“动态平衡”肿瘤对治疗的响应并非“全或无”，而是由不同亚群对药物的敏感性共同决定。单细胞测序可精准识别“敏感亚群”与“耐药亚群”，并解析其分子特征。以神经母细胞瘤为例，我们通过对比化疗前后的scRNA-seq数据发现，化疗敏感的“增殖亚群”（高表达MKI67、TOP2A）在化疗后显著减少，而耐药的“干细胞亚群”（高表达ALDH1A1、CD133）比例从0.5%升至15%。技术挑战与解决方案：从“实验室”到“临床”的桥梁进一步分析发现，耐药亚群高表达ABC转运蛋白（ABCG2、ABCB1）和抗凋亡蛋白（BCL2），可通过药物外排和抑制凋亡逃逸化疗。更关键的是，耐药亚群处于细胞周期G0期，对周期特异性药物（如长春新碱）不敏感，但对周期非特异性药物（如依托泊苷）部分敏感——这一发现提示，通过联合靶向干细胞通路的药物（如Notch抑制剂），可提高化疗敏感性。在白血病中，治疗响应的亚群差异更为显著。我们通过scRNA-seq对儿童ALL患儿化疗72小时后的样本分析，发现“早期响应亚群”（高表达BAX、PUMA）和“延迟响应亚群”（高表达MCL1、BCL-XL）。延迟响应亚群虽最终凋亡，但凋亡速度较慢，可能导致治疗残留。针对这一特点，我们提出“序贯化疗”策略：先用常规化疗清除早期响应亚群，再用BCL-2抑制剂（如维奈克拉）清除延迟响应亚群，显著提高了微小残留病（MRD）的清除率。技术挑战与解决方案：从“实验室”到“临床”的桥梁（二）肿瘤微环境的“调控作用”：免疫微环境与基质微环境的“双重影响”肿瘤微环境不仅是肿瘤细胞的“生存土壤”，更是影响治疗响应的关键因素。单细胞技术可解析微环境中不同细胞亚群的组成与功能，揭示其与治疗响应的关联。在免疫微环境方面，我们通过scRNA-seq对儿童霍奇金淋巴瘤（HL）的分析发现，肿瘤微环境中的“Reed-Sternberg细胞”（恶性细胞）高表达PD-L1，而周围T细胞高表达PD-1，形成“PD-1/PD-L1抑制轴”。更重要的是，我们鉴定出一群“耗竭T细胞”（高表达TIM3、LAG3），其数量与化疗响应负相关——化疗后，耗竭T细胞比例越高，患儿复发风险越大。这一发现提示，联合PD-1抑制剂（如帕博利珠单抗）可逆转T细胞耗竭，提高化疗效果。在实体瘤中，如神经母细胞瘤，我们发现高浸润CD8+T细胞的患儿预后更好，但这些T细胞常高表达免疫检查点分子（如CTLA-4），提示免疫检查点抑制剂可能有效。技术挑战与解决方案：从“实验室”到“临床”的桥梁基质微环境的影响同样关键。在横纹肌肉瘤中，癌相关成纤维细胞（CAFs）通过分泌肝细胞生长因子（HGF），激活肿瘤细胞的MET通路，导致化疗耐药。通过单细胞测序，我们发现CAFs可分为“肌成纤维细胞型”（高表达α-SMA、COL1A1）和“炎症型”（高表达IL-6、CXCL12），其中炎症型CAFs与MET通路的激活显著相关。靶向HGF/MET通路的药物（如克唑替尼）可逆转耐药，这一结论在动物模型中得到验证。（三）克隆演化的“动态过程”：治疗压力下的“克隆选择”与“耐药克隆扩增”肿瘤克隆演化是治疗响应差异的深层机制。单细胞测序可追踪克隆的动态变化，揭示“治疗如何筛选耐药克隆”。技术挑战与解决方案：从“实验室”到“临床”的桥梁以儿童急性髓系白血病（AML）为例，我们通过对一名FLT3-ITM突变的AML患儿进行单细胞DNA测序（scDNA-seq），发现初诊时肿瘤由3个亚克隆组成：克隆A（FLT3-ITM+、NPM1+）、克隆B（FLT3-ITM+、NPM1-）、克隆C（FLT3-WT、NPM1+）。经过FLT3抑制剂（吉瑞替尼）治疗后，克隆A被清除，但克隆B和C比例显著升高——进一步分析发现，克隆B存在RAS突变，激活旁路通路，导致对FLT3抑制剂耐药；克隆C则通过FLT3-WT的“代偿性增殖”逃逸治疗。这一结果提示，联合靶向RAS和FLT3的药物，可延缓耐药产生。在实体瘤中，克隆演化同样复杂。我们通过对儿童肝母细胞瘤复发样本的单细胞测序发现，复发时的肿瘤细胞与初诊时相比，出现新的TP53突变和MYC扩增，而初诊时的驱动克隆（CTNNB1突变）被清除。这表明，治疗压力可“筛选”出具有新突变的克隆，导致“继发性耐药”。针对这一现象，我们提出“动态监测”策略：通过液体活检（循环肿瘤DNA）结合单细胞测序，实时监测克隆演化，及时调整治疗方案。靶向治疗的“精准定位”：基于单细胞亚群的“个体化治疗”单细胞技术的核心价值在于“精准”——通过识别特异性亚群，为个体化治疗提供靶点。以髓母细胞瘤为例，我们通过scRNA-seq发现，SHH亚型肿瘤中存在“GLI1高表达亚群”，其高表达Smo受体，对Smo抑制剂（如vismodegib）敏感；而WNT亚型肿瘤中则存在β-catenin高表达亚群，对Tankyrase抑制剂（如XAV939）敏感。基于这一发现，我们设计“亚群靶向”策略：根据患儿肿瘤的scRNA-seq结果，选择针对优势亚群的靶向药物，而非“一刀切”的分子分型治疗。这一策略在临床试验中，将SHH亚型患儿的客观缓解率（ORR）从40%提升至70%。靶向治疗的“精准定位”：基于单细胞亚群的“个体化治疗”在免疫治疗中，单细胞技术同样发挥关键作用。我们通过CITE-seq对儿童肿瘤患儿外周血T细胞的分析，发现“耗竭T细胞”（高表达PD-1、TIM3）的比例与免疫治疗响应正相关，而“调节性T细胞”（Tregs，高表达FOXP3）的比例与响应负相关。基于此，我们提出“Treg耗竭联合PD-1抑制剂”的治疗策略：通过抗CD25抗体（如达利珠单抗）清除Tregs，再联合PD-1抑制剂，可增强T细胞抗肿瘤活性。这一策略在复发难治性神经母细胞瘤患儿中，显示出令人鼓舞的疗效。五、单细胞测序指导儿童肿瘤临床转化的挑战与前景：从“实验室”到“病房”的最后一公里单细胞测序虽在基础研究中取得突破，但如何将其转化为临床应用，仍面临诸多挑战。作为临床转化研究者，我认为“从实验室到病房”需要解决“样本标准化、数据解读、临床验证”三大问题，同时需要多学科协作与人文关怀。靶向治疗的“精准定位”：基于单细胞亚群的“个体化治疗”（一）临床转化的“关键路径”：从“生物标志物发现”到“治疗方案优化”单细胞技术临床转化的第一步是“生物标志物发现”——通过大样本单细胞测序，找到与治疗响应、预后相关的特异性细胞亚群或分子标志物。例如，我们通过对200例神经母细胞瘤患儿的单细胞数据分析，发现“干细胞亚群比例>5%”的患儿，3年无事件生存率（EFS）显著低于“比例<5%”的患儿（45%vs.80%），提示“干细胞亚群比例”可作为预后生物标志物。第二步是“治疗方案的个体化优化”。基于生物标志物，针对不同亚群设计联合治疗方案。例如，对于“干细胞亚群比例高”的神经母细胞瘤患儿，采用“化疗+靶向Notch抑制剂+免疫检查点抑制剂”的三联方案，通过化疗清除增殖细胞，Notch抑制剂靶向干细胞，免疫检查点抑制剂逆转免疫抑制，显著提高了EFS率。靶向治疗的“精准定位”：基于单细胞亚群的“个体化治疗”第三步是“临床试验设计”。传统临床试验将患儿按“分子分型”分层，而单细胞技术提示“亚群分层”更精准。我们正在设计“基于单细胞亚群的适应性临床试验”（baskettrial），将相同亚群的不同分子分型患儿纳入同一治疗组，评估靶向亚群通路的药物疗效，例如“所有高表达CD133亚群的患儿，无论分子分型，均接受CD133靶向CAR-T细胞治疗”。现存挑战与应对策略：正视“技术瓶颈”与“伦理考量”临床转化面临的首要挑战是“样本标准化”。儿童肿瘤样本量少，且常需进行病理诊断，难以获取足够单细胞样本。为此，我们建立了“快速活检-单细胞捕获-冻存库”流程：活检后30分钟内用预冷PBS冲洗，去除血液污染，再用微流控平台（如10xGenomicsChromium）捕获单细胞，冻存于液氮中，确保细胞活性。同时，开发“微量样本扩增技术”（如MALBAC-PCR），从10个细胞即可获得基因组数据。第二挑战是“数据解读与临床决策”。单细胞数据复杂，需要专业的生物信息学团队支持。我们开发了“临床单细胞数据分析平台”（Clin-SCA），整合细胞聚类、差异表达、轨迹推断等功能模块，并内置“儿童肿瘤细胞图谱数据库”，帮助临床医生快速解读数据。同时，组建“临床-生物信息学-分子病理学”多学科会诊团队，共同制定治疗方案。现存挑战与应对策略：正视“技术瓶颈”与“伦理考量”第三挑战是“伦理与成本”。单细胞测序成本较高，且涉及患儿隐私保护。我们通过“多中心合作”分摊成本，并开发“简化版单细胞测序方案”（如靶向测序+scRNA-seq），降低费用。在伦理方面，严格遵循“知情同意”原则，对数据去标识化处理，确保患儿隐私安全。未来发展方向：从“静态图谱”到“动态监测”未来单细胞技术在儿童肿瘤中