at the single-cell level. So I’m mo

at the single-cell level. So I’m most excited
about technologies that are addressing these
questions at a single-cell level—in a collection
of cells, but at a readout of the single cell.
I think that’s where the action’s going to be.
KP: To us, one of the biggest questions is
how heterogeneity is important for clinical
behavior of the tumor in terms of progression,
therapeutic responses, and also, trying
to understand what sustains heterogeneity.
I mean, what is the reason why you have
particular combinations of clones or mutations
and so on? So we have some data from
experiments where we’re putting in a heterogeneous
mixture of tumor cells with a known
driver, and it’s not becoming homogeneous.
So then the question we’re asking ourselves
is why is it that they don’t have to become
homogeneous to drive the tumor? Because
that has been the accepted view—the driver
mutation becomes the dominant clone; you
don’t have to care about the rest. And I think
the experiments tell us many cancers don’t
conform to that.
To get back to the original question about
technology, there are still things you cannot
do on single cells. Like whole-genome
sequencing; it’s not there yet in terms of having
mutation data. My dream experiment is
to do whole-genome sequencing in situ, if
we’re going to get there, but I think the way to
overcome it is to do whole-genome sequencing
on the bulk and then have technologies
that allow you to look back at the mutations
in single cells. Because we have these studies
coming out, they have hundreds of mutations
per tumor. Are they in the same cell? Or
what fraction of the mutations is? Because
everybody assumes that you need five or six
mutations to get a tumor. But then, why do
we have so many mutations? And then, what
is the composition in different cells and what
are the different combinations?
To me, those are some of the big questions
that we can address, technology-wise. We
cannot fully do everything yet, and of course
there’s the cost of sequencing as well, which
can still be high for single-cell work. But I
think that’s the way to go, to look at single
cells.
AJI: I think we have to develop a few additional
tools, especially the ability to analyze
whole genome sequences from single cells
to fully understand genetic heterogeneity.
Emerging techniques, such as immunohistochemical
analysis with mutation-specific
antibodies, will allow us to perform in situ
studies of heterogeneity of common driver
mutations. We also need multiple sets of

結果 (中文) 1:

在单细胞水平。所以我最兴奋的
有关技术，是解决这
问题在一个单细胞水平的一个集合
细胞，但在一个读出的单细胞。
我觉得那是在那里的行动的打算是。
KP：对我们来说，最大的问题之一是
异质性是非常重要的临床行为的肿瘤进展
，
治疗的反应，和也，试图的
来了解是什么支撑着异质性。我的意思是，是什么原因，你有
的特定组合，克隆或突变
等？所以我们有一些数据
实验，我们将在一个异构

驱动程序与已知肿瘤细胞的混合，它不会变得均匀。
那么接下来的问题我们问自己
是那为什么他们没有成为
均匀的驱动肿瘤？ ，因为
，一直是公认的看法驱动程序
突变成为占主导地位的克隆;，你
不必关心的休息。我认为
的实验告诉我们许多癌症没有
符合这一点。一下
技术，回到原来的问题，仍然有一些事情你可以不
做单细胞。如全基因组
测序，但它不存在方面的
突变数据。我的梦想实验是
做全基因组测序在原地，如果
我们去到那里，但我认为
克服
，大部分是做全基因组测序，然后有技术
，允许你回头单个细胞中的突变
。因为我们这些研究
走出来，他们有数百个基因突变
每个肿瘤。他们是在同一个细胞吗？或
多大比例的突变是什么？ ，因为
大家都认为你需要五六
突变的肿瘤获得。但随后，为什么
我们有这么多的突变？那么，什么是
在不同的细胞组成，有什么
的不同组合对我来说，这些都是一些我们能够解决的大问题

技术明智的。我们
不能完全做到的一切，但，当然，
有成本的测序，
仍然可以是单细胞的工作。但我
认为，是到去，看在单
细胞的方法。
AJI：我认为我们必须到开发一些额外的
工具，特别是到分析
全基因组序列，从单细胞
，以充分了解遗传异质性
新兴技术，如与特定突变
抗体的免疫组化
分析，使我们能够进行原位
常见的驱动程序
突变异质性研究。我们还需要多套

結果 (中文) 2:

在单细胞水平。所以我最兴奋的
技术是解决这些问题，在单细胞水平
收集
细胞，但在读出的单细胞。
我认为那就是行动的打算。
金伯利进程：对我们来说，一个最大的问题是
如何异质性是重要的临床
行为的肿瘤方面的进展，
治疗反应，而且，在
了解维持
异质性。我的意思是，是什么原因让你
特定的组合克隆或基因突变
等等？所以我们有一些数据
实验，把我们在不同的
混合的肿瘤细胞与一个已知的
司机，而不是越来越相似。
所以问题我们问
是为什么他们不必成为
均匀驱动肿瘤？因为
已接受
来看，司机突变成为占主导地位的克隆；你
不必在乎休息。我想
实验告诉我们许多癌症不
符合。
回到最初的问题
技术，仍然有一些事情你不能
做单细胞。喜欢的全基因组测序
；它还没有在
突变数据。我的梦想是做实验
全基因组测序原位，如果
我们是如何到达那里的，但我认为的方式
克服它是做全基因组测序
的体积和技术
然后让你回头看
单个细胞中的突变。因为我们有这些研究
出来，他们有数以百计的突变
每肿瘤。他们在同一个细胞？或
小部分的突变？因为
大家认为你需要五或六
突变获得肿瘤。但是，为什么我们有这么多
突变？那么，什么是
组成在不同的细胞和
是不同的组合？
我，那是一些大问题
我们可以解决，需求。我们
不能完全做的一切，当然
有成本测序以及，这
仍然较高，单细胞的工作。但我
认为这是要走的路，看
单细胞。
味：我认为我们必须制定一些额外的
工具，尤其是分析能力
全基因组序列从单一细胞
充分了解
遗传异质性。新兴技术，如免疫组织化学分析

突变特异性抗体，将使我们能够进行原位
研究异质性共同驱动
突变。我们还需要多套

結果 (中文) 3:

在单个单元格级别。所以我最兴奋
有关技术解决这些问题的
在单个单元格级别的问题 — — 集合中
的单元格，但在读出的单个单元格。
我认为这是行动的打算在哪里。
KP： 对我们来说，最大问题之一是
如何非均质性是重要的临床
行为的进展，肿瘤的
治疗反应,并且，试图
了解什么支撑异质性。
意思是，你为什么有的原因是什么
克隆或突变的特定组合
等等？所以，我们有一些数据从
我们正异构环境的实验
与已知的肿瘤细胞的混合物
驱动程序，和它不成为均质。
所以你的问题我们要问自己
就是为什么是它，他们不必再成为
均质开车肿瘤吗？因为
这一直是公认的观点 — — 驱动程序
突变成为占主导地位的克隆 ；你
无需关心其余部分。我认为
实验告诉我们许多癌症不要
，符合。
才能回到原来的问题
技术，仍有的事情你不能
做对单个单元格。喜欢全基因组
测序 ；它尚不存在的有
突变数据。我梦想的实验是
做全基因组测序在原位，如果
我们要到达那里，但我认为对的方法
克服它是做全基因组测序
大头然后有技术
，允许你回来看突变
在单个单元格。因为我们有这些研究
出来，他们有数以百计的突变
每肿瘤。他们是在同一个单元格中吗？或者
什么突变的分数是？因为
每个人都假定您需要五个或六个
突变要获取一个肿瘤。那么，为什么要做，但是
我们有这么多的突变？然后，怎么
是在不同的单元格和什么组成
是各种不同的组合？
对我来说，这些是大问题的一些
，我们可以解决，俱备。我们
完全不能做的一切，然而，，当然
有的序列，其中成本
仍可以为单个单元格的工作高。但我
觉得，这就是要走，看看单这样的
细胞。
AJI： 我认为我们必须制定几个额外
工具，尤其是分析的能力
从单个单元格的全基因组序列
要充分了解遗传异质性。
新兴的技术，如免疫组织化学
与特定突变的分析
抗体，将使我们能够执行原位
的通用驱动程序的非均质性研究
突变。我们还需要多个集