先给一句短答案：在胰腺癌里，"减少间质"不是一个动作，是三件同时发生、方向未必一致的事——撤掉间质提供的支持、撤掉间质施加的限制、以及改变药物进入的条件。三个被并称为"减少间质"的关键实验动的对象、时点与读数都不同，所以不能当成同一个问题的三张选票；把三件事分开记账，才看得出它们各自问了什么、又各自没回答什么。而在只有一个净结局读数时，支持和限制在数学上只能以差值出现，分不开。
一、三个"减少间质"的实验，做的不是同一件事
胰腺导管腺癌（PDAC）的肿瘤组织里，癌细胞常常只占少数，其余是成纤维细胞、胶原和免疫细胞。长期的默认解释是这层间质在帮肿瘤：挡住药、压住血管、抑制免疫。2009 至 2014 年间的三项小鼠实验直接检验了这个解释，结论并不一致：
| 实验 | 动了什么 | 测了什么 | 结果 |
|---|---|---|---|
| Olive 2009（s1） | Smoothened 抑制剂 IPI-926 急性抑制 Hedgehog 通路 | 瘤内吉西他滨浓度、血管密度、增殖与凋亡、肿瘤体积、生存、肝转移 | 瘤内药物一过性升高（机制是功能性血管密度与灌注增加）；联合吉西他滨把 KPC 小鼠中位生存从 11 天延到 25 天（P=0.001），肝转移更少（P=0.015），14/17 只肿瘤在 1–2 周内一过性缩小 |
| Rhim 2014（s2） | 在癌细胞里删除 Shh（旁分泌配体），或长期用 SMO 抑制剂 | 组织学、血管、生存 | 肿瘤分化更差、血管更多、更具侵袭性；对 Shh 缺失的肿瘤单独加抗 VEGFR 抗体反而改善生存 |
| Özdemir 2014（s3） | 用 αSMA-tk 遗传系统选择性杀掉 αSMA 阳性肌成纤维细胞 | 组织学、免疫、生存 | 肿瘤未分化、免疫抑制加重、生存缩短；补吉西他滨也没能挽回 |
三项都真实，但它们动的对象、时点、持续时间都不同，读数也只有部分重叠：
- 对象不同。Olive 抑制的是一条信号通路；Rhim 删的是癌细胞自己表达的 Shh 配体，动的是旁分泌信号，不是直接清除细胞；Özdemir 用自杀基因直接杀掉 αSMA 阳性的那一类肌成纤维细胞。三者不能合称"移走产生间质的细胞"。
- 时点与持续时间不同。Olive 是在已成瘤的 KPC 小鼠上给药 8–12 天的急性干预，Rhim 与 Özdemir 是从早期起就缺失或持续耗竭，肿瘤有足够时间重塑间质与血管。Rhim 那篇正是拿这一点解释两边为什么不同：急性改善输送与长期取消这层组织，后果可以相反。
- 读数不完全重叠，但也不是"各只测一项"：Olive 同时报了药物浓度、血管密度、凋亡、体积、生存与肝转移。
所以真正该问的不是"间质是好是坏"，而是：动的是哪一部分、什么时候动、动多久，以及组织在这段时间里怎样重塑。 把三项当成同一个量的三张选票，才是把不同的东西当成了一件事。
二、只有一个净结局读数时，支持与限制分不开
把这件事写清楚。设间质密度为 $s$，间质对肿瘤净生长率的贡献分成支持 $a$ 与限制 $b$，药物杀伤强度随间质密度下降（输送项 $\varphi(s)$）：
这里三个读数都是净增长率的变化，不是生存时间；本节不把它换算成"活多久"，那还要再假定负荷与死亡之间的关系。
把间质从 $s_0$ 降到 $s_1$ 之后，三个可观测量各自对应：
- 不加药时的生长变化 $=(a-b)(s_1-s_0)$ —— 只含 $a-b$；
- 瘤内药物暴露的变化 $=k_{\max}[\varphi(s_1)-\varphi(s_0)]$ —— 只含输送项；
- 加药之后的净变化 = 前两项之差 —— 一个数里混着两件事。
于是：只有第三个读数时，同一个观测值对应一整族机制。本篇的数值例子（$s_0=0.6$，去掉 80%，$\varphi=e^{-3s}$，$k_{\max}=0.5$）里，$(a,b)=(0,0)$、$(0.3,0.3)$、$(0.6,0.6)$ 三组给出完全相同的净变化 $-0.266$；只有 $a-b$ 能被反推。要把 $a$ 与 $b$ 分开，光"再加一个读数"不够——那个读数必须能写出它与 $a$ 或 $b$ 的对应关系。Rhim 那篇"给 Shh 缺失的肿瘤加抗 VEGFR 就能改善生存"是一个可用的例子：它说明去掉这层组织后新增的血管这一条通路，其净作用是有害的，因而把原来算在"限制"里的一部分定位到了血管；但它给的是这一条通路的符号，不是 $a$ 与 $b$ 的数值分解。另外要说清，$a$ 与 $b$ 只以差值出现是这套加性模型的精确性质，不是关于真实生物的普遍定理——若支持与限制作用于不同的项（例如一个改增殖、一个改死亡或改药效），它们就未必只以差值出现。
在这组参数下还能算出一个门槛：当限制强于支持到 $a-b=-0.6$ 时，去间质带来的输送增益要达到基准的 1.08 倍以上，净效果才由坏转好；而 $a-b=-0.3$ 时基准增益已经够用。这个门槛的具体数值依赖于假设的 $\varphi$，但"存在这样一个门槛、且它由两项的相对大小决定"不依赖假设。
三、患者组织里的相关性裁决不了这件事
那不做小鼠实验，直接看患者组织里"间质多的人活得久还是短"行不行？本篇用 TCGA 的胰腺癌队列（paad_tcga_pan_can_atlas_2018，184 例，177 例有表达数据）实测了一遍，结论是：不行，而且失败的方式很具体。
第一，这个队列里的"肿瘤"多半不是肿瘤细胞。 用 PanCanAtlas 的 ABSOLUTE 拷贝数纯度估计，158 例可算样本的肿瘤纯度中位数只有 0.40，四分位区间 0.29–0.65，47% 的样本低于 0.4。这不是本篇的发现，该队列自己的标志论文（s8）写得更直白：中心病理复核的癌细胞比例范围 0–53%、中位 18%，ABSOLUTE 估计范围 9–89%、中位 33%（本篇用 PanCanAtlas 的 ABSOLUTE 结果算得 0.40，与之接近但不完全相同，可能来自样本集与数据冻结版本不同）；该文并写明"典型的原发胰腺癌往往只有 5–20% 的癌细胞比例"，"这种低细胞比例一直干扰着对真正癌细胞的突变与表达分析"，并因此把纯度最低的那一个分子分组整个排除在整合分析之外。
第二，"间质信号"与"免疫信号"在整块组织里高度重合。 这里要先交代打分方式：本篇用的是 ESTIMATE 公布的 141 个间质基因与 141 个免疫基因名单（本机匹配到 136 与 140 个），但算法是各基因跨样本标准化后取平均，不是 ESTIMATE 原方法的样本内全转录组 ssGSEA。两种算法不保证给出同一个样本排序，所以下文的分数是"本篇的自定义签名分"，不能当作对标准 ESTIMATE 算法的验证。
两个分数之间的 Spearman 相关是 0.84，与 ABSOLUTE 纯度的相关分别是 −0.29 与 −0.27（$p<0.001$）。相关这么高，至少一部分来自组成约束（同一块组织里非肿瘤成分多，两类分数就一起高），但也可能有真实的共同变化——本篇分不开这两者，只能说在 bulk 数据里"间质多"与"免疫细胞多"很难各自读出。
第三，关联本来就不显著，校正纯度后更弱，换个亚组还会翻符号。
| 样本集 | n（事件数） | 间质分单独（每 1 个标准差的风险比） | 加入纯度后 |
|---|---|---|---|
| 全部有随访 | 177（92） | 1.13（0.93–1.38），p=0.21 | — |
| 有 ABSOLUTE 纯度 | 158（86） | 1.21（0.98–1.49），p=0.082 | 1.09，p=0.47 |
| 仅导管腺癌 8500/3 | 123（75） | 0.95（0.77–1.17），p=0.64 | 0.91，p=0.43 |
| 纯度 ≥ 0.4 | 84（42） | 1.21（0.90–1.64），p=0.21 | 1.22，p=0.26 |
第四，换一个用病理直接量间质的队列，结论一样，方向还相反。 CPTAC 的胰腺导管腺癌队列（s12，138 例有完整组织学计数）由病理医师直接给出四项组成比例：间质 50%（IQR 35–64）、癌细胞 25%（16–43）、炎症 5.6%、腺泡 1%，四项之和中位 98%——它们是一块组织的划分。既然是划分，"间质多"就机械地等于"别的少"：实测间质比例与癌细胞比例的 Pearson 相关是 −0.68（Spearman −0.64）。生存分析（132 例、75 例死亡）给出：
| 模型 | 每 1 个标准差的风险比 | p |
|---|---|---|
| 病理间质比例，单独 | 0.89（0.71–1.11） | 0.32 |
| 病理间质比例，加入癌细胞比例 | 1.05（0.76–1.45） | 0.76 |
| 癌细胞比例，单独 | 1.22（0.98–1.52） | 0.073 |
中位分组的对数秩检验 p=0.66。两个队列都测不到稳定关联，而且点估计的方向相反（TCGA 的自定义转录组间质分 1.13，CPTAC 的病理间质比例 0.89）。要注意这两个"每 1 个标准差"不是同一个暴露量——一个是转录组分数的标准差，一个是病理比例的标准差，两条区间不能合成一个共同的效应范围，也不能据此宣布某个区间之外的生物学作用已被排除。各自能说的只是：在这两份数据、这两种测量下都没有看到明确关联。
顺带得到一个对方法有用的数：本篇的自定义间质签名分与病理实测间质比例的 Spearman 相关只有 0.42（与癌细胞比例 −0.39）。秩相关 0.42 说明两者的排序只是中等一致；它不等于"原始比例的方差被解释了多少"，那要另算。要点是：把这类签名分直接当成间质含量的定量指标要小心，而这条只对本篇的打分方式成立，标准 ESTIMATE 算法的表现本篇没有测。
也就是说，这份广泛使用的患者数据既不支持"间质多活得短"，也不支持"间质多活得长"；它测到的东西里有相当一部分是"取到的组织里肿瘤占比多少"。把这种关联当成"间质是帮凶"的证据，是把组织取样的组成当成了生物学。
四、输送这一支可以算，而且有一个与肿瘤大小有关的硬结论
三项作用里，输送是唯一可以从物理上算出量级的。用球形肿瘤的经典间质压模型：稳态下间质压满足 $\nabla^2 p=\frac{L_p(S/V)}{K}(p-p_v)$，其中 $L_p$ 是血管壁导水率、$S/V$ 是血管表面积密度、$K$ 是间质导水率。球对称解是
$\bar r=r/R$，$P$ 是归一化到血管驱动压的间质压。间质流速正比于 $-\mathrm dP/\mathrm d\bar r$，方向向外——这正是这套经典理论的要点之一：升高的间质压把间质液向外推，与大分子向内的扩散相抗。所以下面算的是"间质里还有没有可观的对流"，不是"药能不能到"。
关键在于 $\alpha$ 的结构。写 $\kappa=\sqrt{K/(L_p\,S/V)}$，则 $\alpha=R/\kappa$，而 $\kappa$ 是一个只由组织性质决定、与肿瘤大小无关的长度——它是压力剖面的特征衰减长度；按某个相对流速阈值定义的边缘层厚度还带有依赖α的系数。于是：
- $\alpha$ 小（瘤小或间质疏松）时，压力梯度贯穿整个肿瘤，对流在整个体积里都还有份量；
- $\alpha$ 大时，核心压力平到与血管驱动压持平（$\alpha=5$ 时核心已达 0.93，$\alpha=10$ 时 0.999），对流只剩下薄薄一层边缘。实测的 PDAC 间质压"整个核心又高又平"，反推的正是 $\alpha\gtrsim5$。
- 因为这层的厚度只由 $\kappa$ 定（本判据下约 2.3–2.8 $\kappa$，随 $\alpha$ 略变），它占的体积比例随半径下降。把 $\kappa$ 定在 0.3 mm（对应半径 3 mm 的小鼠肿瘤 $\alpha=10$），小鼠肿瘤有 59% 的体积里相对流速仍达到边缘的一成，半径 15 mm 的人肿瘤只有 13%。这个 10% 是本篇自选的判据，不是疗效阈值；换一个阈值绝对数会变，趋势不变。
由此得到一条只依赖这套方程结构的缩放关系：在 $L_p$、$S/V$、边界条件与阈值都不变时，要让半径放大 $n$ 倍的肿瘤保持同一个 $\alpha$、从而保持同样的比例，间质导水率必须放大 $n^2$ 倍。小鼠 3 mm 到人 15 mm 就是 25 倍。数值上验证：把导水率提高 5 倍，小鼠肿瘤从 59% 升到 94%，人肿瘤只从 13% 升到 29%；提高到 25 倍时人肿瘤才追平小鼠的原始水平，而那时小鼠早已饱和在 99.7%。
要顺带纠正一个容易顺口说错的地方：比例本身不是按 $R^2$ 衰减的。$\alpha$ 很大时这层的厚度趋于常数倍的 $\kappa$，于是比例 ≈ 常数 × $\kappa/R$，按 $1/R$ 走——实算 $\alpha=100$ 时 0.0685、$\alpha=200$ 时 0.0345，正好减半。$n^2$ 说的是"要抵消这个下降、把 $\alpha$ 拉回原值，导水率得涨多少"，两句话不是一回事。
这个模型能说什么、不能说什么要分清。它算的只是间质里的对流力学：方程里没有跨血管的药物通量、没有扩散、没有细胞摄取与代谢，所以 59% 与 13% 是"相对流速达到边缘一成的体积比例"，不是"药能到达的体积比例"。药物真正进入组织要走三个过程——血管里滤出、在间质里输运、被细胞取走——这里只碰了中间一段。而吉西他滨是分子量 263 的小分子，扩散本来就快，间质压对它的限制远小于对大分子和纳米颗粒的限制；Olive 那篇观察到的机制也不是间质压下降，而是功能性血管密度与灌注上升。所以这一节能给的是一句有条件的话：在固定组织性质、大α和相同相对流速阈值下，该阈值覆盖的体积比例约按 $1/R$ 缩小；保持同一α所需的导水率按 $R^2$ 变化。药量与疗效还需要单独的输运和药效关系。
五、到人身上：缓解率提高，生存没有改善
上面这条尺度结论有一个直接的临床对照。PEGPH20（聚乙二醇化透明质酸酶）在小鼠上能降低胰腺癌的间质压、改善灌注与药物递送；三期随机试验 HALO-301（s4）把它加到白蛋白紫杉醇＋吉西他滨上，在透明质酸高表达的转移性胰腺癌患者中做：
- 客观缓解率 47% 对 36%（缓解比 1.29，1.03–1.63）；
- 缓解持续时间中位 6.1 对 7.4 个月——缓解的人更多，缓解却没有更久；
- 中位总生存 11.2 对 11.5 个月，风险比 1.00（0.80–1.27），p=0.97；中位无进展生存 7.1 对 7.1 个月。
要克制地读这组数。缓解率是肿瘤反应的结局，它上升不等于本试验测到了输送改善——试验没有测瘤内药物浓度，缓解率也可能来自别的变化。本篇第二节刚说过净结局不足以分解各项贡献，这里就不能反过来用两个临床终点把贡献定下来：说"输送这一支确实起作用、只是被限制解除抵消了"是超出证据的。能说的是：更多患者一度达到缓解，没有换来更长或更持久的收益，而失败的原因（输送增益本就不大、限制被解除、缓解不持久、或别的变化）这组结果分不开。第四节的尺度关系是一个待检验的候选解释，不是本试验的标定结果。
六、"间质"不是一种细胞，"减少间质"也不是一个剂量
把上面几节的结论落到操作上，还得注意被动的对象是什么。胰腺癌的成纤维细胞至少分成几类功能不同的群体：紧贴癌细胞、由 TGF-β 驱动、高表达 αSMA 的肌成纤维细胞样群（myCAF），远离癌细胞、由 IL-1 驱动、分泌 IL-6 等因子的炎症样群（iCAF）（s5），以及后来在跨物种单细胞图谱里定义的抗原提呈样群（apCAF，s6）。
这意味着 Özdemir 那篇杀掉的是 αSMA 阳性的那一类，不是"间质"。它得到的结论应当读作"去掉肌成纤维细胞样群会让肿瘤更凶"，而不是"去掉间质会让肿瘤更凶"；同理，抑制 Hedgehog 主要影响的是 Shh 驱动的那一部分间质形成。第一节表格里那三行之所以不冲突，一部分原因就在这里。
七、边界、反例与可以检查的预期
本篇没有证明的：
- 第三节的两个队列分析只说明"这两份数据的相关性不能裁决"，不说明间质与预后无关。样本量与事件数分别是 177/92 与 132/75，对每标准差 1.2 量级的效应功效有限，不能由两种不同暴露的区间合成一个生物学效应上界；两个队列都是手术切除标本，只代表可切除病例；ABSOLUTE 是 DNA 层面的纯度估计，与表达层面或病理层面的非肿瘤成分不是同一个量。
- 第四节的模型是稳态、球对称、只含对流的卡通。$\kappa=0.3$ mm 是为了让小鼠肿瘤对上"核心压力平坦"而设的标度，不是实测值；变到 0.6 mm 或 0.15 mm 时绝对比例会变，但 $n^2$ 那条尺度关系不变。模型不含血管塌陷、固体应力、淋巴回流与药物代谢。
- 第二节的门槛数值依赖于假设的 $\varphi(s)$；只有"支持与限制只能以差值出现"这一条是精确的。
- 三项小鼠实验的原文数字本篇按原文引用，没有复算其中任何一项的生存曲线或浓度测量。
- 本篇不评价任何在研药物，也不构成任何治疗建议。健康议题按本库规矩只作研究。
被数据修正的预期： 开题时我预计"间质多"至少会与更差的生存有一个稳定的弱关联（这是文献里常见的说法）。实测是：TCGA 全样本 HR 1.13（0.93–1.38）不显著，校正纯度后 1.09，只看导管腺癌时翻到 0.95；CPTAC 用病理直接测的间质比例给 0.89（0.71–1.11）。两个队列都不显著且方向相反，按实测写成"关联不稳定"，不挑一个亚组或一个队列当结论。
可以检查的预期：
- CPTAC 那份病理计数给了一个现成的检验台：任何自称"测间质含量"的转录组指标，都可以先去对一对那 138 例的实测比例（本篇这套自定义打分只对到 0.42）。若换用别的间质签名或改用标准 ESTIMATE 的 ssGSEA 算法后与生存的关联变得显著，第一步要查的是它与纯度、与病理癌细胞比例的相关有多强——但本篇不预言"换任何签名都仍不显著"，那不是这两份数据能担保的。
- 第四节预期的是大病灶中达到相同相对流速阈值的体积比例较低；是否因此药量或疗效较差，还需检验输送—药效映射。要小心怎么检验：辅助治疗与晚期治疗之间同时变了病程、总负荷、病灶位置与治疗背景，不是只变了病灶大小，因此两者的疗效差异不能直接当作这条尺度关系的检验。比较干净的做法是在同一背景下比较不同大小的病灶，例如同一患者体内不同尺寸转移灶的反应，或动物模型里按体积分层。
- 若"限制"主要经由血管，那么在去除间质的同时抗血管，应当把去间质从有害变为无害或有益——Rhim 那篇在 Shh 缺失肿瘤上已给出一个例子，值得在肌成纤维细胞耗竭模型里重复。
- 若第二节的记账方式成立，在本模型里，已知间质变化且建立药量—杀伤关系后，不加药净增长、瘤内药量和加药净增长的对照有助于约束 $(a-b,\ \text{输送增益})$；生存时间不能未经映射替代净增长率。