溝脇尚志・吉村通央 研究室（放射線腫瘍学・画像応用治療学）

⚠️ 本研究室有两位需要准备的对象：溝脇 尚志 教授（研究室整体负责人）与 吉村 通央 准教授。二人研究侧重不同，本文档在"两位目标导师简介"和"联系教授的注意事项"两节做了差异化梳理，请重点关注。

基本信息

项目	内容
教授	溝脇 尚志（Takashi Mizowaki，みぞわき たかし，M.D., Ph.D.）
准教授	吉村 通央（Michio Yoshimura，よしむら みちお，M.D., Ph.D.）
大学	京都大学 大学院医学研究科 放射線腫瘍学・画像応用治療学分野
专攻方向	高精度放射线治疗 × 放射线抵抗性机制 × 肿瘤低氧生物学 × 临床检体组学解析 × 放射组学(Radiomics)
研究科主页	京大医学研究科·研究分野
研究室主页	放射線治療科 官网 ・ スタッフ紹介
邮箱	radonc_office@kuhp.kyoto-u.ac.jp（教室办公室）；myossy@kuhp.kyoto-u.ac.jp（吉村准教授本人）
电话/传真	TEL 075-751-3417 / FAX 075-771-9749
校区	京都市左京区（吉田/聖護院川原町，京大医学部附属病院内）

---

研究室定位与你的匹配度（先读这一段）

这个研究室的性质与你此前深读的 小川(Ogawa)、昆(Kon)、古川(Furukawa)、藤本(Fujimoto) 等实验室有本质区别，为避免误判，先做一个诚实的定位说明：

• 这是一个"放射线肿瘤学(Radiation Oncology)"研究室，不是癌症基因组学/分子病理学实验室。 它对"肿瘤"的切入视角是 放射抵抗性(radioresistance)、肿瘤低氧(hypoxia)、治疗响应与转移，而不是驱动突变、cohesin 生物学、癌症基因组架构。因此，你此前建立的"cohesin 生物学 + 基因组大数据"叙事主线，在这里无法直接延续——需要换一条叙事线（见下文）。
• 研究室由三个子团队构成：① 临床组（溝脇、吉村 + 大量临床医师，做临床放疗与临床试验）；② 生物学组（诹访 Suwa、井上 Inoue 等，做低氧/放射抵抗/NETs 的基础研究）；③ 医学物理组（中村光宏教授领衔，做高精度放疗技术、AI/机器学习、Radiomics）。
• 你的 R/生信技能在此有真实且明确的落点，但落点集中在三处：(a) 临床检体组学解析（官网明列方向）、(b) 放射抵抗因子网罗性解析（即 omics/高通量筛选）、(c) 放射组学 Radiomics（影像数据 + 机器学习预测模型）。此外，作为一个临床数据密集的实验室，生存分析/Cox 回归/临床队列统计（R 的强项）是日常刚需。
• 一个被低估的优势：该研究室官网明确欢迎"physicians, biologists, and physical engineers"。你是临床医学生 + 会做数据分析——这正是"临床检体组学"和"放射组学"两个方向最稀缺的复合型人才画像。相比纯生信实验室，这里"临床背景 + R/生信"的组合反而更有辨识度。

💡 一句话总结：如果你对"放射线肿瘤学"这个领域本身有兴趣，愿意把数据分析能力用在治疗响应生物学 + 临床/影像数据上，这是一个很强的选项；如果你的核心执念是"癌症基因组/病理的生信分析"，那么本研究室与你的 Ogawa/Kon/Furukawa/藤本目标是不同赛道，建议把它定位为"备选/交叉方向"，而非首选主线。

---

两位目标导师简介

🔹 溝脇 尚志 教授（研究室整体负责人）

维度	内容
临床担当领域	泌尿器癌（前列腺癌）、脑肿瘤、高精度放射线治疗（定位放射照射 SRS/SBRT、强度调制放疗 IMRT）
研究关键词	放射抵抗性机制、临床检体组学、高精度放疗技术开发、动体追尾照射(4D-RT)、免疫放射治疗
学术体量	Google Scholar 引用约 1 万余次；ResearchGate 收录论文 600+ 篇（以临床放疗与医学物理为主）
理念（官网原话转述）	"开发革新性放射治疗技术以根治恶性肿瘤。分子生物学研究上，通过解析实验检体与临床人癌检体中的 DNA/RNA/蛋白质，究明放射抵抗性的原因并开发克服方法；物理工学研究上，推进 IMRT、定位放疗、四维放疗等高精度放疗。"

溝脇教授主导的三大研究方向（这是研究室的官方框架）：

• ① 生物学研究（与你的生信技能最相关）
  • 临床检体组学解析（omics analysis using clinical specimens）——直接需要 R/生信
  • 放射抵抗因子的网罗性(comprehensive)解析——即高通量/组学筛选，鉴定导致肿瘤放射抵抗的因子
  • 好中球细胞外陷阱(NETs)与远隔转移研究——血管内氧化还原失衡→肺内 NETs→捕获循环肿瘤细胞→促进肺转移
  • 补体(complement)靶向的免疫放射治疗
  • 放射增感剂(radiosensitizer)开发
  • 与放射线生物研究中心合作研究肿瘤特异性低氧；与复合原子力科学研究所合作硼中子捕获疗法(BNCT)、免疫放射治疗
• ② 物理工学研究
  • 与国内企业共同开发高精度图像引导放疗装置 OXRAY（临床评价中）
  • 革新照射技术：动体追尾照射(DTT)等四维放疗、Biaxially Rotational Dynamic-Radiation Therapy (BRDT)
  • 将物理技术与分子生物学融合，追踪分子层面的肿瘤靶点，实现个别化放疗
• ③ 临床研究
  • 将生物学与物理学成果临床转化，开展高精度放疗与手术/化疗结合的集学治疗临床研究

🔹 吉村 通央 准教授

维度	内容
临床担当领域	胰腺癌、乳腺癌、头颈部癌
研究关键词	肿瘤微环境/低氧、放射组学(Radiomics)预测建模、动体追尾放疗临床试验、局部进展期胰腺癌
研究背景底色	早期以肿瘤微环境与低氧的放射生物学为研究底色（其 2013 年在 BioMed Research International 的综述 "Microenvironment and Radiation Therapy" 即以肿瘤低氧为主题）
近年重心	①作为主导者开展胰腺癌动体追尾中等分割 IMRT 的多中心 II 期临床试验（Cancer Med 2025）；②放射组学方向的临床预测研究（如 delta-radiomics 预测胰腺癌/肺癌远隔转移，与医学物理组足立孝则等合作，吉村为共著者）
联系方式	邮箱 myossy@kuhp.kyoto-u.ac.jp（可直接联系的准教授本人邮箱）

📌 差异化要点：若你想主攻"临床-生信结合 / Radiomics / 临床队列统计"，吉村准教授是研究室内最直接的对接人（他的临床试验与放射组学工作本身就高度依赖数据分析）；若你想主攻"临床检体组学 / 放射抵抗因子网罗性解析 / 低氧生物学"这类更偏基础组学的方向，则应主打溝脇教授及其生物学组（诹访 Suwa、井上 Inoue）。两条线都能用上你的 R/生信技能，但导师与切入点不同——邮件中最好明确你倾向哪一条。

---

研究方向概述（按你的兴趣重新组织）

方向一：临床检体组学 & 放射抵抗因子网罗性解析（你的生信主战场）

研究室的核心科学问题之一是：为什么有些肿瘤对放疗抵抗？如何克服？ 方法上通过解析临床人癌检体与实验检体中的 DNA/RNA/蛋白质，进行**网罗性(comprehensive/omics)**筛选来鉴定放射抵抗相关因子，并寻找可干预的靶点。这类工作天然需要：转录组/蛋白组/代谢组数据分析、差异表达、通路富集、生物标志物筛选与临床验证——全部是 R/生信的用武之地。

代表性范式（诹访达也 助教主导）：SPINK1 作为肿瘤低氧的血浆标志物与放射增感靶点（JCI Insight 2021）——从组学筛选出发，鉴定低氧诱导的分泌型标志物，并验证其作为放疗增感靶点的价值。这是"组学筛选 → 生物标志物 → 治疗靶点"的完整链条，也是你可以立即读懂并贡献的类型。

方向二：好中球细胞外陷阱(NETs)与肿瘤转移（研究室招牌基础方向）

这是研究室在官网重点展示的方向（配有 NETs 捕获循环肿瘤细胞的荧光图）。核心发现：血浆氧化还原失衡（白蛋白氧化）可在无外源炎症刺激的生理条件下诱导 NETosis，生成的 NETs 主要富集于肺，捕获循环肿瘤细胞(CTC)从而促进肺转移（井上稔 Inoue 的 Nature Communications 2018 奠基工作）。近年延伸到低钠血症诱导 NETs 升高致命性肺栓塞风险（PNAS 2024，井上稔 × 溝脇）。

该方向以湿实验（小鼠模型、in vivo 成像、细胞生物学）为主，但临床队列关联分析（如头颈癌患者中白蛋白氧化与肺转移的相关性）需要生物统计，是你可参与的接口。

方向三：放射组学(Radiomics) & 医学物理中的 AI/机器学习（数据科学重镇）

医学物理组（中村光宏 教授领衔）在放射组学预测建模与放疗质量保证(QA)的 AI 应用上产出密集：如用增强/非增强 CT 的 delta-radiomics 预测胰腺癌远隔转移、基于放射组学的肺癌远隔转移预测模型的前瞻性外部验证、深度学习自动勾画、机器学习 QA 等。吉村准教授在临床端与该方向深度联动。

这条线是纯粹的"影像/数据 + 机器学习"，与你的 R/ML 技能直接对接，且门槛主要在数据分析而非湿实验——对数据分析型学生非常友好。

方向四：高精度放疗技术开发与临床试验（研究室的临床-物理主干）

包括自主研发的高精度图像引导放疗装置 OXRAY、动体追尾照射(DTT)、Biaxially Rotational Dynamic-Radiation Therapy (BRDT) 等革新照射技术，以及大量 IMRT/SBRT 临床试验（前列腺癌、胰腺癌、头颈癌、肝肿瘤、鼻咽癌等）。这是研究室的"主干"，虽非你的生信主战场，但理解它有助于把握研究室的整体语境与临床问题来源。

---

为什么选择这个研究室

• 你的技能有真实落点（最重要）：官网白纸黑字列出"临床检体组学解析"与"放射抵抗因子网罗性解析"两个方向，加上医学物理组的放射组学/机器学习，构成 R/生信技能的三个明确接口。且作为临床数据密集的研究室，生存分析、Cox 回归、临床队列统计是日常刚需——这些正是 R 的强项。
• "临床医学生 + 数据分析"是稀缺画像：研究室明确欢迎医师、生物学者、物理工学者三类人。你既有临床背景又能做数据分析，恰好卡在"临床检体组学"和"放射组学"最需要的复合型人才位置上，辨识度高于纯生信申请者。
• 顶级机构 + 国际化友好：京都大学医学研究科；现有大量国际研究生（博士课程 Guan Zixu、Xu Zhichun，硕士/大学院生中有 张爽、金智瑩 等，博士 Liang Zhao 等），对留学生开放。
• 发表覆盖面广、平台高：Nature Communications、PNAS、JCI Insight（生物学）；Radiotherapy and Oncology、Int J Radiat Oncol Biol Phys、Cancer Med、J Radiat Res（临床/物理）等持续产出。
• 转化链条完整：从基础（低氧/NETs/放射抵抗机制）→ 生物标志物（SPINK1、白蛋白氧化）→ 技术开发（OXRAY、BRDT）→ 临床试验，是一个从分子到病人闭环的转化型研究室。
• 两位导师可组合切入：溝脇（基础组学/放射抵抗/整体）与吉村（临床-生信结合/放射组学/低氧）提供了两条都能用上你技能的路径，灵活性高。

⚠️ 诚实提醒（再次强调）：本研究室不是癌症基因组/分子病理实验室。若你申请材料里想复用 cohesin/重编程/Wnt 那套叙事，会显得"文不对题"。请针对性地把叙事换成"用数据分析能力研究放射抵抗性 / 治疗响应 / 影像预测"，并结合你对肿瘤微环境、低氧、组学的兴趣来写。

---

论文列表

核心论文（必读）

1. Inoue M, Nakashima R, Enomoto M, Koike Y, Zhao X, Yip K, Huang SH, Waldron JN, Ikura M, Liu FF, Bratman SV. "Plasma redox imbalance caused by albumin oxidation promotes lung-predominant NETosis and pulmonary cancer metastasis." Nature Communications (2018) 9:5116. — NETs 方向的奠基之作（研究室官网展示图的来源）：白蛋白氧化引起血浆氧化还原失衡，在无炎症刺激下诱导 NETosis，NETs 主要在肺捕获循环肿瘤细胞促进肺转移；并在头颈癌患者队列中验证了白蛋白氧化与肺转移的相关性。含临床队列关联分析（生物统计接口）。

2. Suwa T, Kobayashi M, Shirai Y, Nam JM, Tabuchi Y, Takeda N, Akamatsu S, Ogawa O, Mizowaki T, Hammond EM, Harada H. "SPINK1 as a plasma marker for tumor hypoxia and a therapeutic target for radiosensitization." JCI Insight (2021) 6(24):e148135. — 与你生信技能最直接对接的范式论文：从组学筛选出发鉴定低氧诱导的分泌型标志物 SPINK1，作为肿瘤低氧的血浆生物标志物与放射增感靶点。诹访达也（现任助教）主导，溝脇为共著者。"组学筛选 → 生物标志物 → 治疗靶点"的完整链条。

3. Adachi T, Nakamura M, Iwai T, Yoshimura M, Mizowaki T. "Delta-Radiomics Approach Using Contrast-Enhanced and Noncontrast-Enhanced Computed Tomography Images for Predicting Distant Metastasis in Patients With Borderline Resectable Pancreatic Carcinoma." Advances in Radiation Oncology (2025). — 放射组学/机器学习范式：用增强与非增强 CT 的 delta-radiomics 特征构建远隔转移预测模型。吉村准教授为共著者，与你的 R/ML 技能直接对接，是理解研究室"影像数据 + 预测建模"路线的最佳入口。

4. Yoshimura M, Itasaka S, Harada H, Hiraoka M. "Microenvironment and Radiation Therapy." BioMed Research International (2013) 2013:685308. — 吉村准教授第一作者综述：系统梳理肿瘤微环境与低氧对放疗的影响。理解吉村研究背景底色的最佳起点，也是补齐"低氧放射生物学"知识的入门综述。

5. Yoshimura M, Hiraoka M, Kokubo M, Sakamoto T, Karasawa K, Matsuo Y, Nakamura M, Mukumoto N, Morita S, Mizowaki T. "Multi-Institutional Phase II Study on the Efficacy and Safety of Dynamic Tumor-Tracking, Moderately Hypofractionated Intensity-Modulated Radiotherapy in Patients With Locally Advanced Pancreatic Cancer." Cancer Med (2025) 14:e70648. — 吉村准教授主导的临床试验代表作（局部进展期胰腺癌，动体追尾中等分割 IMRT）。展示其临床研究领导力与胰腺癌方向。

6. Inoue M, Takayama K, Hashimoto R, Enomoto M, Date N, Ohsumi A, ... Mizowaki T. "Hyponatremia unleashes neutrophil extracellular traps elevating life-threatening pulmonary embolism risk." PNAS (2024) 121(45). — NETs 方向的近期延伸（井上稔 × 溝脇）：低钠血症诱导 NETs 升高致命性肺栓塞风险，体现研究室 NETs 生物学的持续深耕与向临床问题的拓展。

扩展阅读

7. Adachi T, Nakamura M, Matsuo Y, Karasawa K, Kokubo M, Sakamoto T, Hiraoka M, Mizowaki T. "Prospective external validation of radiomics-based predictive model of distant metastasis after dynamic tumor tracking stereotactic body radiation therapy in patients with non-small-cell lung cancer: A multi-institutional analysis." J Appl Clin Med Phys (2024). — 放射组学预测模型的前瞻性外部验证（NSCLC 远隔转移），方法学与验证严谨性的范例。

8. Iwai T, Yoshimura M, Ashida R, Goto Y, Kishi T, Itasaka S, Shibuya K, Kanai M, Masui T, Fukuda A, Isoda H, Hiraoka M, Mizowaki T. "Hypofractionated intensity-modulated radiotherapy with concurrent chemotherapy for elderly patients with locally advanced pancreatic carcinoma." (2020). — 吉村准教授为通讯作者（myossy@kuhp）的胰腺癌临床研究，理解其临床关注点。

9. Hiraoka S, Hirashima H, Nakamura M, Tanaka F, Adachi H, Ono Y, Ono T, Nakashima R, Nakajima A, Mizowaki T. "Integration Test of Biaxially Rotational Dynamic-Radiation Therapy for Nasopharyngeal Carcinoma: Efficacy Evaluation and Dosimetric Analysis." Radiother Oncol (2025) 207:110879. — 研究室自研革新照射技术 BRDT 的物理/剂量学评价（鼻咽癌），了解物理组技术主线。

10. Kishi N, Nakamura M, Hirashima H, Adachi T, Yoneyama M, Kawata K, Kishigami Y, Ogata T, Murakami T, Iizuka Y, Seno H, Mizowaki T. "First clinical implementation of dynamic tumor-tracking volumetric modulated arc therapy with a gimbal-mounted linac: short delivery time and high precision." J Radiat Res (2026) 67(2):303-307. — 动体追尾 VMAT 的首次临床落地，体现技术开发→临床实装的闭环。

11. Ono T, Iramina H, Hirashima H, Adachi T, Nakamura M, Mizowaki T. "Applications of artificial intelligence for machine- and patient-specific quality assurance in radiation therapy: current status and future directions." (2024). — 医学物理组 AI/机器学习 应用综述，若你想切放射组学/AI 方向，可作为技术全景入门。

---

备注

需要储备的基础知识

放射生物学核心（必须补齐）

• 放疗 4R：Repair（修复）、Reoxygenation（再氧合）、Redistribution（细胞周期再分布）、Repopulation（再增殖）
• 线性二次模型(LQ model) 与 α/β 比、分割照射(fractionation)、生物等效剂量(BED/EQD2)
• 氧效应：氧增强比(OER)、"氧固定假说"，为什么低氧→放射抵抗
• DNA 损伤应答(DDR)：双链断裂修复(HR/NHEJ)与放射敏感性的关系

肿瘤低氧生物学（研究室基础方向的核心）

• HIF-1α 通路、低氧诱导的基因表达重编程、低氧与放射/化疗抵抗
• 低氧成像与检测：FMISO-PET、低氧探针、低氧应答启动子报告系统
• 低氧生物标志物（如本研究室的 SPINK1）

NETs 生物学（招牌方向）

• 中性粒细胞、NETosis 过程、组蛋白瓜氨酸化(PAD4)、NETs 组成（DNA + 组蛋白 + 颗粒蛋白）
• NETs 与转移（捕获 CTC）、NETs 与血栓、氧化还原/ROS 在 NETosis 中的作用

高精度放疗技术概念（理解研究室语境）

• IMRT、VMAT、SBRT/SRS、图像引导放疗(IGRT)、四维放疗(4D-RT)、动体追尾(DTT)
• 放疗质量保证(QA)、剂量学(dosimetry)基本概念

放射组学 & 数据科学（你的强项延伸）

• Radiomics 特征提取（形状、一阶、纹理特征）、delta-radiomics 概念
• 机器学习预测模型的构建/验证/外部验证、过拟合与泛化

免疫放射治疗

• 补体系统基础、abscopal effect（远隔效应）、放疗与免疫的相互作用

BNCT（硼中子捕获疗法，与复合原子力研合作方向）

• 基本原理与临床应用现状（了解即可）

需要了解的技术方法（多数是你已熟悉或可快速上手的生信/统计技能）

• R 语言 / 生信分析（你的核心优势）：临床检体组学、放射抵抗因子网罗性解析、放射组学建模的通用工具
• 生存分析(survival analysis)与 Cox 比例风险回归：临床队列研究的刚需，R（survival、survminer 等包）的强项
• 转录组/蛋白组/代谢组分析：差异表达、通路富集(GSEA/GO/KEGG)、生物标志物筛选
• 机器学习预测建模：特征选择、模型训练与交叉验证、ROC/AUC 评估（放射组学方向）
• 临床试验统计：样本量估算、疗效/毒性终点分析、多中心数据处理
• in vivo 成像与小鼠模型：IVIS 活体成像、移植瘤/同所移植模型（生物学组湿实验，参与需现场学习）
• 细胞生物学/低氧实验：低氧培养、报告基因测定、NETosis 检测（湿实验接口）
• 生物标志物验证流程：从组学发现到临床样本(血浆/组织)验证的完整链条

联系教授的注意事项（含两位导师的差异化策略）

招生途径

• 通过京大大学院医学研究科招生，主要有 医学専攻（博士课程）/ 医科学専攻（修士课程）；研究科亦设 ゲノム医学国際連携専攻（面向国际的基因组医学专攻，可留意）
• 作为中国临床医学本科生，通常路径为：先入 医科学専攻(修士) 或直接申请博士（视学历与资格），MEXT 国费（大使馆/大学推荐）或自费/其他奖学金

⭐ 两位导师的差异化联系策略（本研究室的关键）

你的倾向方向	主打导师	邮件切入点
临床检体组学 / 放射抵抗因子网罗性解析 / 低氧生物学	溝脇尚志 教授（+ 生物学组 诹访/井上）	强调对"临床检体组学解析"与"放射抵抗机制"的兴趣，结合你的 R/生信能力；可具体提及 SPINK1(JCI Insight 2021) 或 NETs(Nat Commun 2018) 论文
临床-生信结合 / 放射组学(Radiomics) / 临床队列统计	吉村通央 准教授（myossy@kuhp.kyoto-u.ac.jp）	强调对放射组学预测建模与临床数据分析的兴趣；可具体提及 delta-radiomics(Adv Radiat Oncol 2025) 或胰腺癌 II 期试验(Cancer Med 2025)

因研究室有两位对象，建议在邮件中明确你更倾向哪条研究线，这样对方能判断该由教授本人还是准教授对接，显得你"做过功课、目标清晰"。若尚未确定，也可礼貌表达"对贵室的临床检体组学与放射组学两个方向都很有兴趣，希望了解哪条更适合具备 R/生信背景的申请者"。

突出你的复合优势

• 明确表达：你是临床医学背景 + 擅长 R 语言与生物信息学分析。研究室官网明确欢迎"医师、生物学者、物理工学者"，而"临床检体组学"和"放射组学"正需要既懂临床又能做数据分析的人——这是你相对纯生信申请者的差异化卖点。

诚实的方向定位（务必内部想清楚）

• 这是放射线肿瘤学研究室，"肿瘤"的切入是放射抵抗/低氧/治疗响应，不是癌症基因组/病理。不要照搬 cohesin/重编程/Wnt 叙事，要换成"数据分析 × 放射抵抗/治疗响应/影像预测"的叙事。
• 若放射肿瘤学本身不是你的兴趣所在，建议将本研究室定位为交叉/备选，而把 Ogawa/Kon/Furukawa/藤本 作为基因组学主线首选。

国际化与语言

• 现有多名国际研究生，对留学生友好；邮件用日语或英语均可（附一句简短日语问候更显诚意）。

其他

• 研究室位于京大医学部附属病院内（京都左京区），临床-研究一体，适合希望"临床 + 研究"结合的申请者。
• 医学物理组（中村光宏教授）虽是相对独立的子团队，但若你对 AI/机器学习/放射组学兴趣浓厚，也可了解其招生（多为医学物理士方向，另有专门入局通道）。