CRISPR-screen

CRISPR screen (CRISPR スクリーニング)

一行要約

CRISPR/Cas9-based genome-wide screen は、sgRNA library + 選択圧 (薬剤・免疫圧・増殖) 下での fitness 変化を読み出す functional genomics の de facto standard であり、肺癌領域では driver dependency・薬剤耐性遺伝子・免疫回避メカニズム・synthetic lethal 標的 の同定に決定的役割を果たしている。324 がん細胞株 19,000+ 遺伝子スケールの Project Score / DepMap が 628 の優先治療標的を体系化し (Behan et al. Nature 2019)、in vivo epigenetic CRISPR screen が KRAS 変異肺腺癌の免疫療法標的 ASF1A を同定し (Li et al. CancerDiscov 2020)、CRISPR-LCM 統合プラットフォーム CLIM-TIME が 391 TSG の転移性 TME への影響を空間マッピングする (Wang et al. Cell 2026) など、perturbation → readout の設計多様化と in vivo 適用の進展により、がん免疫・エピゲノム・薬剤耐性の分子基盤解明を加速し続けている。

原理と技術プラットフォーム

スクリーニング modality

Knockout (CRISPR KO)

• Cas9 + sgRNA library で frameshift 誘導 → タンパク質喪失
• 代表 library: GeCKO v2 (123,411 sgRNA, 19,050 gene、Patel et al. Nature 2017 で 2CT-CRISPR として免疫スクリーンに初適用)、Brunello (>76,000 sgRNA targeting >19,000 gene、Duplaquet et al. CancerCell 2024 で SCLC-P 陽性選択系に使用)、mTKO v3 (94,528 sgRNA、Lawson et al. Nature 2020 で 6 マウスがん株横断 CTL 回避スクリーンに使用)
• 必須遺伝子は drop-out スクリーン、薬剤耐性は enrichment スクリーン
• ADaM (adaptive Daisy Model) フレームワークにより core fitness gene と context-specific fitness gene を統計的に区別 (Behan et al. Nature 2019)

CRISPR interference (CRISPRi)

• dCas9-KRAB で promoter / TSS 結合 → 転写抑制 (partial loss-of-function)
• KO に比べ off-target 少、reversible、本質遺伝子も解析可能

CRISPR activation (CRISPRa)

• dCas9-VP64 / SAM / SunTag で転写活性化 → gain-of-function
• 過剰発現で薬剤耐性付与因子・gain-of-function driver 同定

Base / Prime editing screen

• 単塩基変異 / 短い indel を pooled で導入 → variant-specific screen
• driver mutation の機能 atlas 構築 (saturation mutagenesis)

Perturb-seq

• Pooled CRISPR + scRNA-seq → 各 perturbation の transcriptome 効果同時測定
• Mechanism elucidation の最新パラダイム

スクリーニング設計

条件	読み出し	用途	代表研究
Drug selection	sgRNA enrichment (耐性付与遺伝子)	薬剤耐性メカニズム	KRAS-G12C 阻害耐性
増殖 selection	sgRNA depletion (必須遺伝子)	tumor dependency	Behan et al. Nature 2019
In vivo / in vitro coculture (T 細胞 / NK)	sgRNA enrichment / depletion (免疫回避)	immune evasion	Lawson et al. Nature 2020
表現型 sorting (陽性選択系)	sgRNA enrichment in phenotype-selected subset	lineage / 分化 driver	Duplaquet et al. CancerCell 2024
CRISPR-LCM 空間統合	sgRNA + 転写 + デコンボリューション	TME 空間免疫組成	Wang et al. Cell 2026
In vivo 転移スクリーン	sgRNA enrichment in metastatic lesions	転移促進 / 抑制遺伝子	She et al. EMBOJ 2023

統計解析手法

解析パイプラインの選択はスクリーン結果に大きく影響する。主要アルゴリズムとして MAGeCK (RRA / MLE)、DrugZ (drug-gene interaction 特化)、BAGEL (Bayes factor-based essential gene calling)、RIGER がある。Behan et al. Nature 2019 は ADaM で core / context fitness gene を分離し、Lawson et al. Nature 2020 は DrugZ + genetic co-similarity network でパスウェイモジュール構造を抽出した。いずれも Input control / baseline representation の厳密な QC と、独立 validation (個別 sgRNA 4 本以上) による再現確認が不可欠である。

主要エビデンス (がん・肺癌領域での貢献)

大規模 Tumor Dependency Map と治療標的の優先順位化

Behan et al. Nature 2019 は 30 がん種 324 細胞株で genome-scale CRISPR-Cas9 fitness screen を実施し、ADaM フレームワークにより pan-cancer core fitness gene 553 個とがん種特異的 context fitness gene を区別した。スコアリングにより 628 の優先治療標的を同定し、その 74% は 1-2 種のがん種に限定される高い context specificity を示した。特筆すべき発見として、WRN (Werner 症候群ヘリカーゼ) が MSI 腫瘍の synthetic lethal 標的として同定され、独立 in vitro / in vivo 実験で検証された。MSI-H 腫瘍は全固形癌の約 15-20% に存在し、WRN 阻害剤の臨床開発が進行中である。このデータは Project Score (score.depmap.sanger.ac.uk) として公開され、がん創薬の基盤情報源となっている。DepMap / Project Achilles と並ぶこの大規模リソースは、KRAS / EGFR 変異株固有の vulnerability (synthetic lethal partners) の系統的探索を可能にしている。

免疫回避メカニズムの網羅的同定

2CT-CRISPR：T 細胞-腫瘍相互作用の初の全ゲノムマップ

Patel et al. Nature 2017 は GeCKO v2 library を用いた 2CT (two cell type) -CRISPR アッセイ (ESO TCR 導入 CD8+ T 細胞 × Mel624 メラノーマ) により、T 細胞エフェクター機能を支持する腫瘍内必須遺伝子 554 件を同定した。上位ヒットは B2M・HLA-A・TAP1/TAP2 (抗原提示)、JAK1/JAK2/STAT1 (IFN-γ シグナル) の既知遺伝子に加え、APLNR (apelin receptor) を新規免疫逃避遺伝子として発見した。APLNR は JAK1 と物理的に相互作用し IFN-γ シグナルを調節する機構が示され、TCGA 36 がん種で cytolytic activity との正相関が確認された。この研究は「腫瘍の免疫逃避をゲノム全域で系統的に解読する」パラダイムを確立した。

6 細胞株横断 CTL 回避コア遺伝子 182 件

Lawson et al. Nature 2020 は mTKO library で遺伝的に多様な 6 種マウスがん細胞株 (Renca, B16, 4T1, EMT6, CT26, MC38) にわたる CTL 共培養スクリーンを実施し、3 株以上で再現するコア CTL 回避遺伝子 182 件を同定した。遺伝的共類似性解析により IFN-γ シグナル・抗原提示・オートファジー・mTOR・NF-κB・ネクロプトーシスなどの機能的モジュールが明示された。新規知見として FITM2 (脂質滴形成酵素) が IFN-γ による ER 恒常性維持に必須であること、オートファジー-NF-κB 軸が TNF-α 誘発細胞傷害への抵抗を制御することが示された。

ADAR1：ICB 耐性克服の鍵

Ishizuka et al. Nature 2019 は in vivo CRISPR screen で ADAR1 sgRNA が免疫能保持マウスで著明に枯渇する現象から出発し、ADAR1 欠損が IFN 誘導 dsRNA 種を PKR (増殖抑制)・MDA5 (炎症誘導) で認識させることで腫瘍免疫を増強する機構を解明した。画期的なのは、B2M 欠損など抗原提示障害による ICB 耐性を ADAR1 欠損が克服できることを実証した点であり、ADAR1 阻害は「ICB 耐性のアンメットニーズ」に対する新戦略として注目されている。

In vivo エピジェネティック CRISPR screen

Li et al. CancerDiscov 2020 は KrasG12D/Trp53-/- 肺腺癌マウスモデルに 524 エピジェネティック制御因子を標的とする sgRNA ライブラリを導入し、免疫担癌マウスでの in vivo screen を実施した。抗 PD-1 処理群で ASF1A (ヒストンシャペロン) sgRNA が有意に枯渇し、Rag1-/- 免疫不全マウスでは枯渇が見られなかったことから免疫細胞依存的効果が証明された。機構的には ASF1A 欠損 → NF-κB/TNFA 経路活性化 → GM-CSF 転写増加 (CSF2 プロモーター占有解除) → M1 様 マクロファージ極性化 → T 細胞活性化という経路が解明され、ASF1A KO + 抗 PD-1 併用で有意な腫瘍抑制・生存延長が示された。この研究は in vivo CRISPR screen がエピジェネティック標的と免疫療法の相乗効果を同定する paradigm を確立した。

CRISPR screen と空間免疫マッピングの統合 (CLIM-TIME)

Wang et al. Cell 2026 は CRISPR screen と laser capture microdissection (LCM) を統合した CLIM-TIME プラットフォームを開発し、391 種の腫瘍抑制遺伝子 (TSG) 欠損が転移性 TME の空間的免疫組成をどのように変化させるかを系統的に解析した。KP マウス肺癌モデルで 3,286 の転移巣を LCM 採取し、sgRNA 同定 + SMART-seq 転写解析 + BayesPrism デコンボリューション + 多重免疫蛍光で 7 種の TME サブタイプを定義した。Hippo 経路 TSG (Nf2, Lats1, Lats2) 欠損は YAP 活性化 → LOXL2 誘導性 ECM 架橋 → T 細胞除外型 TME を形成し、4 モデルで一貫して T 細胞療法抵抗性を示した。逆に DNA 損傷修復経路・Polycomb 複合体 (EZH2) TSG 欠損は免疫浸潤型 TME を形成し療法感受性を増強した。LOXL2 阻害剤 PXS5505 + T 細胞療法の相乗的転移抑制も実証され、CRISPR screen が TME 空間構造の理解を通じた治療戦略開発に直結することを示した。

脳転移免疫監視遺伝子の同定

She et al. EMBOJ 2023 は 6 種 NSCLC 細胞株で GeCKO v2 ライブラリを用い、BALB/c nude マウスへの左心室注入 → 脳転移病変からの sgRNA 回収という in vivo 転移スクリーンを実施した。IFITM1 を oncogenic background 非依存的な脳転移抑制遺伝子として同定し、IFITM1 高発現が補体 C3 分泌 → microglia の C3aR 介在活性化 → IFN-γ 分泌・食作用と、MHC-I 膜局在増強 → CD8+ T cell 細胞傷害活性亢進の二段階で脳転移を抑制する免疫監視機構を解明した。IFITM1 過剰発現 oncolytic virus + 抗 PD-1 併用がマウスで脳転移を抑制し、ICB 奏効と IFITM1 発現が臨床コホートで正相関した。

SCLC subtype 選択的依存性の同定

Duplaquet et al. CancerCell 2024 は POU2F3 陽性 SCLC (SCLC-P、約12%) に対し、DCK*-P2A-GFP ノックイン + BVdU 逆選択系と Brunello library (77,741 sgRNA) による陽性選択 CRISPR screen を構築した。POU2F3 発現を低下させる upstream regulator として mSWI/SNF (BAF) 複合体、特に non-canonical BAF (ncBAF) サブユニット SMARCD1 / BRD9 がトップヒットにランクされた。DepMap 23 SCLC 株解析で POU2F3+ 4 株に ncBAF 選択的依存性が確認され、ChIP-seq で SMARCA4 と POU2F3 cistrome の共局在、ATAC-seq で POU2F3 標的遺伝子座の accessibility 維持が示された。臨床グレード SMARCA4/2 阻害剤・BRD9 degrader の POU2F3+ PDX/CDX での in vivo 有効性が実証され、undruggable TF に対する上流 chromatin regulator 標的化という治療概念を確立した。

Pan-cancer CPI 反応予測と CRISPR screen の統合

Litchfield et al. Cell 2021 の 1,008 例 CPI 治療 pan-cancer meta-analysis は、TRAF2 欠失が CPI 感受性化因子として同定された知見が CRISPR screen データ (Vredevoogd et al. 2019 の genome-wide CRISPR screen で TRAF2 が T 細胞介在性腫瘍死の最上位感受性化因子) と独立に convergent validation されたことを示し、CRISPR screen の臨床予測因子発見への translational utility を実証した。

免疫回避機構のレビュー的統合

Jhunjhunwala et al. NatRevCancer 2021 は CRISPR screen が B2M / JAK1 / JAK2 / STAT1 / IFNγR を ICB 応答必須遺伝子として同定し、PRC2 (EZH2) が APM コンポーネントと NLRC5 を転写抑制することを CRISPR screen で解明した事実を体系的に整理し、CRISPR screen が抗原提示障害の可逆的 / 不可逆的機序分類の基盤データを提供していることを示した。

TP53 変異腫瘍の多細胞エコシステム解析

Zhao et al. NatCancer 2025 は TP53 関連組織リモデリングの空間 atlas 構築において CRISPR screen データを統合し、TP53 変異が腫瘍多細胞エコシステムの免疫・間質構成を変化させる機構を解明した。

腫瘍の表現型可塑性と EMT

Jimenez-Castano et al. NatCancer 2026 は EMT を腫瘍 plasticity の中心軸として位置づけるレビューにおいて、CRISPR screen が EMT 制御遺伝子の系統的同定に果たした役割を論じている。

骨髄系免疫抑制の CRISPR 解析

Wang et al. Nature 2023 は in vivo CRISPR screen により好中球表面の CD300ld が腫瘍誘導性免疫抑制に必須であることを同定し、骨髄系細胞を標的とする CRISPR screen の新領域を開拓した。Sollberger et al. eLife 2020 は linker histone H1.2/H1.4 の好中球系譜決定への関与を CRISPR screen で示した。

メカニズム / 技術詳細

ワークフロー

(1) Library 導入: レンチウイルスにより sgRNA library を MOI 0.3-0.5 で標的細胞に導入 (各 sgRNA が 1 細胞あたり 1 種のみ)。初期 representation は 500-1,000× が推奨される。(2) 選択圧負荷: in vitro では薬剤・CTL 共培養・増殖競合、in vivo では免疫圧・転移圧 (orthotopic / intracardiac injection) を適用。期間は通常 14-28 日。(3) sgRNA 回収: ゲノム DNA 抽出 → PCR → NGS。(4) 統計解析: MAGeCK RRA / MLE、DrugZ、BAGEL 等で enrichment / depletion を定量、FDR < 5% でヒット同定。(5) Validation: 個別 sgRNA (4 本以上) による KO / KD + 表現型再現。

In vivo screen 特有の考慮点

in vivo screen は TME との相互作用を捉える唯一の方法だが、移植時の sgRNA representation bottleneck が最大の技術的課題である。Li et al. CancerDiscov 2020 は 524 遺伝子の focused library で bottleneck を回避し、Wang et al. Cell 2026 は 391 TSG の focused library + LCM 個別転移巣回収で空間情報を保持した。

陽性選択系の設計

Duplaquet et al. CancerCell 2024 が確立した DCK*-BVdU 逆選択系は、通常の depletion screen では検出困難な「特定タンパク質の発現を低下させる遺伝子」を陽性選択で濃縮する革新的設計であり、undruggable target の upstream regulator 同定に有効である。

CRISPR-LCM 空間統合

Wang et al. Cell 2026 の CLIM-TIME は、従来の CRISPR screen が「bulk tumor」からの sgRNA 回収に限定され空間情報を欠いていた限界を、蛍光ガイド LCM による個別転移巣採取 + SMART-seq 転写解析 + BayesPrism デコンボリューション + 多重免疫蛍光の統合で克服した。これにより TSG genotype → TME phenotype (免疫組成・空間構造) の因果マッピングが初めて可能となった。

臨床位置づけ / 応用

• がん創薬標的の系統的優先順位化: Project Score / DepMap の fitness data は 628+ の優先標的を提供し (Behan et al. Nature 2019)、WRN-MSI Synthetic-lethality など臨床開発直結の発見を生んでいる
• ICB 感受性 / 耐性バイオマーカー: CRISPR screen で同定された遺伝子 (PTPN2, ADAR1, TRAF2, B2M, JAK1/JAK2) は臨床コホートで validation され (Litchfield et al. Cell 2021)、多変数予測モデルの基盤となっている
• エピジェネティック標的 + IO 併用: ASF1A (Li et al. CancerDiscov 2020)、ADAR1 (Ishizuka et al. Nature 2019) など CRISPR screen で同定されたエピジェネティック標的と PD-1/PD-L1 阻害の併用が臨床開発候補
• SCLC subtype-selective therapy: CRISPR screen による ncBAF 依存性発見が SMARCA4/2 阻害剤・BRD9 degrader の POU2F3+ SCLC への biomarker-driven trial 設計に直結 (Duplaquet et al. CancerCell 2024)
• ECM / TME 介入によるT細胞療法増強: LOXL2 阻害 + T 細胞療法 (Wang et al. Cell 2026)
• 脳転移治療戦略: IFITM1 発現を活用した oncolytic virus + ICB 併用 (She et al. EMBOJ 2023)

限界と pitfall

技術的限界

• Cas9 toxicity / off-target: TP53 経路活性化による偽陽性 (Cas9 cut → DNA damage response → p53-dependent growth arrest)、off-target 切断。CRISPRi / CRISPRa は一部改善
• Library 偏り: sgRNA 設計品質・初期 representation の不均一性。Brunello は GeCKO v2 より on-target 効率が高いとされる
• Negative selection の検出感度: dropout は時間経過で加速度的検出、early time point は感度低。陽性選択系 (Duplaquet et al. CancerCell 2024 の BVdU 系) が代替策
• In vivo screen の bottleneck: 移植細胞数制限による sgRNA representation 喪失。Focused library (524 gene、391 TSG 等) で回避が標準
• Polygenic 表現型は検出困難: 単一遺伝子 KO で表現型が出る系のみ

解析的 pitfall

• MAGeCK / DrugZ / BAGEL の選択: 統計手法による結果差 (Lawson et al. Nature 2020 は DrugZ、Li et al. CancerDiscov 2020 は MAGeCK)
• Cell line context dependency: 細胞株 panel の生物学的多様性確保 (Lawson et al. Nature 2020 の 6 株横断設計が模範)
• Mixed pool での crosstalk: paracrine / juxtacrine 効果が pooled 設計で隠れる
• Validation の必要性: hit の単独 KO / 薬理 inhibition で再現確認必須。Patel et al. Nature 2017 は top 17 遺伝子を 3 細胞株・個別 sgRNA 4 本で独立検証

代表 platform / 試薬

Library	提供	用途	代表使用論文
Brunello	Addgene	KO genome-wide	Duplaquet et al. CancerCell 2024
GeCKO v2	Addgene	KO genome-wide (旧世代)	Patel et al. Nature 2017, She et al. EMBOJ 2023
mTKO v3	Addgene / Moffat lab	KO genome-wide (mouse)、Cas9 toxicity 低減	Lawson et al. Nature 2020
Focused epigenetic (524 gene)	カスタム	In vivo epigenetic screen	Li et al. CancerDiscov 2020
Focused TSG (391 gene)	カスタム	CLIM-TIME 空間統合	Wang et al. Cell 2026
Dolcetto / Calabrese	Addgene	CRISPRi / CRISPRa	—
Perturb-seq library	各研究室カスタム	scRNA-seq 統合	—

Open Questions

• In vivo screen の空間解像度向上: CLIM-TIME (Wang et al. Cell 2026) が先鞭をつけた CRISPR-LCM 統合の次世代として、spatial transcriptomics (Visium / MERFISH) との統合が期待される
• Patient-derived 系 (Organoid / PDX) での screen: 臨床検体の heterogeneity を保持した screen の規模拡大と再現性確保
• Polygenic 表現型解析: multi-gene perturbation (combinatorial CRISPR screen) の計算・実験規模の拡大
• Saturation mutagenesis screen → 臨床 variant interpretation: base / prime editing screen による variant-level functional atlas の構築と VUS 分類への翻訳
• AI-driven library design と hit prioritization: 深層学習による sgRNA on-target 効率予測・hit pathway enrichment の自動化
• CRISPR screen と single-cell multi-omics の統合: Perturb-seq + spatial + proteomics による multi-modal perturbation atlas
• エピジェネティック標的の臨床開発: ASF1A 阻害薬 (Li et al. CancerDiscov 2020)・ADAR1 阻害薬 (Ishizuka et al. Nature 2019) の前臨床・臨床パイプライン進捗
• CRISPR screen の臨床予測モデルへの統合: screen hit と CPI 反応予測多変数モデル (Litchfield et al. Cell 2021) のさらなる convergent validation

重要論文 Top 10

1. ★★★★★ Behan et al. Nature 2019 — 324 株 628 標的 — WRN-MSI synthetic lethality 発見、DepMap / Project Score の基盤
2. ★★★★★ Li et al. CancerDiscov 2020 — In vivo epigenetic CRISPR screen で ASF1A を KRAS-mut LUAD の IO 標的として同定
3. ★★★★★ Wang et al. Cell 2026 — CRISPR-LCM 統合で 391 TSG の TME 空間免疫マッピング、LOXL2 標的化を実証
4. ★★★★ Lawson et al. Nature 2020 — 6 株横断 182 コア CTL 回避遺伝子、FITM2 / オートファジー-NF-κB 軸を解明
5. ★★★★ Duplaquet et al. CancerCell 2024 — 陽性選択 CRISPR screen で SCLC-P の ncBAF 依存性を発見、SMARCA4/2 阻害に直結

関連エンティティ・概念

• 関連手法: scRNA-seq / Organoid / PDX / GEMM
• 解明される現象: Synthetic-lethality / IO-primary-resistance / IO-acquired-resistance / EGFR-T790M-resistance
• 対象 driver / target: KRAS / EGFR / TP53 / STK11 / ARID1A
• MOC: cancer-biology / lung-cancer-biology / novel-cancer-modalities

関連論文

Basic-Brain metastasis

• She et al. EMBOJ 2023 — Immune surveillance of brain metastatic cancer cells is mediated by IFITM1

Basic-Immunotherapy

• Kim et al. NatImmunol 2026 — Engineering NK and T cells with metabolite-sensing receptors to target solid tumors
• Bianca et al. NatRevImmunol 2026 — CRISPR screen reveals regulators of age-associated cd8+ t cell dysfunction in cancer
• Elahi et al. NatRevImmunol 2026 — Immune regulation by erythroid cells how erythroid progenitor cells and mature red blood cells shape immunity
• Burr et al. Nature 2017 — CMTM6 maintains the expression of PD-L1 and regulates anti-tumour immunity
• Donia et al. ScandJImmunol 2012 — Characterization and comparison of ‘standard’ and ‘young’ tumour-infiltrating lymphocytes for adoptive cell therapy at
• Stubbington et al. Science 2017 — Single-cell transcriptomics to explore the immune system in health and disease
• Ribas et al. Science 2018 — Cancer immunotherapy using checkpoint blockade

Basic-Neutrophil and myeloid cell

• Nogales-Pons et al. JExpMed 2021 — Myeloid diversity in tumors shaped by genes, location, and time
• Sollberger et al. eLife 2020 — Linker histone H1.2 and H1.4 affect the neutrophil lineage determination

Basic-Oncogene and genetics

• Huang et al. GenesDev 2018 — POU2F3 is a master regulator of a tuft cell-like variant of small cell lung cancer

Basic-Others

• Izumchenko et al. AnnOncol 2017 — Patient-derived xenografts effectively capture responses to oncology therapy in a heterogeneous cohort of patients with
• Tang et al. CancerCell 2026 — Mapping cell type-resolved transcriptomic profiles to patient survival in pancreatic cancer
• Clarke et al. CancerRes 2026 — Virtual tumors enable prediction of personalized therapeutic combinations for non-small cell lung cancer
• Ueki et al. Cell 2026 — A CRISPR knockout mouse library for functional genomics in influenza research
• Stuart et al. NatRevGenet 2019 — Integrative single-cell analysis
• Vogelstein et al. Science 2013 — Cancer genome landscapes

Basic-Tumor microenvironment

• Zhang et al. Cell 2026 — Uncovering spatially resolved functional genomics with CRISPR screen sequencing
• Bullock et al. LifeSciAlliance 2019 — Tumor-intrinsic response to IFNgamma shapes the tumor microenvironment and anti-PD-1 response in NSCLC
• Zhao et al. NatCancer 2025 — A cellular and spatial atlas of TP53-associated tissue remodeling defines a multicellular tumor ecosystem in lung

Clinical-NSCLC-Driver negative

• Li et al. FrontImmunol 2026 — The application and challenges of immune checkpoint inhibitors in lung cancer therapy

Clinical-NSCLC-Driver-Other

• Li et al. CancerDiscov 2020 — In vivo epigenetic CRISPR screen identifies Asf1a as an immunotherapeutic target in KRAS-mutant lung adenocarcinoma

Clinical-SCLC

• Duplaquet et al. CancerCell 2024 — Mammalian swisnf complex activity regulates POU2F3 and constitutes a targetable dependency in small cell lung cancer