掃碼聯系客服
導讀
遺傳學中心法則表明，遺傳信息在精密的調控下通過信使RNA(mRNA)從DNA傳遞到蛋白質。因此，mRNA被認為是DNA與蛋白質之間生物信息傳遞的一個“橋梁”，而所有表達基因的身份以及其轉錄水平，綜合起來被稱作轉錄組(Transcriptome)。轉錄組是特定組織或細胞在某一發育階段或功能狀態下轉錄出來的所有RNA的總和，主要包括mRNA和非編碼RNA(non-coding RNA，ncRNA)。本文的作者利用高通量測序數據識別急性髓系白血病(AML)的生物學相關的分子亞型，并基于組學的對相關靶向藥物進行篩選。
研究背景
AML是一種髓系腫瘤，其臨床過程和治療反應具有高度異質性。由于細胞遺傳學、分子生物學和下一代測序(NGS，又稱高通量測序技術)技術的進步，越來越多的預后標志物和治療靶點被確定下來。AML的分類已從French-American-British (FAB)形態學分型轉向更精細的WHO分類系統。此外，新的靶向藥物的出現，如FLT3、BCL2和IDH1/2抑制劑，提高了AML患者的長期生存。2010年以來，在AML和其他急性白血病中進行了一些基因組和轉錄組學研究。癌癥基因組圖譜(TCGA)項目解剖了AML的基因組圖譜，并提出了9類突變基因。另一項里程碑式的研究僅根據遺傳異常推薦了11類不同的AML。然而，4%的AML患者符合兩類或兩類以上的標準，11%仍未分類，5%沒有攜帶驅動突變。因此，迫切需要開發和整合基因組改變以外的更多信息，以進一步完善疾病的分類和治療策略。所以我們仍然需要開發和整合基因組改變之外的更多信息，以進一步完善疾病的分類和治療策略。
研究思路
基于對RNA-Seq數據的共識聚類分析，作者確定了AML中八個穩定的亞組(G1-G8)。T轉錄因子融合PML::RARA、CBFB::MYH11和RUNX1::RUNX1T1分別聚類為G1、G2和G3亞組。G4亞組中幾乎全部病例發生biCEBPA突變，另外有8例moCEBPA突變雜合度缺失(LOH)和11例CEBPA野生型(WT)病例，稱為biCEBPA/-like。相比之下，G5-G8亞群缺乏單一的亞群定義分子。G5亞組的特征是由AML、骨髓增生異常相關(AML-MR)組成，因此該亞組被命名為骨髓增生異常相關/樣(MR/-like)。G6-G8亞群包含NPM1突變、KMT2A和NUP98融合和分化實體，表明這些基因定義的亞型具有相對較高的異質性（圖1）。
與G1-G4相比，G5-G8亞組HOXA/B、MEIS1和鈣依賴CPNE8基因表達水平更高，這是兩者之間最顯著的差異。與DNA甲基化基因、染色質修飾因子和剪接體的相關的基因突變在G5-G8中顯著富集，這與老年患者、中高風險（歐洲白血病網 (ELN)）以及這些亞組中出現更多的復發和死亡一致。G5亞組主要包括RUNX1、TP53、PHF6和“繼發性”突變(ASXL1、BCOR、EZH2、STAG2、U2AF1、SRSF2、SF3B1和ZRSR2)，這些突變通常在骨髓增生異常綜合征(MDS)轉化的AML中富集。G5組患者的核型、單染色體核型更加復雜，5、7、17號染色體異常，診斷時骨髓(BM)母細胞和白細胞計數(WBC)較低。同時，罕見的IKZF1、N159S熱點突變也聚集在G5亞組，而其他IKZF1突變大多數與biCEBPA同時發生，屬于G4亞組。最后三個亞組(G6-G8)聚集了更多的NPM1突變、KMT2A和NUP98融合、FLT3-ITD和KMT2APTD。值得注意的是，G8亞組中DNMT3A/NPM1/FLT3-ITD三聯突變頻率較高，在G6、G7和G8中則出現較少。而G7亞組中TET2或IDH2與NPM1/FLT3-ITD突變更為常見，分別占G6、G7和G8的0、28.4%和7.4%。作者排除了X/Y染色體上的基因，但與其他亞組相比，G7和G8亞組中的女性患者更多（圖2）。
接下來，作者試圖破譯已知和未被報道亞群的轉錄組失調特征。考慮到細胞形態學是顯示細胞分化階段的傳統診斷方法，作者首先將基因表達亞群與FAB分類系統進行比較。結果表明，G1 (PML::RARA)、G2 (CBFB::MYH11)、G3 (RUNX1::RUNX1T1)和G6分別對應于t(8;21)易位的M3、M4、M2和M5（FAB命名法）。G4 (biCEBPA/like)亞組以M1/M2/M4為代表，G5 (MR/ like)以AML/M2/M4/M5為代表，G7主要以M2/M4為代表，G8以M4/M5為代表。此外，不同的分子亞型表現出不同的免疫細胞豐度。G2和G6中單核細胞和巨噬細胞較多，與FAB分類一致。
同時，作者參考了相關的單細胞RNA-Seq (scRNA-Seq)數據，以確定不同分化狀態的基因特征，其中包括造血干/祖細胞樣(hspc樣)、粒細胞-單核細胞前體細胞樣(gmp樣)和單核細胞樣細胞。通過降維處理，G1 - G8的每個亞型都具有不同的細胞類型特征。在G1-G8中，不同細胞類型的分子標記表達水平不同。為了驗證bulk RNA-Seq數據推斷的細胞組成，作者利用流式細胞術隨機分析了36例G1-G8 AML病例的免疫表型。在G5、G7和G8亞組中，CD34+CD38?成分在總白細胞中的比例明顯更高。此外，G1、G3和G4亞組的樣本表現出粒細胞分化免疫表型，而G2和G6亞組的樣本表現出典型的單核細胞表型。
最后作者評估各亞組的特征基因表達特征。HOXA/B家族基因在G5和G6-G8中分別表現為中表達和高表達。G5、G7和G8中LSC17（白血病干細胞的17基因標志）信號上調。利用已發表的差異表達基因，可以將NMP1突變的AML分為“primitive”亞型和“committed”亞型，G6和G7分別表現出單核細胞譜系特征和干細胞特征，而G8表現出混合特征。因此，它們被命名為HOX-committed (G6，單核細胞)，HOX-primitive (G7，干細胞)和HOX-mixed (G8，干細胞和單核細胞分化階段)。除了這些明確的基因集，作者還描述了各亞群中特征基因和BCL2家族基因的表達水平（圖3）。
作者以G1 (PML::RARA)的生存期為參考，顯示8個亞組的生存結果。盡管G2 (CBFB::MYH11)、G3 (RUNX1::RUNX1T1)和G4 (biCEBPA/-like)亞組顯示了相對較長的總生存期(OS)，但這些患者中仍然出現了疾病復發的現象。就OS和無事件生存期(EFS)而言，G5 (MR/ like)和G8 (HOX-mixed)亞組的患者預后最差，而G6 (HOX-committed)和G7 (HOX-primitive)亞組的患者風險略低。考慮到年齡對AML的生存有顯著影響，作者將患者分為兩個年齡組。對于年齡大于60歲的患者，除少數ELN低風險亞組外，預后均較差。然而，G5和G8均可預測出年輕(≤60歲)AML患者的不良預后。
然后作者探討了代表性分子在亞群內異質性。在G4亞組中，biCEBPA樣基因表達的患者與攜帶biCEBPA突變的患者具有相似的預后。然而，其他亞組中CEBPA突變（幾乎都是moCEBPA）的預后極差。在G5亞組中，攜帶融合基因(主要是一些罕見的和以前未報道的基因)以及轉錄因子(TF)、腫瘤抑制因子(TS)和剪接體突變的患者有差的預后。作者探索了一些亞型的發病機制，其中作者將人CYB5A::DYM (G5) mRNA注射到斑馬魚胚胎中，這導致髓系標記物lyz、mpx和lcp1的表達增加。在G8亞組中，與融合基因和NPM1突變的患者相比，有TF突變和其他遺傳病變的患者預后更差。為了闡明這些亞組的獨立預后價值，作者對非m3 AML患者進行了多變量Cox分析。結果發現年齡、男性、血小板、白細胞計數和LSC17風險評分都是不利預后的因素（圖4）。
通過利用基于自動機器學習(AutoML)的建模算法和不同的預處理步驟，可以準確預測8個基因表達亞群，預測精度中位數為0.95。作者選擇從BM（骨髓）中收集的新診斷AML樣本，并從TCGA LAML隊列和Beat AML隊列中獲得可用數據。基于所建立的模型，兩個隊列都能重現G1-G8亞群，并顯示出相應的表達和分化特征。TCGA LAML隊列中預測的G5、G6和G8亞組患者，以及Beat隊列中G5亞組患者具有顯著不良的臨床結果。
基于Beat AML隊列的體外藥敏數據，各個亞群對不同類型藥物具有不同的反應。G1、G4和G5亞組對受體酪氨酸激酶(RTK)的多種抑制劑如Sorafenib、Sunitinib、Quizartinib、Pazopanib等表現出耐藥性，而G6-G8亞型對這些藥物表現出高敏感性。G2、G5和G6亞組對BCL2抑制劑Venetoclax耐藥。作者觀察到單核細胞表型(G2和G6)對組蛋白去乙酰化酶(HDAC)抑制劑Panobinostat和RTK抑制劑Dasatinib有明顯的敏感性，這兩種藥物通常用于血液系統惡性腫瘤。綜上所述，這些數據證實了定義的基因表達亞群在AML中的臨床應用，這可能有助于更合理的治療，并為開發新的藥物提供支持（圖5）。
全文總結
本研究作者基于轉錄組數據，建立了8個AML分子亞群(G1-G8)。每個亞組表現出獨特的臨床特征、遺傳病變和發育等級。該分類系統反映了AML中調節回路的復雜相互作用，并補充和豐富了目前公認的基于基因組的分類方案，從而可能為疾病的發病機制提供創新的見解。此外，本研究的轉錄組分類顯示了預后價值，并提供了亞型特異性藥物敏感性信息，這可能有助于AML患者的治療決策。
參考文獻
1. Cheng WY, Li JF, Zhu YM, et al. Transcriptome-based molecular subtypes and differentiation hierarchies improve the classification framework of acute myeloid leukemia. Proc Natl Acad Sci U S A. 2022;119(49):e2211429119. doi:10.1073/pnas.2211429119
