掃碼聯(lián)系客服
這！可能是你讀一遍就懂的腫瘤代謝分析
Metabolism，代謝，具備醫(yī)學背景的我們都已經(jīng)耳熟能詳了，代謝通常被分為兩類。
分解代謝：又稱異化作用，可以對大的分子進行分解以獲得能量，如糖類、脂類、蛋白質(zhì)等。
合成代謝：是一種儲能過程，可以利用能量來合成細胞中的各個組分，如蛋白質(zhì)和核酸等。
從宏觀上，代謝可以被認為是生物體不斷進行物質(zhì)和能量交換的過程（吃和排），一旦物質(zhì)和能量的交換停止，生物體的結(jié)構(gòu)就會解體。微觀上就是細胞吃喝拉撒睡的過程。同化作用與異化作用的平衡各種生物的新陳代謝，在生長、發(fā)育和衰老階段是不同的，但始終保持平衡（前提是健康）。當患上消耗性疾病時，異化作用將大于同化作用，如：腫瘤、結(jié)核、嚴重創(chuàng)傷、燒傷、大手術后體液引流、慢性化膿性感染、慢性失血等。
對，腫瘤細胞也是細胞，并且具備了與眾不同的代謝過程，業(yè)界也稱之為“代謝重編程”。對于迫切攻破腫瘤的人類來說，任何可以利用的弱點，那都要物盡其用，2015年，Cancer cell發(fā)表了第一個靶向Warburg效應，抑制癌細胞生長的研究[1]。癌細胞會設法通過一系列代謝分子信號通路來尋找、攝取食物。如果，癌細胞無法獲取能量，進展、擴散轉(zhuǎn)移的速度以及抑制機體免疫的一系列手段都會減弱。為我方實施精準藥物打擊提供基石。
癌基因激活，抑癌基因失活是發(fā)生癌癥的基礎，而絕大多數(shù)癌基因及抑癌基因在細胞代謝中發(fā)揮關鍵作用，促進代謝重編程，使癌細胞從5條主要代謝途徑（有氧糖酵解；谷氨酰胺分解；一碳代謝；磷酸無糖通路；脂肪酸從頭合成）中攝取能量合成所需元件[2]。腫瘤代謝是一大熱點，當然有綜述闡述腫瘤代謝的特點，總共有六個，其中“代謝物驅(qū)動的基因表達失控”、“代謝物與微環(huán)境相互作用”的兩個特點決定了，轉(zhuǎn)錄組學在研究腫瘤代謝的重要性[3]。已發(fā)現(xiàn)的與免疫耐藥相關的代謝途徑有PI3K-Akt-mTOR、HIF、JAK/STAT、Wnt/β-catentin等。另外附上與腫瘤免疫逃逸相關的代謝路徑（Navigating metabolic pathways to enhance antitumour immunity and immunotherapy）[4]。
談到基因，來一次生物信息學的分析是很有必要的，基因的突變（AKT、mTOR、MYC、RAS）除了參與了細胞分裂，還參與代謝重編程，從物質(zhì)上滿足癌細胞分裂需求。腫瘤微環(huán)境中的非腫瘤細胞再一次被發(fā)現(xiàn)叛變，舉個例子，膠質(zhì)母細胞瘤通過攝取周圍正常星形膠質(zhì)細胞所分泌的膽固醇，節(jié)省了合成膽固醇的成本[5]。上文提到靶向癌細胞的Warburg效應，靶向突變的代謝基因同樣有效抑制腫瘤生長，已鑒定出的8個突變的代謝基因分別是FH，SDHA，SDHB，SDHC，SDHD，SDHAF2，IDH1和IDH2。這不就是遺傳學的經(jīng)典公式：基因型+環(huán)境=表型嘛。
那么，現(xiàn)在大家是不是對腫瘤代謝性質(zhì)勃勃呢，接下來就要給大家擺一擺，生信是怎么玩轉(zhuǎn)代謝表型的。
第一個思路：共識聚類分亞型[6]
公共數(shù)據(jù)庫選取可切除胰腺癌患者隊列（TCGA、ICGC），不可切除的胰腺癌隊列（COMPASS、PanGen、POG），共計325人。提取“糖酵解marker（n=29）”，“膽固醇合成marker（n=24）“表達量，通過共識聚類分析，將納入研究的患者分為4個亞型，分別為：靜態(tài)、糖酵解、產(chǎn)膽固醇以及混合組。可切除與不可切除隊列中，具備糖酵解亞型的患者預后最差，具備膽固醇合成組在可切除/不可切除組中預后優(yōu)于其他分型（圖1）。
分析共識聚類出的四種亞型患者的其它組學特點發(fā)現(xiàn)：基因突變，包括KRAS、MYC拷貝數(shù)增加與糖酵解亞型相關（圖2）；探討在四種亞型中基于既往研究鑒定的Collisson，Bailey，Moffitt分型之間的差異，并且分析了四種代謝亞型與四種以往的亞型的marker之間的相關性（圖3）。
選擇MPC復合物的marker與四種亞型的marker的共表達及突變分析，發(fā)現(xiàn)胰腺癌MPC通路激活影響預后可能與腫瘤細胞糖酵解和膽固醇生成相關（圖4）。
Pan-cancer中同樣進行四種亞型的聚類分析，發(fā)現(xiàn)，糖酵解和膽固醇生成途徑中的基因僅在少數(shù)幾個癌癥中是獨特的，證明了不同癌癥的代謝進程存在特異性（圖5）。
第二個思路：預后建模，找signature[7]
公共數(shù)據(jù)庫選擇腎癌隊列，找出生存時間＞3年與生存時間＜1年患者之間的差異基因，同時下載隊列中患者的甲基化數(shù)據(jù)，從差異基因中鑒定出，既為鐵代謝marker，又具備啟動子甲基化顯著的基因，共25個（TABLE1）。
對篩選的25個預后相關的發(fā)生啟動子甲基化的鐵代謝基因構(gòu)建cox模型。同時將TCGA腎癌隊列分為驗證隊列和訓練隊列，并從GEO中選取一個腎癌隊列，根據(jù)cox預后模型對以上3個腎癌隊列的患者進行風險評分，結(jié)果發(fā)現(xiàn)高、低分線組之間預后顯著差異（圖1）。
25個預后相關的發(fā)生啟動子甲基化的鐵代謝基因構(gòu)建的模型，進行時序性ROC分析，發(fā)現(xiàn)模型在1、3、5年的AUC均＞0.7（圖2）。
為了確定模型是否為獨立預后因素，作者聯(lián)合患者的臨床數(shù)據(jù)進行多因素cox分析，在TCGA\GEO腎癌隊列中，均為可靠的OS決定因素（TABLE2）。
選取與25個預后相關的發(fā)生啟動子甲基化的鐵代謝基因相關的基因，進行GSEA分析，發(fā)現(xiàn)潛在調(diào)SANSOM_WNT_PATHWAY_REQUIRE_MYC (NES = 1.8464239, p = 0.001988072), SCIAN_CELL_CYCLE_TARGETS_OF_TP53_AND_TP73_DN (NES =1.7889026, p =0.017408123), and AMUNDSON_GAMMA_RADIATION_RESPONSE (NES= 1.7706424, p =0.036538463)。并且對25個hub基因進行共表達的分析，建立共表達網(wǎng)絡（圖3）。
第三個思路：別只拿KEGG做富集，代謝本質(zhì)是蛋白[8]
代謝重編程可以通過某些形式的代謝物和蛋白質(zhì)相互作用（MPI）促進癌癥的發(fā)展和進展。并且，癌細胞在缺乏某種營養(yǎng)素或調(diào)節(jié)劑的情況下，替代的 MPI 或途徑將被激活。因此，由代謝物、蛋白質(zhì)和它們之間的相互作用組成的代謝景觀在不同癌種，不同亞群是高度可變的（和前兩個結(jié)論一致哦，代謝景觀因病因人而異）。作者從KEGG、Reactome、Human-GEM、BRENDA四個數(shù)據(jù)庫中提取代謝相關蛋白，代謝產(chǎn)物組成Metabolite-protein interactions (MPIs)網(wǎng)絡，四個數(shù)據(jù)庫，共取出包含兩種物質(zhì)的交集383個，并進行富集分析。圖1。
主成分分析結(jié)果顯示，根據(jù)383個MPIs,可以將13個腫瘤與正常組分開；并且發(fā)現(xiàn)383個基因在肝癌中明顯顯著表達。通過GSVA分析，得出在13種腫瘤中，383個MPIs參與的通路的激活情況，并且選擇GEO肝癌隊列進行驗證。圖2。
相似的方案又來了，通過聚類分析，以383個MPIs的表達量將肝癌患者分為兩個cluster，兩個cluster的肝癌患者之間的BMI,年齡，體重，BHS等指標明顯有差異。對在兩個cluster的肝癌患者進行差異分析，得到與亞型密切相關的差異基因，string進行預測PPI網(wǎng)絡分子，并對網(wǎng)絡中的基因賦于LogFC值，以及所在通路，構(gòu)建出PPI網(wǎng)絡圖。圖3。
通過對基于MPIs分開的兩個cluster中，TCGA，GEO以及ICGC肝癌患者表達譜的差異分析，發(fā)現(xiàn)差異基因的GSEA結(jié)果主要分布在代謝以及腫瘤進展相關的通路。圖4。
作者將383個MPIs構(gòu)建了一個代謝-蛋白對模型，并與隨機組成的代謝產(chǎn)物-蛋白的6個MPI進行比較，發(fā)現(xiàn)模型的評分顯著高于隨機組合。證明了在本研究構(gòu)建的MPIs的穩(wěn)健性。作者還通過分析預測MPIs參與的代謝通路與免疫相關蛋白之間的相關性，探索了代謝在腫瘤免疫逃逸中潛在的分子機制。圖5
腫瘤微環(huán)境當然少不了免疫浸潤，作者對兩個cluster進行免疫浸潤分析，兩個亞組的肝癌患者免疫檢查點表達顯著差異，預后也存在顯著差異，證明了MPIs作為預測不同代謝背景下的肝癌患者預后的潛能。圖6
大數(shù)據(jù)分析下，作者還加上了濕實驗，真是卷的不行，實驗證明，通過抑制有氧代謝，驗證肝癌細胞系的代謝過程變化，驗證了不同供能環(huán)境下，肝癌細胞發(fā)生了多種代謝通路的變化，提示MPIs在真實情況下發(fā)揮了作用。本文，作者提出了一種代謝相關的 HCC 亞型，并探索了代謝物改變與免疫反應和 TME 聯(lián)系。這些結(jié)果闡明了HCC分型的相關分子機制，確定了潛在的藥物靶點，突出MPI在HCC中的重要作用，從而可以為HCC分型提供指導，促進HCC的精準診斷和治療。
小編有話說：三種思路，由簡入繁，影響因子也是逐漸增高，但是不變的是，腫瘤代謝的生信分析更注重于研究者本身對腫瘤代謝的理解，有良好的生物信息學背景，加上臨床經(jīng)驗，就能實現(xiàn)很有意義的分析，腫瘤的免疫治療推進已經(jīng)遇到了瓶頸，多種因素都在阻礙靶向、免疫制劑的效果。
“行軍打仗，糧草先行“是亙古不變的真理，找到癌細胞代謝的弱點，予以攻破，也許，癌癥不再是癌癥，就是一種代謝疾病，小編對未來抗癌治療報以萬分的期待！
1. Flaveny CA, Griffett K, El-Gendy BE-DM, et al. Broad Anti-tumor Activity of a Small Molecule that Selectively Targets the Warburg Effect and Lipogenesis. Cancer Cell. 2015;281:42-56.
2. Boroughs LK, DeBerardinis RJ. Metabolic pathways promoting cancer cell survival and growth. Nature Cell Biology. 2015;174:351-359.
3. Pavlova Natalya N, Thompson Craig B. The Emerging Hallmarks of Cancer Metabolism. Cell Metabolism. 2016;231:27-47.
4. Li X, Wenes M, Romero P, et al. Navigating metabolic pathways to enhance antitumour immunity and immunotherapy. Nature Reviews Clinical Oncology. 2019;167:425-441.
5. Liu F, Mischel PS. Targeting epidermal growth factor receptor co-dependent signaling pathways in glioblastoma. WIREs Systems Biology and Medicine. 2018;101:e1398.
6. Karasinska J, Topham J, Kalloger S, et al. Altered Gene Expression along the Glycolysis-Cholesterol Synthesis Axis Is Associated with Outcome in Pancreatic Cancer. Clinical Cancer Research. 2019;26:clincanres.1543.2019.
7. Mou Y, Zhang Y, Wu J, et al. The Landscape of Iron Metabolism-Related and Methylated Genes in the Prognosis Prediction of Clear Cell Renal Cell Carcinoma. Front Oncol. 2020;10:788.
8. Chen D, Zhang Y, Wang W, et al. Identification and Characterization of Robust Hepatocellular Carcinoma Prognostic Subtypes Based on an Integrative Metabolite-Protein Interaction Network. Advanced Science. 2021;817:2100311.
