临床福音|胰腺癌临床相关分子指纹图谱

        嗨，好久不见~往期小编向大家分享的一般都是基础方面的生信文章，但是今天，小编想改变一下风格，不知道你们是否会喜欢呢？今天向大家分享的是今年7月份刚刚发表在Molecular Therapy：Nucleic Acids杂志(IF：8.886)上的文章，分析步骤很简单，但是临床意义可是一点都不简单哟~一起欣赏一下吧，说不定对你的课题又有新帮助呢[得意脸]。

数据来源

1.从Depmap：https://depmap.org/portal/获取36个胰腺癌细胞系(PCCLs)的多组学数据，包括基因突变、mRNA表达、miRNA表达和蛋白水平。

2. 从TCGA数据库(GDC，https://portal.gdc.cancer.gov/)下载基因表达和临床数据。

3.从公共数据库①②③④中手工整理癌症驱动基因，共筛选出30个胰腺癌驱动基因，分别在36种PCCLs和769例原发性胰腺癌样本中计算这些癌驱动基因的突变频率。

①COSMIC：https://cancer.sanger.ac.uk/cosmic

②IntOGen: https://www.intogen.org/search

③DriverDB: http://driverdb.tms.cmu.edu.tw/

④cBioPortal: http://cbioportal.org/

4.从癌症治疗反应数据库CTRP(http://portals.broadinstitute.org/ctrp/)和抗癌药物敏感性数据库GDSC:(https://www.cancerrxgene.org/)分析36种PCCLs不同亚群间的药物反应差异

结果展示

Part 1.胰腺癌细胞系与原发肿瘤共享基因组突变

        为了系统地检查胰腺癌细胞系是否保留发生在原发性胰腺肿瘤中的主要基因组突变，作者首先比较了36例PCCLs和769例原发性胰腺肿瘤的癌驱动基因突变频率(图1A)。结果发现，胰腺癌细胞系中53.3%的癌驱动基因与原发性胰腺肿瘤之间的突变频率无差异，如KRAS、SMAD4和CDKN2A。然而，在PCCLs中，TP53、ARID1A和EP300等肿瘤驱动基因存在显著差异。此外，这些癌症驱动基因中的大多数都存在错义突变(图1B)。

        许多致癌基因表现出共现性(不同途径功能的基因突变可能发生在同一癌症中)或互斥性(一组基因中只有一个在一种肿瘤中发生改变)的突变模式。接下来，作者检查了所有可能存在这种突变模式的基因对，结果在TCGA胰腺癌患者队列中鉴定出87对共现基因和6对互斥基因(图1C)。然而，PCCLs中这种突变模式却少得多，共现基因有20对，互斥基因有4对(图1D)。作者猜测这可能是由于胰腺癌细胞系数量相对较少，只覆盖了部分胰腺癌亚型。作者认为PCCLs重现了原发性胰腺癌样本中的主要基因组失调。这种共现性和互斥性分析为胰腺癌患者的治疗策略提供了思路。

Part 2.通过转录组mRNA将PCCLs分为两个亚群

        来自不同癌症亚型的样本往往具有不同的分子特征，作者首先探索PCCLs中mRNA的转录组模式。采用无监督共识聚类算法对36个PCCLs进行聚类分析，结果PCCLs分为2个亚群，即C1亚群和C2亚群(图2A)。

       为了进一步研究这两个亚群之间的生物学差异，对这两个亚群之间的差异表达基因进行了功能富集分析(图2B)。其中，C1亚群主要与“分化”相关，说明C1细胞系分化程度较高，具有上皮性特征，具有高表达分化相关标记基因FAM65B、RBM24等特点(图2C)。而C2亚群表现出其他分子特征，如“免疫”、“转移/血管生成”、“转移/表皮”和“增殖”，具有高表达的免疫相关基因IL23A和IL1RL2、血管生成相关基因ENPEP和EPHA1、表皮相关基因SPRR3和SPRR2D和增殖相关基因NTF4和KRT6A等(图2D)。综上，PCCLs可分为2个亚群，各亚群生物学差异显著。

Part 3. miRNA表达与PCCLs转录组亚群高度相关

        为了进一步检测PCCLs转录组亚群，作者分析了36个PCCLs中734个miRNA的表达谱。选取表达水平方差最大的前200个miRNA进行无监督共识聚类，结果36个PCCLs被分为2个亚群(图3A)，并且基于miRNA表达的分类亚群与mRNA转录组亚群高度一致(图3B)。

        进一步比较两个转录组亚群之间的miRNA表达水平，发现C1亚群中有2个上调的miRNA，而C2亚群中有12个下调的miRNA(图3C)。令人惊讶的是，一种EBV相关的miRNA，ebv-miR-BART15，在C2亚群中比在C1亚群中显示出更高的丰度。这些结果表明，PCCLs中miRNA和mRNA的表达模式密切相关。

Part 4. 蛋白图谱重现PCCLs转录组亚群

        进一步分析36个PCCLs中214个蛋白的表达谱，结果PCCLs被分为2个亚群，其中只有3个细胞系与转录组分类存在差异(图4A)。差异分析发现，PCCLs的C1和C2亚群中有16个蛋白表现出显著差异(C2亚群中9个上调，7个下调)(图4B)。 例如，208 Rab25、P-Cadherin_Caution和- catenin在C2亚群中明显高于C1亚群，Rictor_pT1135、Tuberin和TSC1_Caution在C2亚群中表达下调(图4C)。

        此外，通过相关性分析研究这些差异蛋白在PCCLs中的协同调控作用，发现大多数差异蛋白在36个pccl中表现出显著的正相关或负相关(图4D)。基于蛋白质对之间的协同调节关系，进一步构建了蛋白质相互作用网络(图4E)。 该分析显示不同亚群的胰腺癌分子特征不同，这可能有助于临床对胰腺癌患者的分类管理和精准治疗。

Part 5.PCCL亚群具有临床意义

        为了进一步探索PCCLs亚群的临床意义，作者将TCGA PAAD队列提取的胰腺癌样本绘制到相应的亚群。 根据PAAD肿瘤标本与PCCLs的表达相关性，将其分为三个亚群(图5A)。 其中12例肿瘤样本与C1亚群PCCLs表达谱最相似，90例与C2亚群PCCLs表达谱高度相关。 部分肿瘤样本(N=75)为 C1和C2亚群混合表达，归属C3亚群。 C1亚群肿瘤样本(如TCGA-2J-AABP)与C1亚群细胞相关性最高，而C2亚群肿瘤样本(如TCGA-FB-A545)与C2细胞相似性较高(图5B)。 C3肿瘤样本(如TCGA-IB-A5SQ)与C1和C2亚群的细胞株高度相关。 组织学上，C2和C3亚群标本多为导管腺癌亚型，而C1亚群标本多为其他腺癌亚型。

        作者估计了每个肿瘤标本中浸润免疫细胞的丰度，以研究不同亚群之间的免疫浸润。 不同亚群的免疫细胞浸润丰度存在很大差异。 特别是C1亚群肿瘤样本中CD4 naïve细胞浸润明显高于C2和C3亚群(图5C)。 此外，C2亚群肿瘤标本中单核细胞浸润程度高于C1和C3亚群。 Kaplan-Meier分析显示，不同亚群生存时间差异有统计学意义(图5D)。 这一结果与C1亚群比C2亚群表现出的分化特征相一致(图2D)。 这些结果表明，亚群分类具有显著的临床意义，可以促进胰腺癌患者更有效的临床管理。

Part 6.综合分析确定了PCCLs中药物敏感性相关的分子特征

        为了最大化多组学数据在PCCLs中的临床应用，作者进一步整合药物敏感性数据，探索分子特征在胰腺癌精准治疗中的应用。通过比较两个亚群的细胞系对497种抗肿瘤药物的敏感性，确定了13种药物在不同的PCCLs亚群中具有不同的敏感性(图6A)。C2亚群中有2种药物敏感性较高，而C1 亚群对11种药物敏感性较高。

        此外，作者还探索了基因组突变与药物敏感性之间的关系，药物敏感性通常用于区分对抗肿瘤药物敏感性不同的细胞。在所有61789对基因-药物比较对中，有3028对发现显著相关。特别是CDKN2A突变的胰腺癌细胞对阿霉素、长春新碱、伊马替尼、阿西替尼、舒尼替尼、乐伐替尼、博舒替尼等药物更加敏感(图6C)。与野生型TP53相比，TP53突变的PCCLs对西罗莫司、地塞米松和万德替尼更敏感(图6D)。此外，伐地考昔和奥沙利铂在SMAD4突变的PCCLs中高度敏感(图6E)。可见，作者的分析确定了与药物敏感性相关的分子特征，为胰腺癌的精确治疗提供了潜在的策略。

        好了，这篇文章就分享到这里了，不得不说，小编在这篇文章里也学到了不少新知识呢，已经摩肩擦掌跃跃欲试了呢，感兴趣的小伙伴赶快深入了解一下吧！