|
1.TNBC的极性代谢物和脂质分析为了全面描述TNBC代谢组，作者使用了作者的TNBC队列的样本集，其中包含足够数量的高质量新鲜冷冻组织，用于极性代谢组和脂质组的检测。作者的代谢组队列包括330个TNBC样本和149个配对的正常乳腺组织。作者注释了总共594个极性代谢物和1944个脂质。作者之前获得了这330个样本中的258个的转录组数据，其中171个样本还有全外显子测序（WES）和体细胞拷贝数变异。总体而言，新开发的TNBC代谢组数据集是一个关于注释代谢物数量和样本规模的大型数据资源。 2.TNBC的代谢组学景观使用Benjamini-Hochberg校正的Mann-Whitney U检验，作者发现在肿瘤和正常样本之间，有452种代谢物（417种在肿瘤中较高，35种在肿瘤中较低）的丰度存在显著差异。在这些异常调节的代谢物中，一些极性代谢物，特别是与氧化反应和糖基转移相关的代谢物（如氧化谷胱甘肽[GSSG]和尿苷二磷酸葡萄糖[UDPG]），在肿瘤中显著富集。一些脂质，如磷脂酰肌醇、脂肪酸（FAs）和鞘脂，也在三阴性乳腺癌中富集。此外，作者进行了Spearman相关分析，结果显示同一亚类别的脂质在丰度上密切相关，因此作者将同一亚类别的脂质作为整体进行后续的脂质组学分析。此外，作者还进行了基于KEGG代谢途径的差异丰度（DA）分析，以研究代谢途径的失调情况。在作者的研究中，大量参与甘油磷脂代谢、氨基糖和核苷酸糖代谢途径的代谢物显示出较高的DA分数。
3.将极性代谢物和脂质与基因组特征进行全面分析作者还探索了代谢组学和基因组特征之间的关联，以推测对代谢组学特征形成有贡献的潜在基因组驱动因素。基于Recon3D数据库，分析了极性代谢物丰度与配对代谢基因的mRNA表达之间的相关性。一般来说，这些配对显示出较弱的相关性，反映了代谢网络的复杂性。此外，作者专注于一份包含24个已知与癌症相关的基因清单，这些基因在三阴性乳腺癌中经常发生突变，并应用线性回归模型（控制混杂因素）来研究体细胞突变与代谢物丰度之间的关联。尽管TP53突变是三阴性乳腺癌中最突出的与癌症相关的变化，但它们与代谢物的特征关联通常较弱，作者发现PIK3CA突变与FA的丰度呈正相关，但与GSSG的丰度呈负相关。与此一致的是，最近有报道称，由PIK3CA突变驱动的FA过度产生（尤其是花生四烯酸）。 4.代谢亚型细分了BLIS肿瘤的转录亚型，并可通过机器学习实现作者进一步探索了代谢组亚型、先前定义的转录组亚型和基于代谢途径的亚型之间的关联。就转录组亚型而言，LAR亚型几乎与代谢组的C1亚型重叠；而BLIS、免疫调节型（IM）和间质样（MES）亚型主要分为代谢组的C2和C3亚型。就基于代谢途径的亚型而言，MPS1亚型与代谢组的C1亚型高度一致，而MPS2和MPS3亚型与代谢组的C2和C3亚型交织在一起。作者还探索了代谢亚型的预后价值，并证明BLIS肿瘤包含两个预后代谢亚组（C2和C3）。对于BLIS肿瘤，代谢亚型C2亚型的无复发生存期（RFS）较代谢亚型C3亚型差。在调整肿瘤大小、阳性淋巴结数量和同源重组缺陷评分类别后，代谢亚型仍倾向于成为BLIS患者的独立预后因素。接下来，作者尝试通过机器学习方法为BLIS肿瘤建立一个简化的代谢亚型系统。作者利用自助法开发了发现组和测试组。对于发现组，作者使用了两种机器学习方法，最小绝对收缩和选择算子（LASSO）和支持向量机（SVM）来开发工作模型。然后在测试组中运行建立的模型。LASSO和SVM方法在测试组中都具有良好的预测效果。 5.对LAR亚型的鞘脂醇代谢进行分析揭示了作为潜在治疗靶点的鞘脂醇-1-磷酸酯（S1P）转录组学的LAR亚型几乎与代谢组学的C1亚型重叠，后者以富集的鞘脂代谢相关代谢物为特征。因此，作者分析了鞘脂代谢途径的详细中间产物，以确定LAR肿瘤的关键代谢物。与正常组织和非LAR肿瘤相比，LAR肿瘤的特征是鞘脂酰胺的富集。进一步对代谢物和相关代谢基因的mRNA表达进行途径分析表明，在LAR肿瘤中，鞘脂酰胺的新生合成和降解途径更为活跃，而糖苷和磷酸酯基团的转移与非LAR肿瘤相比没有显著上调。这些结果表明鞘脂酰胺的新生合成和降解途径在LAR肿瘤中起着关键作用。特别是，作者对该途径中的关键中间产物进行了有针对性的检测，包括鞘氨醇、鞘氨酸和S1P，以验证它们在LAR肿瘤中的富集情况。 总之，作者的研究结果表明，S1P是鞘脂途径的重要中间产物，在LAR肿瘤中起着关键作用。PF-543和FTY-720可能是LAR肿瘤的亚型特异性治疗方法。
6.在BLIS肿瘤中，NAAG的鉴定为一个关键的促进肿瘤发展的代谢物作者进一步探索了对BLIS肿瘤起促进作用的重要代谢产物。在分析BLIS肿瘤中特异上调且预测预后不良的代谢产物后，作者确定了NAAG作为一个潜在的候选物。作者通过化学标准物质进一步验证了该代谢产物的身份。据报道，RIMKLA和RIMKLB这两种酶负责产生NAAG。由于转录水平上RIMKLB的丰度明显高于RIMKLA，并且与NAAG的丰度呈正相关，作者推测RIMKLB是决定TNBC中NAAG水平的关键酶。作者首先验证了RIMKLB的mRNA表达与TNBC细胞系中NAAG丰度的正相关关系。选择了RIMKLB表达相对较高的HCC1806和LM2-4175细胞系，以及RIMKLB表达相对较低的Hs-578T细胞系进行进一步实验。当在HCC1806和LM2-4175细胞系中使用shRNA敲除RIMKLB时，作者观察到NAAG丰度显著降低，并伴随着生长速率、迁移和侵袭能力的下降。在作者向培养基中添加50 µM的NAAG后，RIMKLB的抑制肿瘤效应部分得到了恢复。此外，NAAG促进了Hs-587T细胞的迁移，根据作者的浓度梯度实验，50 µM是最佳浓度。 至此，这篇文章就介绍完啦，总结一下：作者首先详细的探讨了三阴性乳腺癌（TNBC）的代谢重编程；第二部分描述了如何通过极性代谢物和脂质组的分析，构建一个大型的TNBC代谢物图谱；第三部分介绍了TNBC代谢组与基因组之间的全面关系分析；第四部分叙述了基于这个新的代谢数据集，细化了之前的TNBC转录亚型，并识别了一些关键的亚型特异代谢物作为潜在的治疗靶点。全篇知识点丰富，有很多值得作者深挖的生信分析的切入点，做乳腺癌研究的小伙伴不要错过啦！ |
|
|
