|
结果： 为了评估核糖体在癌细胞增殖中的需求，作者开发了一种基于计算机模拟的方法来量化核糖体活性。首先，作者根据MSigDB的GO术语和Nerurkar等人的研究[6]，定义了一个包含331个基因的与核糖体相关的基因集（图1A；附表S1，请参见http://bib./）。为了表征这些核糖体基因的癌症依赖性，作者随后分析了DepMap中癌细胞系的CRISPR/RNAi全基因组筛选数据。共有251个（76%）核糖体基因被定义为肿瘤生长和存活的必需基因（图1B），与非核糖体基因相比，必需基因在核糖体基因中显著富集（图1B）。接下来，受单样本基因集富集分析[26]的启发，作者开发了一种新的基于计算机模拟的方法来计算核糖体活性（图1C）。在这种方法中，作者使用了多个核糖体基因而不是单个核糖体基因，并考虑了非核糖体基因的背景，从而确保了输出数据的稳健性。核仁纤维蛋白酶的异常增加常被用来反映核糖体合成的上调[20, 38]。为了评估作者的工作流程的效率，作者分析了来自TCGA-BRCA和CPTAC数据集的105个乳腺癌样本的mRNA和蛋白质表达数据。作者观察到了鉴定的核糖体合成活性与四种可用的纤维蛋白酶蛋白（包括RRP1、FBL、NOP56和USP36）的表达之间的显著关联（图1D和E；附图S1，请参见在线附加数据http://bib./）。已经对5-氟尿嘧啶治疗后的核糖体组成进行了表征，5-氟尿嘧啶具有强大的核糖体合成抑制活性[27, 28, 39, 40]。为了进一步探索作者方法的可靠性，作者分析了5-氟尿嘧啶治疗后单细胞RNA表达的变化[41]。作者的方法量化的核糖体合成活性在结直肠癌细胞中经过5-氟尿嘧啶治疗后减少（图1F）。综上所述，这些数据表明作者开发的计算方法在基于转录组表达数据评估核糖体生物合成活性方面是可靠的。
人类癌症中的高活性核糖体Sis活动，尤其是在恶性细胞中使用上述开发的方法，作者分析了来自TCGA/GTEx数据集的14,645个样本的RNA-seq数据，以评估33种癌症类型中的RiboSis活性。不同癌症类型的RiboSis活性有所不同（图2A）。淋巴样肿瘤弥漫性大B细胞淋巴瘤（DLBC）具有最高的活性，而肾透明细胞癌（KIRC）在所有癌症类型中的RiboSis活性水平最低（图2A），表明在不同癌症类型的肿瘤细胞增殖中对RiboSis的需求存在差异。在26种样本数量足够的癌症类型中，有25种癌症类型中，肿瘤中的RiboSis活性显著高于正常组织（图2B；附图S2，请参阅在线提供的补充数据http://bib./），突出了RiboSis在肿瘤发生过程中的重要性[27]。此外，收集了13种癌症类型的单细胞RNA-seq谱，以评估除恶性细胞外的不同细胞类型中的RiboSis活性。值得注意的是，恶性细胞中的RiboSis活性比免疫细胞或基质细胞更高，而这种现象与恶性细胞的比例无关（图2C-E）。综合来看，这些数据表明RiboSis在癌症中具有高活性，尤其是在恶性细胞中，这为在抗RiboSis疗法中选择性地针对肿瘤而非正常细胞提供了理论依据[42, 43]。
为了进一步确定与核糖体合成相关的基因组改变的特征，作者首先探索了每个核糖体合成基因在人类癌症中的表达特征，并观察到上调的核糖体合成基因（P < 0.05且|log Fold Change| >1）在癌症中显著富集（图3D），突出了高活性核糖体合成在肿瘤发生过程中的重要作用[27]。值得注意的是，不同类型的癌症表现出癌症特异性的核糖体合成基因失调模式（图3E）。因此，作者对人类癌症中差异表达的核糖体合成基因进行了多数投票的荟萃分析。与癌症中的高活性核糖体合成一致，229个核糖体合成基因（69%）在全癌症水平上持续上调，而仅有15个核糖体合成基因（5%）持续下调（附图S5，请参阅在线附加数据http://bib./），突显了这些核糖体合成基因表达的变化在人类癌症中是保守的。
肿瘤细胞对核糖体合成的依赖性为癌细胞提供了治疗上的弱点[27]。为了了解核糖体合成基因药物开发的现状，作者首先根据核糖体合成基因的目标开发水平（TDLs）进行了数据挖掘，使用TCRD进行了研究。在这些核糖体合成基因中，只有两个核糖体合成基因（XPO1和mTOR）目前作为FDA批准的药物在某些癌症类型中作为治疗靶点（Tclin：1%；图5A），还有一小部分核糖体合成基因（20/331）是具有满足活性阈值的小分子靶点（Tchem：6%；图5A）。大多数核糖体合成基因（309个，93%）仍然缺乏相应的化合物来调控其功能（77% Tbio和16% Tdark；图5A）。值得注意的是，这些核糖体合成基因中有240个目标开发水平较低（Tbio或Tdark），但对癌细胞的生长和存活至关重要（图5A）。为了探索核糖体合成基因是否已经在之前的研究中进行了表征，作者通过PubTator进行了文献搜索。大多数RiboSis基因（280个，占85%）尚未得到很好的表征（PubTator分数<150），其中213个未研究的RiboSis基因对癌症的生长和存活至关重要（图5A）。总体而言，大量未充分研究的RiboSis基因对癌症的生长至关重要，但缺乏适当的药物干预，为进一步的药物开发提供了巨大的机会。
考虑到新药开发的长周期，作者筛选了临床批准/实验药物或工具化合物，以通过抑制核糖体合成来治疗癌症。为了了解这些化合物对核糖体合成的影响，作者首先使用机器学习预测了来自癌症基因组图谱（TCGA）队列的9173名患者中367种化合物的药物反应（图6A）。结合TCGA的表达数据，作者确定了高度相关的核糖体合成基因和药物对（|r| > 0.8，P < 0.05）。有趣的是，核糖体合成基因表达主要与患者的药物反应呈负相关，尤其是在DLBC和胸腺瘤（THYM）中（图6B），即核糖体合成基因的高表达与患者的药物敏感性增加相关。然后，作者重点关注了核糖体合成基因与药物反应呈负相关的功能富集分析，并观察到核糖体生物合成的每个亚步骤与不同癌症类型的临床批准/实验药物或工具化合物的靶标途径有广泛的相关性（图6C）。
总结 总之，作者的研究首次提出了一种计算方法来系统评估核糖体生物合成活性，生成了癌症中 RiboSis 基因的分子变化的全面蓝图，并为基于 RiboSis 的抗肿瘤疗法提供了宝贵的资源。
|
