文献解读 | 三阴性乳腺癌精准治疗策略再添双翼

发布时间：

2022-12-07 15:37

三阴性乳腺癌（Triple-negative breast cancer，TNBC）的侵袭性强、预后差，是各型乳腺癌中最凶险的“红颜杀手”。TNBC是以雌激素受体（ER）、孕激素受体（PR）和人表皮生长因子受体（HER2）阴性表达为特征的乳腺癌，占所有乳腺癌的15-20%。

高通量分子技术的进步为TNBC的高度异质性提供了新的见解。

现有的分类有多种，其中大多数依赖于基因组和转录组数据，但每种方法的独特性在于所选的疾病分型方法。

2011年，Lehmann等人通过结合21个数据集的基因表达并进行k-均值聚类，初步确定了6个亚型，后来将其细化为4个亚型。根据Jezequel等人的研究，通过对内部队列的基因表达进行模糊聚类，TNBC可分为3个亚型。采用一种更为集中的方法，通过选择特定的基因表达特征，TNBC被显示为基于免疫相关基因的三个亚型或基于代谢相关基因的三个亚型。

有趣的是，2019年邵志敏团队根据转录组学数据将TNBC分为四个亚型：（1）腔面雄激素受体型（LAR），（2）免疫调节型（IM），（3）基底样免疫抑制型（BLIS）和（4）间质型（MES），显示出与Lehmann分型的显著重叠。该研究随后启动了一项临床试验（NCT03805399），四种亚型中有两种（IM和MES）的反应令人满意。然而，其他两种亚型（BLIS和LAR）的治疗方案没有达到预期，因此有必要寻找新的分型方法。

2022年2月1日，复旦大学附属肿瘤医院乳腺外科邵志敏教授、江一舟教授领衔团队在 Cell Research（IF=25.617）杂志上发表了题为《Comprehensive metabolomics expands precision medicine for triple-negative breast cancer》的研究成果，分析了330例TNBC样本和149对正常乳腺组织中的极性代谢组和脂质组，构建了一个大型TNBC代谢组学图谱，将TNBC分为3个代谢亚型。

2022年3月1日，国家蛋白质科学中心秦钧教授、复旦大学附属肿瘤医院乳腺外科邵志敏教授、国家蛋白质科学中心朱伟民教授领衔团队在Cell Reports（IF=9.423）杂志上发表题为《Proteome-centric cross-omics characterization and integrated network analyses of triple-negative breast cancer》的研究成果，报告了一项对90例三阴性乳腺癌（TNBC）配对样本在定量、磷酸化和DNA结合能力方面的全面蛋白质组学研究，将其分为4个亚型（iP1-4），每个亚型具有不同的分子和通路特征以及临床结果。

在第一篇报道中，研究人员对之前的转录组分型进行了后续研究，以寻找特定TNBC亚型中发生的代谢重编程事件，并特别关注LAR和BLIS亚型的新治疗途径。

为此，研究人员使用液相色谱-质谱（LC-MS）分析了TNBC患者的子集，以调查2500多种极性代谢物和脂质，使其成为所分析样本和代谢物数量最大的研究之一。使用相似网络融合方法进行聚类显示，TNBC可以根据其代谢特征分为三个亚型，每个亚型都有丰富的特定代谢物组。

C1亚型的特点是脂质种类增加，因此，更依赖脂肪酸代谢来满足其能量需求。C2亚型表现出更高水平的参与碳水化合物和氧化途径的物种，并预计更依赖于谷氨酸代谢，而C3亚型与正常组织相比总体差异较小。

图1. TNBC中极性代谢组和脂质组检测概述

为了测试这一新分型的意义，研究人员调查了其与先前描述的转录组亚型和TNBC患者复发状态的潜在关联。

代谢物C1亚型和转录组LAR亚型之间存在显著相关性，而C2和C3与其余三种转录组亚型之间的相关性则不太清楚，在这些代谢亚型中分类的肿瘤平均分布在其余转录组亚型中。

经证实，与代谢物C2亚型重叠的BLIS肿瘤的无复发生存率总体较差。使用两种机器学习方法，即LASSO和SVM，可以根据6种代谢物的丰富程度来区分BLIS-C2和BLIS-C3肿瘤。

代谢组学亚型和转录组学亚型之间建立了强有力的联系，这表明在LAR和BLIS亚型中有可能出现新的治疗途径，在未来的试验中表现出不良反应。

鉴定富含转录组亚型的功能性代谢物可以突出对临床可利用的代谢途径的依赖性。在患者来源的类器官和异种移植模型上的实验表明，靶向神经酰胺途径的中间产物鞘氨醇-1-磷酸（S1P）是治疗LAR肿瘤的一种有前途的方法，而N-乙酰天冬氨酰谷氨酸（NAAG）是一种重要的促肿瘤代谢产物，也是高危BLIS肿瘤的潜在治疗靶点。

图2. NAAG是BLIS肿瘤中一种重要的促肿瘤代谢物

总之，该研究揭示了TNBC代谢组学的临床意义，它不仅可以优化转录组亚型系统，还可以提出新的治疗靶点。该代谢组学数据集可作为一个有用的公共资源来促进TNBC精确治疗。

图3. TNBC的转录组学和代谢组学亚型系统的整合，用于潜在的临床应用

在第二篇报道中，研究人员从之前描述的FUSCCTNBC队列中收集了90名患者的肿瘤和配对非癌邻近组织（NAT）样本。

对样本进行Label-free蛋白质组学分析：89个肿瘤和71对NAT进行全蛋白质组分析，88个肿瘤和72对NAT进行磷酸化蛋白质组分析，通过转录因子串联结合元件序列（catTFRE）从78个肿瘤和60对NAT样本中收集的DNA结合蛋白（DBPs）进行MS/MS分析。

采用双组分高斯混合模型评估所有样本（肿瘤和NAT）在蛋白质组、磷酸蛋白质组和DBP分析中是否具有足够的识别或定量，不符合标准的样本被排除在进一步分析之外。结果从82个肿瘤和66个配对NAT的全局蛋白质组分析中获得了7531个蛋白质，从86个肿瘤和70个配对NAT的磷酸蛋白质组分析中获得了4194个蛋白质上的20069个磷酸位点，而catTFRE分析从74个肿瘤和57个配对NAT中获得了2967个DBP。

研究中包括的非蛋白质组数据集来自该队列的73个全外显子组测序（WES）和80个拷贝数改变（CNA）肿瘤样本，以及来自先前FUSCC研究的89个肿瘤和59个配对NAT的RNA测序数据集。

图4. TNBC的多组学数据概述

与NAT相比，肿瘤样本检测到的蛋白质、磷酸化位点和DBPs约为NAT的2倍，并且在几乎所有肿瘤中都显示了唯一识别的蛋白质；1982个蛋白质、1889个磷酸化位点和944个DBPs在肿瘤中上调；165个蛋白质、136个磷酸化位点和91个DBPs显示下调。

这三个数据集的主成分（PCA）分析表明，肿瘤和NAT之间存在明显的蛋白质组图谱，肿瘤的异质性程度高于NAT。

通过使用iClusterPlus进行综合聚类分析生成一个同时包含样本蛋白质组和磷酸蛋白质组的亚型集，将肿瘤样本被分为四个亚型（表示为iP-1-4），这些亚型在预后上表现出显著差异，每个亚型都表现出不同的分子和通路特征。

iP-1亚型通过其途径和特征蛋白，表现出强烈的增殖特征。iP-2亚型的不良预后与该亚型的特征性脂质代谢途径密切相关，尤其是脂肪酸合成途径。iP-3亚型的特点是免疫过程高度富集。在iP-4亚型中，上皮间充质通路中可能与肿瘤转移相关的分子聚集在一起。

图5. 整合蛋白质组亚型

利用这些蛋白质组学数据集以及同一队列的基因组和转录组学数据进行两种类型的网络分析，显示上游调节器和下游过程之间的调节网络。进一步发现NAE1是iP-1亚型的潜在药物靶点，AKT1/FASN等一系列脂肪酸代谢的关键分子是iP-2亚型的潜在靶点。TNBC的蛋白质、通路和网络库为进一步临床探索和深入研究该疾病的分子机制提供了有价值的分子基础。