百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

这篇具有很好参考价值的文章主要介绍了百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

百趣代谢组学分享文章标题:Ferroptosis heterogeneity in triple-negative breast cancer reveals an innovative immunotherapy combination strategy

发表期刊:Cell Metabolism

影响因子:31.373

作者单位:复旦大学附属肿瘤医院

发表时间:2022年10月

百趣生物提供服务:非靶代谢组+脂质组检测分析

代谢组学项目背景介绍,三阴性乳腺癌(Triple-negative breast cancer ,TNBC)是临床上一种异质性疾病,约占确诊乳腺癌的15%。因异质性高、预后差、复发转移风险高等特点,成为乳腺癌研究中亟需攻克的顽固“堡垒”。2019年邵志敏/江一舟团队根据分子特征、代谢重编程和肿瘤微环境方面的异质性提出三阴乳腺癌的“复旦分型”,随后又针对不同亚型进行了系列精准治疗临床试验。与传统化疗相比,新的疗法治疗效果水平呈上升趋势,但是低于预期。

代谢组学分享,铁死亡(Ferroptosis)是一种非凋亡性和铁依赖性细胞死亡方式,近年来在肿瘤研究领域表现活跃。在Fe2+或酯氧合酶的作用下,含多不饱和脂肪酸链的磷脂(PE-PUFAs)发生脂质过氧化,诱导细胞铁死亡,这一过程受多种代谢途径的调控,然而TNBC铁死亡的特性仍未揭示。因此TNBC“复旦分型”仍需进一步的研究,探寻新的治疗靶点,以发现TNBC新的治疗突破口。 技术路线

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

代谢组学分享-研究结果

1.TNBC“复旦分型”各亚型铁死亡具有异质性

本研究通过对TNBC转录组、非靶代谢组及脂质组数据集分析和验证实验证实“复旦分型”中各亚型铁死亡存在异质性。代谢组学分享,间质样亚型(Mesenchymal-like, MES)呈现HAMP(铁稳态调节因子,图1C)低表达和铁代谢的失调(图1E);腔面雄激素受体亚型(luminal androgen receptor, LAR)与铁死亡相关的代谢途径被激活(图1A),铁死亡相关基因、蛋白及代谢物出现高度活跃(图1B-F);与LAR亚型相比,免疫调节亚型(immunomodulatory, IM)和基底样免疫抑制亚型(basal-like and immune-suppressed, BLIS)铁死亡相关通路变化水平较低,未出现显著铁死亡相关特性(图1A)。这一结果表明LAR亚型是TNBC中铁死亡敏感性最高的亚型。

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

图1. TNBC各亚型中铁死亡相关特征的异质性

2.谷胱甘肽(GSH)代谢中的GPX4是调控LAR亚型肿瘤铁死亡的关键靶点

代谢组通路富集分析显示,LAR亚型肿瘤GSH代谢显著上调,GPX4在LAR亚型肿瘤中表达量高且对铁死亡高度敏感(图1F、图2)。代谢组学分享,基于以上发现进行细胞和类器官的药敏实验,进一步探索了针对LAR亚型肿瘤铁死亡的最佳治疗策略,结果表明GPX4抑制剂RSL3对LAR亚型抑制效果更加明显(图3)。

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

图2. GSH代谢是抑制LAR亚型肿瘤铁死亡的关键

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

图3. 不同敏感性的铁死亡诱导剂突显了GPX4在LAR亚型肿瘤中的重要性

3. 雄激素受体(AR)与GPX4启动子结合,双向调控LAR亚型肿瘤铁死亡

为了探索LAR亚型肿瘤中GPX4表达增加的机制,作者首先对多组学数据进行分析,结果显示AR信号通路密切相关的FA代谢、雄激素反应等通路与GPX4的表达呈现正相关(图4A)。免疫印迹和qPCR的结果表明,AR对LAR亚型肿瘤中的GPX4起到调控作用(图4B)。代谢组学分享,进一步的荧光素酶报告基因及ChIP-qPCR发现AR与GPX4-2500~-2000bp启动子区的AR结合位点(AR binding sites, ABSs)结合并驱动GPX4的表达,从而调控LAR亚型中的GPX4高表达(图4C)。

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

图4. AR是LAR亚型肿瘤中GPX4表达的关键调控因子

基于AR对GPX4的调控作用,作者对AR抑制剂是否与GPX4抑制剂一样,可以作为促进LAR亚型肿瘤铁死亡的潜在抑制因子这一问题进行探究。代谢组学分享,通过免疫印迹、脂质过氧化检测和BODIPY581/591C11染色对AR抑制剂和GPX4抑制剂诱导的LAR亚型肿瘤细胞系铁死亡进行对比,AR抑制剂并未明显提高肿瘤细胞内脂质过氧化水平(图5A-C),究其原因是AR在细胞中的调控作用是双向的,AR既可以促进铁死亡相关多不饱和脂肪酸的生物合成,又可以上调GPX4的表达,减少引起铁死亡的脂质过氧化(图5D-E)。相较于抑制AR,GPX4抑制剂诱导LAR肿瘤铁死亡的效果更佳。

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

图5. AR具有双重作用来调节铁死亡

4.GPX4抑制剂抑制肿瘤生长、对肿瘤微环境进行重编

基于以上的体外研究,确定了LAR亚型的铁死亡敏感性和GPX4抑制剂具有诱导铁死亡作用。代谢组学分享,作者通过建立LAR亚型乳腺癌小鼠模型进行体内实验(图6A-B),发现无论是沉默Gpx4基因还是使用GPX4抑制剂都可以显著诱导肿瘤细胞的铁死亡,抑制肿瘤生长,增加CD8+、CD4+等不同亚群T细胞数量,触发肿瘤微环境获得炎症表型,使LAR亚型肿瘤微环境由“冷”转“热”(图6 C-F)。

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

图6. GPX4抑制剂在体内抑制肿瘤生长并重新编程肿瘤微环境

5. GPX4抑制剂联合ICB疗法为LAR亚型肿瘤治疗带来新方向

为了测试GPX4抑制剂和免疫检查点阻断(immune checkpoint blockade,ICB)治疗是否起到协同作用,通过TS/A小鼠乳腺癌细胞系来建立TS/A异种移植瘤进行体内实验(图7A),结果显示与单一治疗相比,GPX4抑制剂和PD-1抗体联合治疗显著抑制肿瘤生长,虽然未引起免疫细胞浸润,但PRF1+CD8+T细胞和GZMB+CD8+T细胞的比例显著增加,出现明显免疫反应(图7)。代谢组学分享,以上结果表明GPX4抑制剂与ICB联合疗法治疗LAR亚型肿瘤是一种理想的治疗策略,临床免疫治疗及小鼠细胞系免疫治疗队列研究也证实这一结果。

百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示

 

图7. GPX4抑制剂与ICB联用疗法对LAR亚型肿瘤有显著治疗效果

代谢组学分享-结论

本研究通过多组学数据集分析和体内外实验验证系统地揭示了TNBC“复旦分型”各亚型具有铁死亡异质性,其中LAR亚型肿瘤细胞ROS积累,FA代谢富集,脂氧合酶过度表达,并操纵GSH代谢防止铁死亡的发生。代谢组学分享,且LAR亚型肿瘤对铁死亡抑制剂、尤其是GPX4抑制剂敏感,是铁死亡治疗最为敏感的亚型。基于这些特征,靶向铁死亡抑制剂与免疫检查点阻断相结合的疗法,为LAR亚型肿瘤提供了精准治疗新方向,为三阴性乳腺癌患者带来新希望。文章来源地址https://www.toymoban.com/news/detail-420606.html

到了这里,关于百趣代谢组学分享,三阴性乳腺癌铁死亡异质性的揭示的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包赞助服务器费用

相关文章

  • 【PyTorch】第六节:乳腺癌的预测(二分类问题)

    【PyTorch】第六节:乳腺癌的预测(二分类问题)

    作者 🕵️‍♂️:让机器理解语言か 专栏 🎇:PyTorch 描述 🎨:PyTorch 是一个基于 Torch 的 Python 开源机器学习库。 寄语 💓:🐾没有白走的路,每一步都算数!🐾          上一个实验我们讲解了线性问题的求解步骤,本实验我们以乳腺癌的预测为实例,详细的阐述如

    2023年04月16日
    浏览(15)
  • 基于逻辑回归实现乳腺癌预测(机械学习与大数据)

    基于逻辑回归实现乳腺癌预测(机械学习与大数据)

    将乳腺癌数据集拆分成训练集和测试集,搭建一个逻辑回归模型,对训练集进行训练,然后分别对训练集和测试集进行预测。输出以下结果: 该模型在训练集上的准确率,在测试集上的准确率、召回率和精确率。

    2024年03月11日
    浏览(17)
  • 基于Swin Transformers的乳腺癌组织病理学图像多分类

    基于Swin Transformers的乳腺癌组织病理学图像多分类

    乳腺癌的非侵入性诊断程序涉及体检和成像技术,如乳房X光检查、超声检查和磁共振成像。成像程序对于更全面地评估癌症区域和识别癌症亚型的敏感性较低。 CNN表现出固有的归纳偏差,并且对于图像中感兴趣对象的平移、旋转和位置有所不同。因此,通常在训练CNN模型时

    2024年04月11日
    浏览(10)
  • 大数据分析案例-基于LightGBM算法构建乳腺癌分类预测模型

    大数据分析案例-基于LightGBM算法构建乳腺癌分类预测模型

    🤵‍♂️ 个人主页:@艾派森的个人主页 ✍🏻作者简介:Python学习者 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞👍🏻 收藏 📂加关注+ 喜欢大数据分析项目的小伙伴,希望可以多多支持该系列的其他文章 大数据分析案例合集

    2024年02月16日
    浏览(14)
  • 机器学习赋能乳腺癌预测:如何使用贝叶斯分级进行精确诊断?

    乳腺癌是女性最常见的恶性肿瘤之一,也会发生在男性身上。每年全球有数百万人被诊断出乳腺癌,对患者的生活和健康造成了巨大的影响。早期的乳腺癌检测和准确的诊断对于提高治疗的成功率至关重要。然而,乳腺癌的早期诊断面临着许多挑战,如复杂的病理学评估和误

    2024年02月12日
    浏览(10)
  • “维度削减+逻辑回归”:如何使用PCA大幅提升乳腺癌的预测成功率?

    乳腺癌是女性中最常见的恶性肿瘤之一,也影响着全球范围内许多人们的健康。据世界卫生组织(WHO)的数据,乳腺癌是全球癌症发病率和死亡率最高的肿瘤之一,其对个体和社会的危害不可忽视。因此,早期乳腺癌的预测和诊断变得至关重要,以便及早采取适当的治疗措施

    2024年02月12日
    浏览(10)
  • 文献学习-27-基于连通性感知图Transformer的数字病理图像乳腺癌分类

    文献学习-27-基于连通性感知图Transformer的数字病理图像乳腺癌分类

    Breast Cancer Classification from Digital  Pathology Images via Connectivity-aware GraphTransformer Authors:  Kang Wang, Feiyang Zheng, Lan Cheng, Hong-Ning Dai, Qi Dou, Jing Qin,  Member, IEEE Source: I EEE TRANSACTIONS ON MEDICAL IMAGING (TMI) Keywords:  Tissue connectivity, Tissue topology phe notyping, Graph Transformer, Cancer classification, Entity

    2024年04月12日
    浏览(9)
  • 计算机竞赛 基于卷积神经网络的乳腺癌分类 深度学习 医学图像

    计算机竞赛 基于卷积神经网络的乳腺癌分类 深度学习 医学图像

    🔥 优质竞赛项目系列,今天要分享的是 基于卷积神经网络的乳腺癌分类 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate 乳腺癌是全球第二常见的女性癌症。2012年,它占所有新癌症病例的12%,占所有女

    2024年02月11日
    浏览(46)
  • 机器学习之支持向量机(SVM)对乳腺癌数据二分类python实现

    机器学习之支持向量机(SVM)对乳腺癌数据二分类python实现

    支持向量机(Support Vector Machines)是一种二分类模型,它的目的是寻找一个超平面来对样本进行分割,分割的原则是间隔最大化,最终转化为一个凸二次规划问题来求解。 间隔最大化,就是所有样本点中,离我们分类界限超平面最近的样本点,尽可能的远离超平面。这种思想

    2024年02月03日
    浏览(13)
  • 基于深度学习的乳腺癌淋巴结转移预测模型(E-Transformer)

    基于深度学习的乳腺癌淋巴结转移预测模型(E-Transformer)

    乳腺癌细胞淋巴结转移是界定乳腺癌早中期的重要标准 ,需要活检,患者体验较差。 传统的图像辅助诊断需要手动提取特征、组合图像特征,效率低下、效果不佳。新兴的基于深度学习的图像辅助诊断,利用卷积神经网络通过全连接层或机器学习自动分割病灶、提取图像特

    2024年04月17日
    浏览(5)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包