当前位置: 首页 > java >正文

成功案例|TRAP1 与 CAMSAP3:早期子宫内膜癌预后的新 “风向标”

文章信息

图片

文章题目:Multi-omics profiling reveal cells with novel oncogenic cluster, TRAP1low/CAMSAP3low, emerge more aggressive behavior and poor-prognosis in early-stage endometrial cancer

发表期刊:Molecular Cancer

影响因子:27.7

团队:福建医科大学孙蓬明及中国医学院科学院杨俊涛、柳江枫为共同通讯作者

研究背景

子宫内膜癌(EC)是全球第六大常见恶性肿瘤。尽管EC预后良好,但一部分早期和低度病变患者病程进展迅速。由癌症基因组图谱(TCGA)基因组亚群修改而成的分子分类系统ProMisE和Trans-PORTEC已通过免疫组织化学(IHC)应用于临床实践,有助于提高诊断水平并提供更好的治疗策略。然而,IHC显示大约48.2%的p53异常患者被漏诊。多组学技术的应用有助于鉴定出更有意义的生物标志物,但很少有研究集中在预后蛋白和肿瘤微环境(TME)上。因此,鉴定早期EC的高质量预后标志物并探讨致癌亚群与TME的相互作用,提高p53检测的精度,避免漏诊。

技术路线

图片

研究结果

早期子宫内膜癌预后相关蛋白的多组学鉴定及 TRAP1 低表达 / CAMSAP3 低表达簇的特征分析

本研究通过对I - II 期子宫内膜癌患者(包括 15 例生存患者和 9 例死亡患者)进行蛋白组分析。鉴定出了三类差异表达蛋白(DEPs),即生存患者的肿瘤病灶与癌旁组织、死亡患者的肿瘤病灶与癌旁组织、生存与死亡患者的肿瘤病灶之间的差异表达蛋白。通过比较和分析生存与死亡患者的肿瘤病灶组织,发现上调的差异表达蛋白显著富集于氧化磷酸化过程。在比较生存患者的肿瘤病灶和癌旁组织时,上调的差异表达蛋白则富集于不饱和脂肪酸的合成。对 34 种差异表达蛋白进行 LASSO 分析,通过上述三类交叉匹配最终得到 13 种预后蛋白:AK3、ATF2、NUMA1、CACHD1、ZMPSTE24、TRAP1、COG3、CAMSAP3、COX4I1、PGPEP1、UBL5、HADHA 和 SNRPGP15。通过受试者工作特征曲线(ROC)筛选出的这 13 种候选蛋白具有良好的预后预测和诊断性能(图 1A)。基因集富集分析(GSEA)显示,包括 TRAP1、CAMSAP3、NUMA1、UBL5 和 COX4I1 在内的 5 种预后蛋白参与 p53 信号通路(图 1B)。

对 5 例 IA 期子宫内膜样腺癌(EEC)患者和 3 例患者的 3 个相邻正常子宫内膜组织进行了单细胞转录组测序(scRNA-seq)。经过质量控制和筛选,获得了 79,641 个高质量细胞,聚类并鉴定出 5 种已知的主要细胞类型:上皮细胞、基质成纤维细胞、内皮细胞、平滑肌细胞和免疫细胞。通过单细胞转录组测序进行差异表达分析,得到 3 个与蛋白质组数据一致的差异表达基因(DEGs):NUMA1、TRAP1和CAMSAP3,它们的表达水平在不同细胞簇中有所不同。肿瘤组织中上皮细胞的比例明显高于正常样本,此前有报道表明子宫内膜癌起源于无纤毛上皮细胞。因此,上皮细胞首先被分为 3 个主要亚群:腔细胞、腺细胞和纤毛上皮细胞。排除纤毛上皮细胞后,对上皮细胞重新聚类,得到 10 个细胞簇。然后评估这 3 个基因在每个细胞簇中的表达水平,发现 6 号和 7 号细胞簇的基因表达低于其中位数(TRAP1,中位数 = 0.096;CAMSAP3,中位数 = 0.040;NUMA1,中位数 = 0.138)。通过分析肿瘤和癌旁样本中的无纤毛上皮细胞,发现 7 号细胞簇主要存在于正常细胞中,因此 6 号细胞簇成为研究重点。此外,几乎所有其他细胞都可以归类为腺细胞或腔细胞(图 1C、D )。6 号细胞簇的高表达基因包括先前报道的癌基因,如 LCN2、SAA1 和 TFF3。TRAP1、NUMA1 和 CAMSAP3 在腺细胞和腔细胞中高表达,但在 6 号细胞簇中均低表达(图 1E)。此外,对无纤毛上皮细胞的基因集富集分析(GSEA)显示,6 号细胞簇中 p53 信号通路下调(图 1F),而在腺细胞和腔细胞中上调。除了 NUMA1,这些结果与基于蛋白质组学的 TRAP1 和 CAMSAP3 的基因集富集分析结果一致。因此,作者将 6 号细胞簇定义为 TRAP1 低表达 / CAMSAP3 低表达簇,然后评估其在肿瘤微环境(TME)中的基本特征。

通过 CellChat 进行的细胞间相互作用分析表明,上皮细胞与免疫细胞的相互作用最为密切。为了确定哪些免疫亚群与 TRAP1 低表达 / CAMSAP3 低表达簇密切相互作用,对免疫亚群进行细胞身份注释,包括 T 细胞、B 细胞、自然杀伤细胞(NK 细胞)和髓样细胞。TRAP1 低表达 / CAMSAP3 低表达簇与髓样细胞之间的相互作用强度最大(图 1G)。主要的配体 - 受体对包括 MIF - CD74/CD44、MIF - CD74/CXCR4、Midkine(MDK) - NCL 等(图 1H)。随后,髓样细胞被分为三个簇:树突状细胞(DCs)、巨噬细胞和单核细胞。TRAP1 低表达 / CAMSAP3 低表达簇与巨噬细胞之间的相互作用最强,且主要的受体 - 配体对几乎与髓样细胞中的相同。这些结果表明,巨噬细胞可能是与髓样细胞中 TRAP1 低表达 / CAMSAP3 低表达簇相互作用的主要细胞,主要的受体 - 配体对包括 MIF - CD74/CXCL4、MIF - CD74/CD44。

图片

图1、早期子宫内膜癌(EC)中预后蛋白的多组学鉴定以及亚型特征的揭示

预后蛋白的验证及其预测子宫内膜癌患者死亡风险的能力

采用免疫组化(IHC)验证不同样本中预后蛋白的表达情况。不同预后组中,癌旁组织的 TRAP1 和 CAMSAP3 表达水平高于癌组织。死亡患者肿瘤组织中 TRAP1 和 CAMSAP3 的表达低于生存患者。然而,在生存患者的癌组织和癌旁组织以及不同预后的癌组织中,NUMA1 的表达没有显著变化(图 2A)。根据预后蛋白的免疫评分计算约登指数(约登指数 = 特异性 + 敏感性 - 1),选取约登指数最大值对应的数值作为截断值(TRAP1:5.5,CAMSAP3:9.8,NUMA1:6.95)。TRAP1 和 CAMSAP3 的表达情况与蛋白质组分析结果一致,但 NUMA1 的表达情况与之不符。

为进一步确认预后蛋白表达与子宫内膜癌之间的相关性,并验证它们能否作为独立的预后蛋白,作者分析了癌症基因组图谱(TCGA)队列进行外部验证。数据被分为早期(I - II 期)、晚期(III - IV 期)和相邻组织(正常组织)。对其进行了差异表达比较分析和生存分析(图 2B)。然后,作者选取了死于子宫内膜癌的患者(n = 57),并在 TCGA 数据库中通过倾向得分匹配选取了 110 名生存患者进行分析(N = 167)。结果显示,子宫内膜病变中基于 TRAP1 和 CAMSAP3 特征计算出低表达评分的患者,在所选队列中的生存率显著更低,这与作者的研究结果一致(p < 0.05)。在 I - II 期子宫内膜癌患者和无 TP53 突变的患者中也能观察到相同结果。在将 TRAP1、CAMSAP3 与 TP53 突变进行联合分析后,可以看到患者的 5 年生存率迅速下降,这表明疾病进展迅速(图 2C)。患者的 5 年生存率显著降低,意味着 I - II 期子宫内膜癌患者的预后最差(p < 0.05,图 S7B)。作者还使用相同的数据构建了一个临床预测模型。TP53 联合 TRAP1 和 CAMSAP3 的模型的曲线下面积(AUC)为 0.84,这明显(p < 0.001)高于 TP53 单独使用时的曲线下面积(AUC = 0.72)(图 2D )。这些结果证实,作者选择的预后蛋白可用于未来的进一步研究。

图片

图2、对预后蛋白的临床验证

研究结论

本研究旨在对早期子宫内膜癌(EC)进行多组学分析,以鉴定预后蛋白并揭示亚型特征。研究通过分析 TRAP1、CAMSAP3 和 NUMA1 在不同组织(死亡和存活患者的癌组织及癌旁组织)中的表达,并通过绘制其ROC曲线,确定这些蛋白对预后的潜在预测价值。基于基因集富集分析(GSEA),识别出与这些蛋白相关的信号通路,揭示其在 EC 发生发展中的作用机制。对 TRAP1 和 CAMSAP3 低表达簇进行 GSEA 分析,并通过细胞通讯分析研究其与免疫亚群和免疫细胞的相互作用。总体而言,研究表明 TRAP1、CAMSAP3 和 NUMA1 可作为早期 EC 潜在预后标志物,这一突破性成果不仅丰富了对子宫内膜癌分子机制的理解,更为临床提供了新的生物标志物,有望改善早期子宫内膜癌的诊断和治疗策略。

http://www.xdnf.cn/news/970.html

相关文章:

  • Federated Feature Augmentation and Alignment
  • Linux卸载删除gitlab
  • Vmware esxi 给现有磁盘增加空间后并扩展系统里磁盘空间
  • 文件内容课堂总结
  • Webpack 插件开发
  • MYDB仿MySQL手写数据库项目总结
  • UML 状态图:解锁电子图书馆管理系统的高效设计
  • 经典文献阅读之--KISS-Matcher(快速且稳健的点云注册)
  • C语言中联合体(Union)和结构体(Struct)的嵌套用法
  • VS Code + GitHub:高效开发工作流指南
  • 前端vue监听 -watch
  • 基于Redis实现高并发抢券系统的数据同步方案详解
  • Redis 有序集合(Sorted Set)
  • Spark,序列化反序列化
  • Linux高级IO
  • 【Python爬虫实战篇】--爬取豆瓣电影信息(静态网页)
  • RS232 串行通信:C++ 实现指南
  • 微信小程序 == 倒计时验证码组件 (countdown-verify)
  • 5V 1A充电标准的由来与技术演进——从USB诞生到智能手机时代的电力革命
  • I/O复用函数的使用——select
  • Linux系统管理与编程13:基于CentOS7.x的LAMP环境部署
  • BGP路由控制实验
  • Linux论坛安装
  • vite安装及使用
  • arkTs:UIAbility 组件的生命周期
  • Linux——系统安全及应用
  • 内网穿透实践:cpolar快速入门教程
  • 大模型学习笔记 day01 提示工程入门1.One-shot Few-shot提示学习法
  • 【mongodb】--下载
  • Flink介绍——实时计算核心论文之MillWheel论文总结