转录组学与蛋白组学在三阴性乳腺癌中的预后研究进展

2019-11-12 08:06黄萍妹胡晓磊综述叶长生审校
中国肿瘤临床 2019年16期
关键词:组学分型靶点

黄萍妹 胡晓磊 综述 叶长生 审校

三阴性乳腺癌(triple-negative breast cancer,TNBC)占侵袭性乳腺癌的10%~20%,研究表明其常见于非裔、绝经前女性,临床特点为组织学分级高、预后差[1-2]。由于缺乏精准的分子靶点,TNBC治疗方式以手术为主,辅助放、化疗[3]。化疗包括新辅助化疗及术后化疗,因患者产生药物耐受性,远期化疗效果明显降低,易导致肿瘤复发及远处转移[2,4]。因此,分析TNBC本质特点并利用有效的指标判断临床预后,可针对性探索治疗靶点,从而找到适合的替代疗法。本文就近年来TNBC 转录组学与蛋白组学的预后研究进行综述。

1 TNBC的转录组分析

1.1 全转录组测序分析

随着对基因的深入认识及高通量技术的应用渐趋成熟,通过构建基因表达评分系统,或根据TNBC基因表达谱特点进行分型以判断预后[5]。同时,对各亚型肿瘤进行全转录组测序分析可得到预后相关指标。Liu等[6]分析转录组数据发现4种分子分型,并将其命名为FUSCC分型,包括免疫调节型(IM)、管腔雄激素受体型(LAR)、间充质样型(MES)、基底样及免疫抑制型(BLIS),前两种分型与Lehmann 分型中的IM、LAR 基本一致[5]。该研究进一步分析发现,采用FUSCC 分型的MES 包含Lehmann 分型中的间充质干细胞样型(MSL)和间充质型(M),而BLIS则主要包括基底细胞样1型(BL1)及M,生存分析提示BLIS 型的无复发生存期(relapse-free survival,RFS)较IM、LAR、MES 分型差。此外,结合患者总生存期(overall survival,OS)、RFS分析发现,差异表达基因的变化与肿瘤预后密切相关。Yang 等[7]研究发现差异表达mRNA 中的LHX1、WISP1 和S1PR1 与OS 呈负相关,而SORBS1 与OS 呈正相关。有研究使用ALDH 和CD24/CD44 标记TNBC,发现在ALDH+CD24-CD44+乳腺癌干细胞中,P4HA2、PTGR1 高表达及RAB40B 低表达者RFS 更短[8]。Chen 等[9]研究显示,TNBC 中HORMAD1转录合成的mRNA表达明显上调,生存分析提示其高表达与RFS 短相关。该研究结合免疫组织化学法检测及临床病理学信息分析发现,上述研究结论同样成立。虽然这些研究缺乏统一标准,但在某种程度上可作为肿瘤治疗的临床预后判断。

1.2 非编码RNA测序分析

人类绝大部分基因无编码蛋白的功能,其转录产物为非编码RNA(non-coding RNA,ncRNA),包括长链非编码RNA(long non-coding RNA,lncRNA)、微小RNA(microRNA,miRNA)、环状RNA(circular RNA,circRNA)等,在转录后、翻译、表观遗传等不同层面参与细胞生物学过程[10]。lncRNA在多种肿瘤中异常表达,在TNBC中起着不可或缺的作用[11]。Lin等[12]研究发现,LINKA及LINK-A依赖的信号转导途径的激活可促进糖酵解重编程及肿瘤生成,导致患者预后差。雌二醇(E2)通过上调HOTAIR增加肿瘤恶性程度,促使TNBC发生迁移[13]。值得注意的是,ERRLR01、MALAT1也同样受E2激素信号通路调节,参与TNBC的迁移、侵袭[14-15]。有研究利用转录组测序结果构建共表达网络,发现潜在核心lncRNA-RMST低表达提示OS短[16]。Wang等[17]分析含5个lncRNA(ENSG00000250337、ENSG 00000224137、ENSG00000266088、ENSG00000238121和ENSG00000 260257)模型用于评估乳腺癌预后,发现该模型独立于其他评分系统,推测这些指标可区分乳腺癌亚型(表1)。

lncRNA还具有“海绵功能”,通过胞内竞争ncRNA另一成员miRNA,削弱其调控靶基因的能力,从而参与多种病理生理过程[26]。考虑总体miRNA评分较单个miRNA指标能更好地判断肿瘤预后,有研究尝试建立特征评分系统评估肿瘤预后[27]。此外,TNBC中某些miRNA的特征性表达可发挥致癌或抑癌的功效,影响该类患者的生存预后。致癌miRNA如miRNA-301a、miRNA-454高表达以及抑癌miRNA如miRNA-221-3p、miRNA-34c低表达均提示TNBC预后差[18-21]。

高度保守的circRNA为近年来的研究热点,同样可作为miRNA 的“海绵”,形成相应的circRNA-miRNA-mRNA 轴,发挥内源性竞争RNA(competing endogenous RNA,ceRNA)作用,如与RNA 结合蛋白相互作用,调节转录因子、选择性剪接和翻译等,参与肿瘤的增殖、侵袭和转移[22-25]。Zeng 等[23]研究发现,TNBC 中表达上调的has_circ_007294 通过miRNA-148a-3p 和miRNA-152-3p 可增加转录因子USF1 表达、上调TGF-β1表达、激活TGF-β1/Smad信号转导,以诱导上皮-间质转化(epithelial-mesenchymal transition,EMT)促进乳腺癌的侵袭和转移,其表达与淋巴结转移和晚期临床分期密切相关,是乳腺癌患者OS的独立危险因素。研究进一步证实,促进has_circ_007294 合成的ESRP 受USF1 调控,说明circRNA 与mRNA之间非单纯的线性调节关系。

2 TNBC的蛋白组分析

RNA与蛋白质表达水平间的差异,使功能性生物学特征无法完全体现出基因表达特点。因此,功能性蛋白质组学分析作为补充信息,整合基因组及转录组数据利于发现新靶点[28]。蛋白质组学测定技术可识别、量化低丰度蛋白质,翻译后修饰表征蛋白质,验证蛋白质特性,并确定潜在治疗靶点。Cuzick等[29]提出IHC4评分标准,证实了其预后指导意义,表明针对TNBC的蛋白质组学研究为值得探索的方向之一(表2)。

表1 非编码RNA涉及通路及预后相关性

Gonçalves 等[30]对乳腺癌细胞行蛋白质谱分析,发现主要为管腔型和基底型,基底型乳腺癌细胞中S100A9 表达上调与其预后差相关。Agboola 等[31]利用免疫组织化学法检测TNBC 中上皮细胞黏附分子(EpCAM)的表达情况,发现其与肿瘤大小、分级呈正相关,且该类型患者的无病间隔(disease-free interval,DFI)、无转移生存期(metastasis-free survival,MFS)明显缩短。Handa等[32]通过免疫组织化学法检测TNBC 患者中CPA4 表达情况,提示CPA4 高表达患者的OS、DFS 明显较短,多变量分析结果表明CPA4 是生存率差的1个独立预后因素。Young等[33]利用液相色谱-串联质谱方法(LC-MS/MS)鉴定因PIK3CA 突变而引起改变的72 种蛋白质,发现其中大部分是分泌蛋白、细胞表面受体或细胞外基质相互作用分子,这些蛋白质的变化与肿瘤的临床不良预后相关。Wu等[34]研究TNBC细胞系的磷酸酪氨酸蛋白组发现,在大多数侵袭性TNBC 细胞中受体酪氨酸激酶(AXL)被激活,且AXL 的阳性表达显著降低患者生存率。Lawrence 等[35]研究发现,TNBC 中NF-κBp65 变体表达升高,且NF-κB 通过免疫调节途径调节炎症反应并参与肿瘤的侵袭、转移,提示NF-κB是潜在的预后指标。

表2 蛋白质组分析

3 问题与展望

目前,关于TNBC的转录组学及蛋白组学预后研究基本可分为两类,一类是建立评分模型判断预后;另一类是通过单指标参与信号通路研究预后相关性。在转录组研究中,从多角度考虑mRNA、lncRNA、miRNA、circRNA 间的相互作用,尝试建立ceRNA调控网络评价肿瘤预后的特点[7,17,36]。但因大数据建模、分析工具选择、肿瘤异质性等原因,最终的特征评分模型各不相同。采用统一标准、开发特定分析数据集和工具能一定程度上平衡杂乱数据,这对跨组学研究尤为重要。在蛋白组研究中,将基因数据与基于免疫组织化学法、LC-MS/MS等技术的蛋白质相关信息整合分析,是大部分蛋白组学研究手段之一,有助于发现潜在靶点、肿瘤内部或肿瘤间的信号通路以及整体的组织生物学特性。但实际用于临床验证的标志物极少,这可能与样本制备、实验设计和不当的数据分析有关。为减少实验过程中的误差可从下述几方面考虑:1)采集同一病例的肿瘤组织及正常组织以降低肿瘤异质性;2)统一组织采集、固定和处理方式;3)细胞系研究时应考虑转化细胞系中可能存在基因突变的差异;4)除ER、PR、HER-2 外,其他蛋白质细胞系与肿瘤基因组图谱(the cancer genome atlas,TCGA)组学数据缺乏表达一致性;5)获得的靶点需要在大样本中进行验证。

4 结语

综上所述,无法认清肿瘤本质导致分析结果参差不齐,尤其肿瘤的异质性使研究难度增加,但科学技术的进步可利用庞大的信息数据从多角度探索肿瘤的本质特点。越来越多的预后指标已逐步得到证实,尽快明确相关指标的临床意义,才能制定针对性的治疗决策。

猜你喜欢
组学分型靶点
影像组学在肾上腺肿瘤中的研究进展
维生素D受体或是糖尿病治疗的新靶点
东莨菪碱中毒大鼠的代谢组学
CT在早期预测新型冠状病毒肺炎不同临床分型的应用
影像组学在核医学影像中的应用进展
蛋白质组学技术在胃癌研究中的应用
中医内科分型治疗偏头痛的临床研究
肿瘤免疫治疗发现新潜在靶点
心力衰竭的分子重构机制及其潜在的治疗靶点
复杂分型面的分型技巧