癌症分型已经投不出去了吗？看看这篇使用癌细胞系做的分型吧！

 

背景介绍

 

数据介绍

 

结果解析

作者对36个胰腺癌细胞系与来自TCGA胰腺癌队列的769 个原发性胰腺肿瘤样本的癌症驱动基因的突变频率进行了比较（图1A）。53.3%的癌症驱动基因在 PCCL和原发性胰腺肿瘤之间的突变频率没有差异（如KRAS、SMAD4和CDKN2A）。然而，TP53、ARID1A、EP300等癌症驱动基因表现出显著差异。这些驱动基因中大多数都含有错义突变（图1B）

作者接下来检查了PCCL和原发性胰腺癌样本中基因突变的共同发生和相互排斥性。在TCGA胰腺癌患者队列中鉴定了87个共同出现基因对和6个互斥基因对（图1C）。在PCCL中观察到的要少得多，只检测到20个共现基因对和4个互斥基因对（图1D）。

图1

来自不同癌症亚型的样本通常具有各种分子特征。采用无监督聚类算法对 36个PCCL进行分类。K=2时获得最佳性能，胰腺癌细胞系被分为2个亚组，即 C1和C2亚组（图2A）。使用mRNA表达的主成分分析 (PCA) 进一步确认了样本分类。

为了进一步检查这两个亚组之间的生物学差异，对这两个亚组之间差异表达的基因进行了功能富集分析（图2B）。C1亚群主要与分化相关，表明C1细胞系分化程度更高，具有上皮特征，其特征是分化相关标记基因的高表达（图2C）。C2亚组表现出其他分子特征，例如免疫、转移/血管生成、转移/表皮和增殖（图2D)。

图2

作者分析了36个PCCL中734个miRNA的表达谱。采用表达水平差异最大的前200个miRNA进行无监督聚类。在K=2时表现出最佳性能，36个PCCL被分为2个亚组（图3A）。

作者将miRNA亚组中的PCCL分配到mRNA亚组，发现基于miRNA表达的分类与mRNA的分类高度一致（图3B）。C1亚组有中2上调和12个下调的miRNA（图3C）。

图3

作者使用214种蛋白质的表达谱将PCCLs分为2个亚组，其中只有3个细胞系与转录组学分类存在差异（图4A）。差异分析揭示了16种蛋白质C1和C2亚组之间表现出显著差异（图4B）。例如，Rab25, P-Cadherin_Caution, alpha-Catenin Rab25在C2亚组中的水平显着高于C1亚组（图4C）。

此外，还进行了相关分析以检查这些差异蛋白在胰腺癌细胞系中的共同调节。大多数差异蛋白在36个PCCL中表现出显著的正相关或负相关（图4D）。基于蛋白质对之间的共调节关系进一步构建了蛋白质相互作用网络。网络分析揭示了不同亚组之间生物学特性的差异，这反映在相关通路上，如表皮生长因子受体（EGFR）信号通路、磷脂酰肌醇3-激酶（PI3K）信号通路和丝裂原活化蛋白激酶（MAPK）信号通路（图4E）。因此，不同亚组具有不同的胰腺癌分子特征。

图4

将来自TCGA胰腺癌队列 (PAAD) 的胰腺癌样本映射到相应的亚组。PAAD 肿瘤样本根据其与PCCL的表达相关性分为三个亚组（图5A）。其中12个肿瘤样本与C1亚组中的PCCL表现出最相似的表达谱，90个样本与C2亚组中的表达谱高度相关。此外，一部分肿瘤样本 (n=75) 表现出亚组C1和C2的混合表达模式，指定为亚组C3。

来自C1亚组的肿瘤样本与C1亚组中的细胞系显示出最高的相关性，而亚组 C2中的肿瘤样本与C2细胞系具有更高的相似性，C3肿瘤样本与来自C1和C2亚组的细胞系高度相关（图5B）。

免疫浸润方面，来自C1亚组的肿瘤样本比来自C2和C3亚组的肿瘤样本具有显着更高的CD4细胞浸润（图5C）。C2亚组中的肿瘤样本比C1和C3亚组中的肿瘤样本更多地被单核细胞浸润。生存曲线显示，不同亚组之间的生存时间显示出显著差异（P = 1.2E-03；图5D）。这一结果与图2D C1亚组显示出比C2亚组更多的差异化特征相同。证明作者的亚型分类具有临床意义。

通过比较两个亚组中细胞系对497种抗肿瘤药物的敏感性，确定了13种在不同PCCL亚组中具有不同敏感性的药物（图6A）。有2种药物在C2亚组中表现出更高的敏感性，11种药物对C1更敏感。

此外，作者还探索了基因组突变与药物敏感性之间的关联，用于区分对抗肿瘤药物具有不同敏感性的细胞。在61789个基因-药物对中，发现3028个显著相关（P < 0.05)。特别是，具有CDKN2A突变的胰腺癌细胞对阿霉素、长春新碱、伊马替尼、阿西替尼、舒尼替尼、乐伐替尼和博舒替尼等药物表现出更高的敏感性（图6C）。TP53突变的PCCL比野生型对西罗莫司、地塞米松和凡德他尼更敏感（图6D）。伐地考昔和奥沙利铂在SMAD4突变的PCCL中高度敏感（图 6E）。

图6

 

小编总结