Systematic identi?cation of non-coding pharmacogenomic landscape in cancer

系統(tǒng)鑒定癌癥中非編碼藥物基因組學(xué)景觀

期刊：NATURE COMMUNICATIONS；影響因子：12.353    

發(fā)表單位：匹茲堡大學(xué)                                  

    首次采用了“自上而下”的方法，整合了來(lái)自原發(fā)腫瘤和癌細(xì)胞的藥物基因組學(xué)數(shù)據(jù)，構(gòu)建了基于lncRNA的藥物反應(yīng)預(yù)測(cè)模型，鑒定可能調(diào)節(jié)藥物反應(yīng)的候選lncRNA，以此預(yù)測(cè)相關(guān)藥物治療效果并提供有希望的治療靶點(diǎn)來(lái)克服癌癥化學(xué)療法抗性。

    新出現(xiàn)的證據(jù)表明，長(zhǎng)鏈非編碼RNA（lncRNA）在癌癥藥物反應(yīng)中發(fā)揮重要作用。在這里，我們通過(guò)整合1005個(gè)癌細(xì)胞系的多維基因組數(shù)據(jù)和265種抗癌化合物的藥物反應(yīng)數(shù)據(jù)報(bào)告了lncRNA藥物基因組學(xué)景觀。使用彈性網(wǎng)（EN）回歸，我們的分析確定了27,341個(gè)lncRNA-藥物預(yù)測(cè)對(duì)。我們使用兩個(gè)獨(dú)立的癌癥藥物基因組數(shù)據(jù)集驗(yàn)證了lncRNA EN模型的穩(wěn)健性。通過(guò)將49種FDA批準(zhǔn)的藥物的lncRNA EN模型應(yīng)用于來(lái)自21種癌癥類型的5605個(gè)腫瘤樣本，我們顯示基于癌細(xì)胞系的lncRNA EN模型可以預(yù)測(cè)癌癥患者的治療結(jié)果。進(jìn)一步的lncRNA-通路共表達(dá)分析表明lncRNA可通過(guò)藥物代謝或藥物靶標(biāo)通路調(diào)節(jié)藥物反應(yīng)。最終通過(guò)實(shí)驗(yàn)證明EPIC1是Bromodomain and Extra-Terminal motif（BET）抑制劑的最佳預(yù)測(cè)性lncRNA，通過(guò)激活MYC轉(zhuǎn)錄活性強(qiáng)烈促進(jìn)iBET762和JQ-1抗性。

    人類癌癥轉(zhuǎn)錄組的進(jìn)一步全基因組表征揭示了lncRNA是癌癥中最普遍的轉(zhuǎn)錄變化之一。與蛋白質(zhì)編碼基因相似，lncRNA可在腫瘤的發(fā)生和發(fā)展以及癌癥治療反應(yīng)中發(fā)揮關(guān)鍵作用。大規(guī)模癌癥基因組和藥物基因組學(xué)項(xiàng)目，如癌癥基因組圖譜（TCGA），癌癥細(xì)胞系百科全書(shū)（CCLE），癌癥藥物敏感性基因組學(xué)（GDSC）和癌癥治療反應(yīng)門(mén)戶（CTRP）提供了前所未有的機(jī)會(huì)通過(guò)結(jié)合來(lái)自數(shù)千個(gè)腫瘤樣品和癌細(xì)胞系的臨床和藥物反應(yīng)數(shù)據(jù)生成RNA-seq數(shù)據(jù)，系統(tǒng)地確定lncRNA在癌癥藥物反應(yīng)中的調(diào)節(jié)作用。

我們?cè)趤?lái)自GDSC和CCLE數(shù)據(jù)庫(kù)的27種癌癥類型的5605個(gè)TCGA腫瘤樣品和505個(gè)癌細(xì)胞系中獲得RNA-seq，拷貝數(shù)和DNA甲基化數(shù)據(jù)。首先根據(jù)TCGA數(shù)據(jù)庫(kù)中患者腫瘤和正常組織之間的差異表達(dá)鑒定2614種癌癥相關(guān)的lncRNA。在源自患者腫瘤樣品的2614種癌癥相關(guān)的lncRNA中，它們?nèi)吭谥辽僖环N癌細(xì)胞系中表達(dá)；2511（96.06％）在至少3個(gè)細(xì)胞系中表達(dá)。我們接下來(lái)使用最鄰近匹配算法來(lái)確定癌細(xì)胞系中的lncRNA改變譜是否代表基于lncRNA改變的患者腫瘤。在前5個(gè)最近鄰居中，該算法可以使用lncRNA表達(dá)100％匹配細(xì)胞系起源組織與原發(fā)腫瘤，隨機(jī)期望匹配率為33.3％。當(dāng)使用甲基化時(shí)，該百分比為約89.5％，當(dāng)使用具有隨機(jī)期望的拷貝數(shù)分別為15.8％和27.8％時(shí)，該百分比為88.9％。在整合三個(gè)特征之后，匹配的成功率在前5個(gè)最近鄰居中約為94.4％（隨機(jī)期望為22.2％）。原發(fā)性腫瘤和癌細(xì)胞系之間的lncRNA改變的一致性在表達(dá)水平上最突出，其次是DNA甲基化和拷貝數(shù)改變。

    整合505個(gè)癌細(xì)胞系的LncRNA表達(dá)譜和藥物反應(yīng)數(shù)據(jù)以鑒定預(yù)測(cè)性lncRNA-藥物對(duì)。對(duì)于每種細(xì)胞系，藥物反應(yīng)數(shù)據(jù)包括來(lái)自GDSC數(shù)據(jù)庫(kù)的265種抗癌劑的IC50值和曲線下面積（AUC）。通過(guò)結(jié)合彈性網(wǎng)（EN）回歸和引導(dǎo)聚合，我們建立了lncRNA-藥物反應(yīng)預(yù)測(cè)模型。然后基于在整個(gè)自舉過(guò)程中通過(guò)EN回歸選擇的頻率，使用IC50和AUC分別作為藥物反應(yīng)的指標(biāo)，獲得高度一致的lncRNA-藥物對(duì)網(wǎng)絡(luò)。為了驗(yàn)證該網(wǎng)絡(luò)，我們計(jì)算了兩個(gè)獨(dú)立數(shù)據(jù)集中這些lncRNA的表達(dá)與藥物反應(yīng)之間的相關(guān)性：CCLE和CTRP。我們觀察到lncRNA-藥物預(yù)測(cè)對(duì)與兩個(gè)數(shù)據(jù)集中的非預(yù)測(cè)對(duì)相比具有顯著更高的相關(guān)性。此外，靶向相同通路的藥劑傾向于共享相似的預(yù)測(cè)性lncRNA。

    使用通過(guò)訓(xùn)練鑒定的最具預(yù)測(cè)性的lncRNA，為每種藥劑構(gòu)建基于lncRNA的EN預(yù)測(cè)模型（LENP）。使用Pearson相關(guān)系數(shù)和Kendallτ觀察到的預(yù)測(cè)IC50，通過(guò)十倍交叉驗(yàn)證評(píng)估模型性能。這里我們參考使用IC50值訓(xùn)練的LENP模型，但通過(guò)使用AUC獲得非常相似的結(jié)果。與包含所有lncRNA的先前自舉程序相比，LENP模型通過(guò)使用頂部預(yù)測(cè)性lncRNA在預(yù)測(cè)細(xì)胞系IC50方面具有顯著改善的性能。改進(jìn)的模型性能表明EN回歸在鑒定高度預(yù)測(cè)藥物反應(yīng)的lncRNA方面的能力?？傮w而言，泛癌LENP模型在r=0.55時(shí)達(dá)到中位數(shù)表現(xiàn)（p<10^-33），而癌癥特異性LENP模型在r=0.71時(shí)具有中位數(shù)表現(xiàn)（p <10^-6）。值得注意的是，具有較高泛癌性能的藥物往往是具有更廣泛抗癌譜的藥劑。

    我們將LENP模型應(yīng)用于TCGA腫瘤lncRNA表達(dá)譜并預(yù)測(cè)了21種癌癥類型的患者藥物反應(yīng)。分析顯示，LENP能夠預(yù)測(cè)患者的已知和新型藥物敏感性。除了FDA批準(zhǔn)的適應(yīng)癥（即藥物-癌癥類型對(duì)），我們的數(shù)據(jù)表明，49種（93.9％）藥物中有46種具有一定比例的“敏感”腫瘤，這些藥物的治療尚未得到批準(zhǔn)。在臨床上，患者通常采用不同藥物的組合而不是單一藥物。因此，為了更好地研究癌癥患者的化療反應(yīng)，我們通過(guò)結(jié)合FDA批準(zhǔn)的每種癌癥類型的一線和二線化療預(yù)測(cè)，為每位患者提供一致的藥物反應(yīng)評(píng)分。使用這種啟發(fā)式方法，我們觀察到在調(diào)整已知預(yù)后因素（例如診斷年齡和疾病階段）后預(yù)測(cè)在THCA，STAD和CRC中對(duì)化療耐藥的患者預(yù)后不良的趨勢(shì)。為了進(jìn)一步測(cè)試實(shí)際接受相應(yīng)化療的患者的LENP模型，我們從TCGA患者臨床信息中分析了化療治療數(shù)據(jù)。我們發(fā)現(xiàn)LENP可以預(yù)測(cè)許多藥物的治療效果。

    通過(guò)使用基于熵的方法，我們確定了381個(gè)獨(dú)立于藥物靶標(biāo)機(jī)制的潛在多藥物反應(yīng)（MDR）相關(guān)的lncRNA。對(duì)lncRNA和蛋白質(zhì)編碼基因之間的共表達(dá)譜進(jìn)行了基因集富集分析（GSEA）觀察到MDRlncRNAs與異生素代謝，糖酵解，凋亡相關(guān)通路 ，和ABC轉(zhuǎn)運(yùn)蛋白之間存在顯著相關(guān)性。我們的分析確定了164個(gè)與異生素代謝顯著相關(guān)的MDR相關(guān)lncRNA。LINC00992（a.k.a.CTC-504A5.1）被鑒定為這些MDRlncRNA之一。預(yù)測(cè)118種藥物的細(xì)胞系反應(yīng)，LINC00992與CYP2J2，CYP1A1以及涉及異生素代謝通路的幾種其他基因呈顯著正相關(guān)。具LINC00992和CYP基因高表達(dá)的癌細(xì)胞系顯示出對(duì)可預(yù)測(cè)試劑的116（98.3％）的抗性。此外，LINC00992的表達(dá)升高與BRCA，LIHC，THCA和READ患者的生存率低有關(guān)。LINC00992已被確定為CYP基因的潛在調(diào)節(jié)因子，其在癌癥的化學(xué)抗性中起重要作用。因此，LINC00992可以作為新的生物標(biāo)志物和潛在的主要調(diào)節(jié)劑，通過(guò)異生素代謝來(lái)實(shí)現(xiàn)多藥耐藥性。

    除了藥物代謝通路，我們的分析還揭示了直接通過(guò)藥物靶標(biāo)通路調(diào)節(jié)藥物反應(yīng)的lncRNA。Bromodomain and Extra-Terminal抑制劑（iBETs）的最高預(yù)測(cè)性lncRNA與MYC相關(guān)通路顯著相關(guān)（iBET762為80％，JQ-1為85％）。iBET已被證明是包括乳腺癌在內(nèi)的幾種癌癥類型中有前景的新療法。在我們的研究中，泛癌和BRCA特異性LENP模型都能夠以高靈敏度和特異性預(yù)測(cè)iBET藥物反應(yīng)。通過(guò)BRCA特異性LENP-iBET模型選擇EPIC1作為iBET耐藥的最佳預(yù)測(cè)因子，其表達(dá)與乳腺癌細(xì)胞系中iBET762的IC50顯著正相關(guān)。我們用三種EPIC1 siRNA敲低了MCF-7，BT-474和ZR-75-1乳腺癌細(xì)胞系中的EPIC1表達(dá)。EPIC1的敲低顯著增加了MCF-7，BT-474和ZR-75-1細(xì)胞中iBET的敏感性。根據(jù)我們的LENP預(yù)測(cè)，EPIC1的過(guò)表達(dá)導(dǎo)致MCF-7和A549細(xì)胞中iBET的耐藥性。然后通過(guò)實(shí)驗(yàn)證明EPIC1通過(guò)直接與MYC蛋白相互作用調(diào)節(jié)MYC轉(zhuǎn)錄活性促進(jìn)對(duì)iBET的抗性起作用。

    由于缺乏覆蓋人類基因組非編碼區(qū)的基因組學(xué)/表觀遺傳平臺(tái)以及腫瘤中藥物反應(yīng)信息的缺乏，lncRNAs在癌癥藥物反應(yīng)中的作用的研究尚未獲得太多動(dòng)力。這些瓶頸導(dǎo)致大多數(shù)lncRNA研究使用“自下而上”策略，首先確定每個(gè)個(gè)體lncRNA的下游調(diào)節(jié)功能，然后研究lncRNA對(duì)癌癥中藥物反應(yīng)的調(diào)節(jié)。在這個(gè)項(xiàng)目中，我們采用了“自上而下”的方法，該方法整合了來(lái)自原發(fā)腫瘤和癌細(xì)胞的藥物基因組學(xué)數(shù)據(jù)，構(gòu)建了基于lncRNA的藥物反應(yīng)預(yù)測(cè)模型，并鑒定了可能機(jī)制調(diào)節(jié)藥物反應(yīng)的候選lncRNA。

其他相關(guān)文獻(xiàn)解讀

文獻(xiàn)解讀：lncRNA Atrolnc-1促進(jìn)慢性腎病小鼠的肌肉萎縮(IF:12.511)

文獻(xiàn)解讀：cell：lncRNA在終止先天免疫反應(yīng)中的作用（IF:31）

文獻(xiàn)解讀：LncRNA FEZF1-AS1通過(guò)調(diào)節(jié)PKM2信號(hào)通路促進(jìn)結(jié)直腸癌的腫瘤增殖和轉(zhuǎn)移

文獻(xiàn)解讀：TCGA甲基化數(shù)據(jù)分析發(fā)現(xiàn)重要lncRNA

文獻(xiàn)解讀：LncRNA在調(diào)節(jié)動(dòng)脈粥樣硬化中的作用(IF:32.621)

文獻(xiàn)解讀：lncRNA三種調(diào)控機(jī)制

文獻(xiàn)解讀：胰腺β細(xì)胞中l(wèi)nc是如何發(fā)揮作用的？(IF:20.565)

文獻(xiàn)解讀：lnc-Blnc1與EDF1和LXR蛋白質(zhì)形成復(fù)合物發(fā)揮調(diào)控作用