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)                                  

                   

導(dǎo) 讀

   

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

摘 要

  新出現(xiàn)的證據(jù)表明，長鏈非編碼RNA（lncRNA）在癌癥藥物反應(yīng)中發(fā)揮重要作用。在這里，我們通過整合1005個癌細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lncRNA-藥物預(yù)測對。我們使用兩個獨立的癌癥藥物基因組數(shù)據(jù)集驗證了lncRNA EN模型的穩(wěn)健性。通過將49種FDA批準的藥物的lncRNA EN模型應(yīng)用于來自21種癌癥類型的5605個腫瘤樣本，我們顯示基于癌細胞系的lncRNA EN模型可以預(yù)測癌癥患者的治療結(jié)果。進一步的lncRNA-通路共表達分析表明lncRNA可通過藥物代謝或藥物靶標通路調(diào)節(jié)藥物反應(yīng)。最終通過實驗證明EPIC1是Bromodomain and Extra-Terminal motif（BET）抑制劑的最佳預(yù)測性lncRNA，通過激活MYC轉(zhuǎn)錄活性強烈促進iBET762和JQ-1抗性。

 

研究背景

  人類癌癥轉(zhuǎn)錄組的進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)項目，如癌癥基因組圖譜（TCGA），癌癥細胞系百科全書（CCLE），癌癥藥物敏感性基因組學(xué)（GDSC）和癌癥治療反應(yīng)門戶（CTRP）提供了前所未有的機會通過結(jié)合來自數(shù)千個腫瘤樣品和癌細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。

 

結(jié) 果

1   通過細胞系回顧原發(fā)性腫瘤中的lncRNA改變

我們在來自GDSC和CCLE數(shù)據(jù)庫的27種癌癥類型的5605個TCGA腫瘤樣品和505個癌細胞系中獲得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)庫中患者腫瘤和正常組織之間的差異表達鑒定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癌細胞系中表達；2511（96.06％）在至少3個細胞系中表達。我們接下來使用最鄰近匹配算法來確定癌細胞系中的lncRNA改變譜是否代表基于lncRNA改變的患者腫瘤。在前5個最近鄰居中，該算法可以使用lncRNA表達100％匹配細胞系起源組織與原發(fā)腫瘤，隨機期望匹配率為33.3％。當使用甲基化時，該百分比為約89.5％，當使用具有隨機期望的拷貝數(shù)分別為15.8％和27.8％時，該百分比為88.9％。在整合三個特征之后，匹配的成功率在前5個最近鄰居中約為94.4％（隨機期望為22.2％）。原發(fā)性腫瘤和癌細胞系之間的lncRNA改變的一致性在表達水平上最突出，其次是DNA甲基化和拷貝數(shù)改變。

2   癌細胞系中LncRNA-藥物相互作用的景觀

  整合505個癌細胞系的LncRNA表達譜和藥物反應(yīng)數(shù)據(jù)以鑒定預(yù)測性lncRNA-藥物對。對于每種細胞系，藥物反應(yīng)數(shù)據(jù)包括來自GDSC數(shù)據(jù)庫的265種抗癌劑的IC50值和曲線下面積（AUC）。通過結(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)測模型。然后基于在整個自舉過程中通過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，獲得高度一致的lncRNA-藥物對網(wǎng)絡(luò)。為了驗證該網(wǎng)絡(luò)，我們計算了兩個獨立數(shù)據(jù)集中這些lncRNA的表達與藥物反應(yīng)之間的相關(guān)性：CCLE和CTRP。我們觀察到lncRNA-藥物預(yù)測對與兩個數(shù)據(jù)集中的非預(yù)測對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)測性lncRNA。

3   基于LncRNA的模型預(yù)測細胞系中的藥物反應(yīng)

   使用通過訓(xùn)練鑒定的最具預(yù)測性的lncRNA，為每種藥劑構(gòu)建基于lncRNA的EN預(yù)測模型（LENP）。使用Pearson相關(guān)系數(shù)和Kendallτ觀察到的預(yù)測IC50，通過十倍交叉驗證評估模型性能。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模型通過使用頂部預(yù)測性lncRNA在預(yù)測細胞系IC50方面具有顯著改善的性能。改進的模型性能表明EN回歸在鑒定高度預(yù)測藥物反應(yīng)的lncRNA方面的能力?？傮w而言，泛癌LENP模型在r=0.55時達到中位數(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。

4   LENP模型預(yù)測癌癥患者的治療結(jié)果

   我們將LENP模型應(yīng)用于TCGA腫瘤lncRNA表達譜并預(yù)測了21種癌癥類型的患者藥物反應(yīng)。分析顯示，LENP能夠預(yù)測患者的已知和新型藥物敏感性。除了FDA批準的適應(yīng)癥（即藥物-癌癥類型對），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。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)，我們通過結(jié)合FDA批準的每種癌癥類型的一線和二線化療預(yù)測，為每位患者提供一致的藥物反應(yīng)評分。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)測在THCA，STAD和CRC中對化療耐藥的患者預(yù)后不良的趨勢。為了進一步測試實際接受相應(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)測許多藥物的治療效果。

5   LncRNA可通過藥物代謝調(diào)節(jié)耐藥性

   通過使用基于熵的方法，我們確定了381個獨立于藥物靶標機制的潛在多藥物反應(yīng)（MDR）相關(guān)的lncRNA。對lncRNA和蛋白質(zhì)編碼基因之間的共表達譜進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)運蛋白之間存在顯著相關(guān)性。我們的分析確定了164個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118種藥物的細胞系反應(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基因高表達的癌細胞系顯示出對可預(yù)測試劑的116（98.3％）的抗性。此外，LINC00992的表達升高與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志物和潛在的主要調(diào)節(jié)劑，通過異生素代謝來實現(xiàn)多藥耐藥性。

6   EPIC1作為BET抑制劑抗性的主要調(diào)節(jié)劑

   除了藥物代謝通路，我們的分析還揭示了直接通過藥物靶標通路調(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iBET藥物反應(yīng)。通過BRCA特異性LENP-iBET模型選擇EPIC1作為iBET耐藥的最佳預(yù)測因子，其表達與乳腺癌細胞系中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乳腺癌細胞系中的EPIC1表達。EPIC1的敲低顯著增加了MCF-7，BT-474和ZR-75-1細胞中iBET的敏感性。根據(jù)我們的LENP預(yù)測，EPIC1的過表達導(dǎo)致MCF-7和A549細胞中iBET的耐藥性。然后通過實驗證明EPIC1通過直接與MYC蛋白相互作用調(diào)節(jié)MYC轉(zhuǎn)錄活性促進對iBET的抗性起作用。

討 論

   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，首先確定每個個體lncRNA的下游調(diào)節(jié)功能，然后研究lncRNA對癌癥中藥物反應(yīng)的調(diào)節(jié)。在這個項目中，我們采用了“自上而下”的方法，該方法整合了來自原發(fā)腫瘤和癌細胞的藥物基因組學(xué)數(shù)據(jù)，構(gòu)建了基于lncRNA的藥物反應(yīng)預(yù)測模型，并鑒定了可能機制調(diào)節(jié)藥物反應(yīng)的候選lncRNA。

微信掃描二維碼關(guān)注公眾號回復(fù)數(shù)字 “189291” 下載文獻原文，完整譯文

其他相關(guān)文獻解讀

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

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

文獻解讀：LncRNA FEZF1-AS1通過調(diào)節(jié)PKM2信號通路促進結(jié)直腸癌的腫瘤增殖和轉(zhuǎn)移

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

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