大家好，今天跟大家分享為一篇題為Pharmaco-proteo genomic charac teriza tion of liver cancer organoids for precision oncology（用于精確腫瘤學(xué)的癌癥類器官的藥物-基因組學(xué)特征）原發(fā)性肝癌是全球第三大癌癥死亡原因,，其中肝細(xì)胞癌(HCC)約占85%,，其次是肝內(nèi)膽管癌(ICC)和肝細(xì)胞膽管癌(CHC)。類器官模型有可能重現(xiàn)親本腫瘤的生物學(xué)和藥型特征,。

研究背景

類器官模型具有概括親本腫瘤的生物學(xué)和藥理學(xué)特征的潛力,。然而，目前仍缺乏針對藥物反應(yīng)特征的綜合藥物-蛋白質(zhì)基因組學(xué)分析和用于肝癌患者精準(zhǔn)治療的生物標(biāo)志物研究,。我們建立了一個(gè)患者來源的肝癌類器官生物庫（LICOB）,，該生物庫全面代表了通過多組學(xué)分析確定的各種肝癌類型的組織學(xué)和分子學(xué)特征,，包括基因組學(xué)、表觀基因組學(xué),、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)分析,。

LICOB 的蛋白質(zhì)基因組學(xué)分析確定了與患者預(yù)后相關(guān)的增殖和代謝類器官亞型。高通量藥物篩選揭示了每種亞型的不同反應(yīng)模式,，這些反應(yīng)模式與特定的多組學(xué)特征相關(guān),。通過對LICOB藥物蛋白質(zhì)基因組學(xué)數(shù)據(jù)的綜合分析，我們確定了與藥物反應(yīng)相關(guān)的分子特征,，并預(yù)測了個(gè)性化患者治療的潛在藥物組合,。

mTOR抑制劑替西羅莫司和多靶點(diǎn)酪氨酸激酶抑制劑侖伐替尼的協(xié)同抑制作用在類器官和患者來源的異種移植物模型中得到驗(yàn)證。我們還提供了一個(gè)用戶友好的門戶網(wǎng)站,，以幫助服務(wù)于生物醫(yī)學(xué)研究社區(qū),。我們的研究為研究肝癌生物學(xué)和藥理學(xué)依賴性提供了豐富的資源，可能有助于實(shí)現(xiàn)功能性精準(zhǔn)醫(yī)療,。

圖一

LICOB的建立以及與原發(fā)性肝癌的比較,。

圖一

（A） 肝癌類器官藥物蛋白質(zhì)基因組學(xué)分析的工作流程示意圖。

（B） LICOB中類器官模型的數(shù)量,。

（C） LICOB的代表性明場圖像（比例尺,，100 μm）。

（D） 類器官,、異種移植物及其親本腫瘤的代表性蘇木精和伊紅 （H&E） 染色（比例尺,，50 μm）。

（E 和 F） LICOB 中指示標(biāo)記物的免疫熒光 （E） 和免疫組織化學(xué) （F） 分析（比例尺,，50 μm）,。

（G） LICOB 和配對癌組織的突變景觀（n = 48 對）。

（H） 不同組學(xué)中類器官與成對或未成對組織的 Spearman 相關(guān)系數(shù),。（CNV,， n = 48 對;RNA-seq，n = 43 對; RRBS,，n = 30 對; 蛋白質(zhì)組學(xué),，n = 22 對）（Wilcoxon 秩和檢驗(yàn)）。

圖二

LICOB的分子亞型,。

圖二

（A）基于多組學(xué)數(shù)據(jù)的共識聚類揭示了四種亞型,。每列代表一個(gè)類器官樣本，行表示分子特征,。

（B） 每個(gè)LICOB多組學(xué)簇和每種組學(xué)數(shù)據(jù)中選定基因集的ssGSEA評分（*FDR < 0.05,，Wilcoxon秩和檢驗(yàn)）。

（C） LICOB 中 HCCO 亞型與患者 HCC 組織的先前亞型結(jié)果的比較（Fisher 精確檢驗(yàn)）,。

（D） 根據(jù)類器官亞型的多組學(xué)特征（log-rank 檢驗(yàn)）聚類的 CPTAC HCC 隊(duì)列總生存期的 Kaplan-Meier 曲線,。GSEA豐富了癌癥標(biāo)志的通路,。

（E） 象限圖描繪了與 L-DM 相比，L-LM 中轉(zhuǎn)錄組和蛋白質(zhì)組同時(shí)檢測到的 6,729 個(gè)基因的改變,。

（F） L-LM和L-DM差異表達(dá)基因的基因本體（GO）富集分析。

圖三

G6PD作為L-DM癌癥類器官的潛在藥物靶點(diǎn),。

圖三

（A） LICOB亞型中潛在藥物靶點(diǎn)的差異蛋白表達(dá),。

（B） L-LM 與 L-DM 中 G6PD 蛋白和 mRNA 表達(dá)（Wilcoxon 秩和檢驗(yàn)）。

（C） 基于 CPTAC HCC 數(shù)據(jù)集中 G6PD 蛋白的下分位數(shù)和上分位數(shù)表達(dá)的總生存期 Kaplan-Meier 曲線（log-rank 檢驗(yàn)）,。

（D） LICOB集群間指示通路的ssGSEA評分,。

（E）糖酵解途徑的ssGSEA評分。

（F） 每個(gè)LICOB樣品中PPP和糖酵解相關(guān)基因的mRNA表達(dá),。

（G） G6PD 表達(dá)與每種指示蛋白之間的 Pearson 相關(guān)性,。

（H） 使用 G6PD 沉默 （sh-G6PD） 或?qū)φ?（sh-NT） 對 L-DM 的 HCCO8 和 HCCO12 中 G6PD 進(jìn)行蛋白質(zhì)印跡分析。

（I） 指示類器官的增殖（雙向方差分析）,。

（J） 指示類器官的區(qū)域（學(xué)生 t 檢驗(yàn)）,。類器官數(shù)量（shNT 與 sh-G6PD）：HCCO8（n = 1049 對 n = 3496）;HCCO12（n = 476 對 n = 897）。

（K） 顯示指示類器官中指示代謝物的箱線圖（Student's t 檢驗(yàn)）,。

（L） L-LM 和 L-DM 類器官的 G6PD 抑制劑量反應(yīng)曲線（Wilcoxon 秩和檢驗(yàn)）,。

（M） LICOB亞型中選定的多組學(xué)特征。

（N） MYC CNV 與糖酵解（藍(lán)點(diǎn)）和 PPP 通路（紅點(diǎn)）蛋白表達(dá)之間的 Spearman 相關(guān)性,，這些蛋白標(biāo)記的基因具有顯著相關(guān)性,。

（O） 描繪 G6PD 在 L-DM 代謝通量轉(zhuǎn)移中的功能的示意圖。

見圖四

LICOB 類器官中的異質(zhì)性藥物反應(yīng),。

圖四

（A） 76種篩選藥物的已知作用機(jī)制,。

（B） 每種藥物類別的 HBV 陽性和 HBV 陰性患者的類器官之間的平均 AUC 值（Wilcoxon 秩和檢驗(yàn)）。

（C） 具有共同分子靶點(diǎn)的藥物AUC值的代表性散點(diǎn)圖（Pearson相關(guān)性）,。顏色與（A）中的顏色相對應(yīng),。

（D） 76 種藥物的 4 種亞型之間的平均 AUC 值。AUC 值是 Z 分?jǐn)?shù) - 按行歸一化,。

（E） 四種亞型之間化療藥物的 AUC 值比較（Student's t 檢驗(yàn)）,。

（F） 4 種亞型中 Reactome 細(xì)胞周期有絲分裂通路的 ssGSEA 評分（Wilcoxon 秩和檢驗(yàn)）。

（G） 與 FGFR 抑制劑（BGJ398 和 PD173074）或 MET 抑制劑（tivantinib）反應(yīng)相關(guān)的多組學(xué)特征,。條形圖顯示了藥物的 AUC 與每個(gè)聚類中的特征值之間的 Spearman 相關(guān)性,。BGJ398和PD173074的相關(guān)系數(shù)均取平均值。

（H） S-ICCOs和R-ICCOs之間平均AUC值的分布（Wilcoxon秩和檢驗(yàn)）,。

（I） 基于 L-ICC 簇特征的 CPTAC 隊(duì)列總生存期 Kaplan-Meier 曲線（log-rank 檢驗(yàn)）,。

（J） 使用 CPTAC 隊(duì)列中報(bào)告的代表性途徑比較 L-ICCO 中 R-ICCO 和 S-ICCOs 集群。

（K） 與阿法替尼反應(yīng)相關(guān)的多組學(xué)特征,。

（L） 基于蛋白質(zhì)組學(xué)數(shù)據(jù)的S-ICCOs或R-ICCOs指示基因集的ssGSEA評分,。

見圖五

LICOB中的藥物蛋白質(zhì)基因組學(xué)分析,。

圖五

（A） Circos 圖顯示了 76 種藥物中每種藥物的彈性網(wǎng)絡(luò)預(yù)測模型。第一個(gè)內(nèi)圈代表每個(gè) LICOB 樣品的靈敏度;藍(lán)色和粉紅色分別代表最敏感和耐受的樣品,。第二個(gè)內(nèi)圈表示每個(gè)類器官模型中特定藥物反應(yīng)的 AUC 值,。第三個(gè)內(nèi)圈表示顯示最佳預(yù)測精度的多組學(xué)或單組學(xué)數(shù)據(jù)類型，最外層的圓圈表示每個(gè)預(yù)測模型中的特征數(shù)量,。（B） 通過余弦相似性和 MSE 評估的藥物預(yù)測精度的比較,。

（C） 預(yù)測的 AUC 值與指示藥物的 LICOB 測試集中測量的 AUC 之間的 Spearman 相關(guān)性。

（D）索拉非尼預(yù)測精度最佳的多組學(xué)特征,。左側(cè)的條形圖顯示了模型中特征的系數(shù),。

（E） 由代表索拉非尼耐藥性的多組學(xué)特征富集的通路（超幾何檢驗(yàn)，Benjamini-Hochberg 校正）,。

（F） GDSC 中侖伐替尼預(yù)測的 AUC 值與測量的 AUC 之間的 Spearman 相關(guān)性,。

（G） 樂伐替尼預(yù)測準(zhǔn)確度最高的多組學(xué)特征。左側(cè)的條形圖顯示了模型中特征的系數(shù),。

（H 和 I） 指示通路活性與 LICOB 模型對樂伐替尼的 AUC 值之間的 Pearson 相關(guān)性,。

見圖六

LICOB中的藥物組合預(yù)測和驗(yàn)證。

圖六

（A）藥物聯(lián)合預(yù)測的工作流程,。

（B） 侖伐替尼的藥物通路網(wǎng)絡(luò)圖譜,。橙色節(jié)點(diǎn)表示與樂伐替尼聯(lián)合用藥效率較高的預(yù)測藥物，節(jié)點(diǎn)大小表示與樂伐替尼聯(lián)合用藥的評分,。綠色節(jié)點(diǎn)表示連接每對藥物組合的通路,。

（C） 侖伐替尼與其他藥物聯(lián)合使用的預(yù)測評分。點(diǎn)大小代表不同組學(xué)數(shù)據(jù)貢獻(xiàn)的分?jǐn)?shù),。

（D） 樂伐替尼和替西羅莫司組合對所有 LICOB 樣本的預(yù)測分?jǐn)?shù),。

（E） 熱圖顯示用指定藥物處理的類器官中磷酸化位點(diǎn)的歸一化豐度。

（F） 顯示 HCCO31 中樂伐替尼-替西羅莫司聯(lián)合劑量反應(yīng)矩陣的熱圖,。

（G） MEK-ERK 級聯(lián)和 AKT 激活的蛋白質(zhì)印跡分析,。

（H 和 I） HCCO31 異種移植模型 （H） 和樂伐替尼耐藥 PDX 模型對腫瘤生長的藥效 （I）。顯示了治療結(jié)束時(shí)的代表性腫瘤異種移植圖像（比例尺,，1cm）和每組的腫瘤生長曲線（數(shù)據(jù)是SEM±平均值,，雙向方差分析）。

2

研究結(jié)果

總之,，我們的研究為注釋患者來源的類器官和評估藥物反應(yīng)提供了一個(gè)框架,，補(bǔ)充了 TCGA、CPTAC 等的大規(guī)模臨床肝癌分析,。我們證明,，分子特征的系統(tǒng)表征與生物網(wǎng)絡(luò)一起可以高精度地預(yù)測藥物反應(yīng)，并為個(gè)性化治療提供潛在的藥物組合,。我們的交互式和用戶友好的門戶網(wǎng)站為腫瘤學(xué)界提供了豐富的資源來進(jìn)行調(diào)查,，從而有利于臨床實(shí)用性,。