Cancer Cell：代谢组学如何玩转大队列临床样品
2019-01-09
中科新生命
5724上周小编给各位老师介绍过一篇从代谢维度对高级别浆液性卵巢癌（HGSOC）进行了分型的文章（Cell Metabolism：揭开“沉默的杀手”面纱，代谢组学+蛋白质组学进行高级别浆液性卵巢癌分型），今天小编跟各位老师分享的是另外一篇代谢分型的文章。
CancerCell IF=22.844
医学|JCR：1区
异常代谢物和代谢途径的是肿瘤病理过程中的重要参与者和标志物，对深入理解肿瘤的分子机制，以及诊断和治疗方面均具有重要意义。来自纪念斯隆-凯特琳癌症中心的研究团队通过对138例肾透明细胞癌（ccRCC）患者的癌组织与正常组织进行了代谢组学分析，并通过与TGCA数据库中的转录组数据以及临床信息进行联合分析，以及对ccRCC在代谢层面上进行了分子分型。这些结果对人们更好地认知ccRCC的发展起到了积极的意义。研究结果发表在全球顶级肿瘤科学杂志《Cancer Cell》上（Hakimi，A. et. al., 2016.）。
实验材料与设计
作者选取了138例经过筛选与匹配后的ccRCC病人的肾肿瘤组织和正常的肾组织，进行了代谢组的分析，并通过临床信息和TGCA数据库的转录组数据进行了联合分析。
图1. 实验设计概览
实验结果
1. ccRCC代谢图谱
通过非靶代谢组学，在癌组织和正常组织中共鉴定到了877个代谢物，其中共有319个显著差异代谢物（170个在癌组织中上调，139下调）。PCA分析也发现癌组织与正常组织的代谢物存在全局上的显著差异。作者发现，在肿瘤组织中，碳水化合物的水平显著上调。
图2. ccRCC患者队列的的临床特征（A）和差异代谢物（B）
2. ccRCC癌组织代谢通路分析
通过对差异代谢物进行KEGG通路注释，作者发现，在定位到的48个通路中，6个显著上调以及9个显著下调。有趣的是，上调的通路几乎都和糖代谢相关，而下调的大部分是氨基酸代谢通路（图3A）。根据以上KEGG注释结果，作者绘制了ccRCC中的主要碳代谢及TCA循环网络（图3B）。
图3. ccRCC差异KEGG通路（A）和差异代谢同路网络（B）
3. ccRCC代谢与临床进程的关联
该研究的大临床队列样本也带来了临床表征数据与代谢组分子数据联合分析的可行性。除了对代谢物进行注释和分析以外，作者还结合临床数据，对208个关键代谢物与临床信息的相关性及其变化趋势进行了分析（图3A）。其中74个代谢物在晚期患者中有显著变化。类似地，作者也绘制了在ccRCC早期与中晚期有显著差异的代谢网络图，包括脂肪酸代谢，TCA循环，叶酸/甲硫氨酸代谢等（图4B）。
图4. ccRCC的临床特征（A）和差异代谢物（B）
4. 基于代谢组学的ccRCC分子分型
作者通过对ccRCC肿瘤组织的代谢物数据进行无监督聚类分析，将疾病组分为4个亚型。其中，第II型中谷胱甘肽及其代谢产物的含量较高，且该亚型集中了最多的（93%）中晚期病人，提示了谷胱甘肽及其代谢物的改变。该结果提示谷胱甘肽与二肽代谢物与中晚期ccRCC有重要关联。
图5.ccRCC的代谢组分型
5. 转录、代谢关联分析
通过将TGCA转录组数据（480ccRCC肿瘤组织，71正常组织）与本次实验的代谢组数据进行对比分析，作者发现转录水平与代谢水平并不一致。通过Metabologram软件对8个关键通路中的转录组和代谢组进行比较分析，发现相关通路的基因表达和代谢物水平在癌/正常比较中时常呈现相反趋势（图6A），但在癌早期/癌中晚期的比较中趋势较为一致（图6B），表明肿瘤代谢过程的调控机制的复杂性。
图6.关键代谢通路中转录组与代谢组的对比
为了将TGCA的转录组数据与代谢组数据更好地整合起来，作者将高谷胱甘肽组（具有最多中晚期病人）中的10个样品进行RNA测序，并于TGCA数据相整合，通过RNA层面对ccRCC进行分型（图7A），并从其中筛选出ACAT1，GATM，GLYAT和HMGC2四个关键基因（图7B）。并且，代谢组中高谷胱甘肽组在新的分型中仍基本聚为一组且预后明显差于其他三个亚型（图7C）。进一步说明了谷胱甘肽代谢途径的异常在ccRCC肿瘤发生与进展过程中的重要性。
图7.结合了本次实验样品与TGCA样品的转录组聚类（A），关键代谢基因的筛选（B）以及生存期分析（C）
实验结论
该研究通过分析大队列的癌和癌旁组织样品的代谢组，并将其与TGCA转录组数据和临床数据进行整合分析。多维度地分析了ccRCC的生成以及不同阶段中的代谢差异。其中，代谢组分型里中晚期样本较为集中的亚型在转录组的分行中也得到了相同的趋势，转录组分型中得到的显著差异基因也与代谢及ROS活性相关。这样的分析方法也为代谢组的分析提供了新的研究策略，使得代谢物的信息能进一步与基因信息相结合，多组学共同描述的疾病分子网络图谱也使得人们对肿瘤的进程有了更深层的了解。
小编总结
（1）文章心得
近年来，癌症作为一种代谢异常疾病的说法受到研究者们更多的重视，也有更多的研究致力于揭示肿瘤发生发展过程中的代谢小分子的异常，并试图从中找到解释肿瘤发病机制和诊断及治疗的潜在标志物。本文利用代谢组学武器，融合了基因和临床信息，并利用有效的统计学及生物信息学分析方法，使得代谢组学的研究意义最大化，为肿瘤研究开辟新的视角的例子。
首先，作者通过将代谢与临床信息相结合。通过代谢物的分型结果结合每一亚型的临床信息，充分展现了不同疾病进程中，代谢物的差异，并构建了关键差异代谢物的调控网络。其次，通过转录、代谢关联分析，使得代谢组结果能与测序结果有机结合，并进一步分析了基因表达与代谢过程的共性与差异，也从源头上进一步解释了肿瘤发生过程中的代谢改变与相关调控过程的分子机制。该研究仍然是肿瘤代谢组研究中的一次非常成功的尝试，也为未来的临床大队列代谢组学的分析提供了很好的借鉴。
（2）往期精彩回顾
1. 肿瘤标志物筛选
2．肿瘤分型
Cell Metabolism：揭开“沉默的杀手”面纱，代谢组学+蛋白质组学进行高级别浆液性卵巢癌分型
3. 肿瘤病理机制
Blood：磷酸化+代谢组揭示ALK对肿瘤代谢重编程的调控作用与机制
（3）APT产品介绍
针对肿瘤标志物筛选、分型、病理机制研究等相关的研究方向，中科新生命拥有完整的代谢组学产品线，不但可以提供非靶代谢、脂质组学产品，同时也有能量代谢、氨基酸、脂肪酸、花生四烯酸等多个靶向kit，并且还可以提供转录+代谢，蛋白+代谢，修饰+代谢等多组学产品，欢迎有需要的老师前来咨询。
