CancerCell人类肝癌药物基

北京中科曝光 https://m-mip.39.net/baidianfeng/mipso_5154118.html
关键词：药物基因组，肝癌本文共计：字预计阅读时间：15min原文标题：APharmacogenomicLandscapeinHumanLiverCancers文章背景介绍

肝细胞癌存在广泛的异质性，不同地域之间的发病原因不同，不同患者人群的突变基因不同，因而患者对药物的反应和治疗后可获得的生物标记也不同。这是当前精准医疗的挑战之一。

使用实验系统准确地建立模型是针对异质性实现精准治疗的关键步骤。然而目前应用的实验模型存在着许多问题，广泛用于癌症建模和研究药物基因组学的细胞系的全癌平台：癌细胞系百科全书（CCLE），癌症治疗反应门户（CTRP）和癌症药物敏感性基因组学（GDSC）建立年代久远，缺少临床相关性；致力于建造体外模型的人类癌症模型机构（HCMI）和癌细胞系工厂（CCLF）则缺少药物基因组学。

另外当前的31种肝癌细胞株不仅无法代表临床上肝癌广泛的异质性，而且还存在Hela细胞污染的情况。本文开发了一种人体肝癌细胞模型，并生成了具有81个细胞模型的肝癌模型库（LIMORE）。LIMORE提供了原发性癌症的基因组和转录组异质性，并在药物基因组学上探索了药物与基因的相关性，并且提供了肝癌患者可选择的生物标记物。

主要成果·由81种肝癌细胞模型组成的肝癌模型资料库（LIMORE）·LIMORE概述了人类肝癌的遗传异质性·分子和药物筛选为肝癌提供了药物基因组学前景·提供了肝细胞癌治疗的生物标记亮点

·文章报道了一种有效的肝癌细胞体外建模方法

·这些经过基因组验证的模型提供了肝癌中的药物基因组学数据集，可用于从基因药物关联中鉴定出潜在疗法和生物标志物候选物

·患者来源的肝癌细胞系，以及癌类器官和患者来源的异种移植物，为模型系统提供了不同程度的复杂性和优势

值得进一步研究的问题

·ROCK抑制剂Y-的添加显着提高了肝癌细胞原代培养的成功率。但他在其药物反应方面对细胞模型的建立有没有影响尚不清楚

·目前的模型当中已经包含了大部分的癌症功能基因（CFG），仍有一小部分的肝癌功能基因需要深入研究。

·相比于已经批准的药物，一些用于其他癌症治疗的药物在药物筛选基质当中获得了更好的治疗效果，这些药物值得继续研究并用于肝癌治疗。

结果展示

原发性肝癌与LIMORE之间的比较

作者基于31种公共肝癌细胞系建立了患者导向的细胞模型，根据先前的研究，添加了ROCK抑制剂Y-和转化生长因子b抑制剂A83-01，将原代细胞的培养成功率提高到了46%，使肿瘤上皮细胞能够长期存活与增殖。与6种CCLE和16种GDSC肝癌模型相比，LIMORE的细胞数量增加了3倍以上（图1.A）。

LIMORE展现了原发性肝癌的特殊流行病学特征，例如中国患者的主要病因是HBV和丙型肝炎病毒（HCV）的感染，以及男性和老年人的高发病率（图1.B）。LIMORE模型在免疫缺陷鼠中与原发性肝癌组织学病理特征相似（图1.C）。全基因组测序WGS表明，LIMORE模型中具有原发性肝癌的典型CNA，包括臂级增益（1q，8q）和丢失（4q，17p），CDKNA和AXIN1纯合缺失以及含有FGF19和CCND1的局灶扩增。LIMORE模型的总体拷贝数概况与原发性肝癌非常相似（图1D）。在66个HBV阳性模型中的60个中，共检测到个HBV整合断点（图1E）。LIMORE模型中8.6％（16/60）发生了最常见的HBV整合位点TERT的断点，其发生频率与原发性肝癌相当。主成分分析（PCA）显示LIMORE模型与TCGA肝癌聚集在一起（图1F）。

LIMORE对原发性肝癌致癌性改变的报道

在LIMORE模型中捕获了原发性肝癌的CFG改变，包括TP53，TERT和FGF19的高频改变以及HNF4A和NFEL的低频改变（图A）。在LIMORE和原发性肝癌之间，CFG改变的总体特征是可比的（Spearmanr=0.70，p=7.，图B）。

LIMORE中的不同药物反应

作者在LIMORE模型上共测试了90种抗癌药物，包括15种化学治疗药物和75种针对9种细胞功能的分子靶向药物（图3A）。在不同的LIMORE模型之间，药物反应情况有所不同。药物反应的巨大差异（变异系数从0.5到3.14不等）以及遗传异质性使我们能够发现药物反应的遗传标记。聚类分析确定了LIMORE模型的两个聚类（图3B）。具有相似作用机理的药物显示出相关的反应特征（图3C），表明药物反应数据的稳健性良好。

LIMORE中的药物基因组图谱

总体而言，我们确定了1,对CFG与药物之间存在显著的相互作用，其中56对与对已批准的肝癌药物如索拉非尼，雷戈非尼和lenvatinib的反应相关。总共有77对CFG药物与耐药性相关，而有个CFG药物对预测了药物敏感性（图4A）。发现TERT启动子中的HBV整合与耐药性有关，而TERT启动子突变对一大批药物敏感（图4A）。在具体分析HBV阳性模型时获得了相似的结果，因此该发现不太可能是由HBV感染所致的一般病因引起的。LIMORE提供了大量的CFG-药物相互作用，可以很容易地从数据集中检索这些相互作用，并可以进一步用作生物标记。成纤维细胞生长因子（FGF）/FGF受体（FGFR）R与抗癌药物之间的相互作用在CFG-药物相互作用列表中排名最高。包括lenvatinib，BGJ和PD在内的FGFR抑制剂对肝癌细胞中的FGFR（包括FGFR1，FGFR3和FGFR4，副本号R4）（图4B）和FGF19（图4C）的扩增表现出选择性敏感性。这些数据表明，FGF19和FGFR扩增可作为lenvatinib的生物标记。与FGF19扩增在MAPK途径激活中的作用一致。FGF19的扩增与对MEK抑制剂（MEKi）柯美替尼和曲美替尼的敏感性相关（图4D）。值得注意的是，MEKi诱导的细胞死亡显示出膜上大气泡的形态变化，这是发烧的典型特征（图S4D）。因此，对MEKi的敏感性与GSDME的高表达有关，GSDME是发烧的关键调节因子（图4D）。FGF19扩增或GSDME过表达单独预测了MEKi敏感性，同时具有FGF19扩增和高GSDME表达的细胞模型对MEKi极为敏感（图4D，4E和S4E）。在FGF19扩增的模型中，GSDME表达的减少导致MEKi敏感性降低（图4F和S4F）。

Wnt和Myc激活相关的合成致死相互作用

作者发现具有CTNNB1激活突变的LIMORE模型中大量药物优先消除（图5A）。激活CTNNB1的突变与对组蛋白去乙酰化酶（HDAC）抑制剂panobinostat，vorinostat和belinostat的敏感性相关（图5B和5C；Cohend分别为0.69、0.67和0.43）。HDAC可能在介导药物敏感性方面起到额外的作用，因为在b-catenin激活的模型中单个HDAC的敲低显然不会损害细胞增殖。在b-catenin野生型模型中表达b-catenin的组成型活性形式增加了其对HDAC抑制剂的敏感性（图5D）。当在体内移植时，panobinostat抑制CTNNB1突变模型的生长，但不抑制CTNNB1野生型模型的生长（图5E）。此外，体内活化的β-连环蛋白的过表达增强了panobinostat对CTNNB1野生型JHH7的敏感性（图5F，S5D和S5E）。这些数据表明，HDAC抑制是靶向具有CTNNB1激活突变的HCC的潜在策略。

MYC是肝癌中另一种不可消耗的致癌蛋白。最近的证据表明，在肝母细胞瘤和结肠直肠癌中，Wnt途径与MYC介导的转录相互干扰。使用基于转录因子的分析，我们发现MYC调控的转录程序与对HDAC抑制剂的敏感性相关（图5G；Cohend分别为0.91、0.60和1.18）MYC过表达证实了对HDAC抑制剂的敏感性增加（图5H）。

索拉非尼的预测模型和生物标志物

索拉非尼耐药性的最高预测CFG功能之一是KEAP1（图6A）。KEAP1的突变与NRF信号的激活和索拉非尼耐药相关。索拉非尼耐药性的最高预测CFG功能之一是KEAP1（图6A）。KEAP1的突变与NRF信号的激活和索拉非尼耐药相关。根据LIMORE模型中与响应相关的突变和表达特征，开发了EN回归模型。为了评估体内的预测模型，作者使用个HCC患者来源的异种移植物（PDXs）和索拉非尼治疗的独立数据集，对索拉非尼的预测模型进行了分析，发现预测反应与实验反应之间存在显着相关性。

然后，作者搜索了潜在的临床实践的生物标志物，DKK1特别引人注意（图6A）。作者首先表征了PDX模型中DKK1的预测能力。通过接收器操作特征分析确定区分PDXs高和低DKK1mRNA水平的最佳临界值，值得注意的是，具有高DKK1水平的PDX表现出对索拉非尼的应答率增加（图6B和6C），这表明DKK1的表达可能能够预测索拉非尼在体内的应答。于是作者又调查了DKK1是否可能是预测患者索拉非尼反应的可能的生物标记。DKK1是一种可以在血清中检测到的分泌蛋白。因此，作者分析了患者血清DKK1水平与其索拉非尼反应之间的相关性。回顾性分析索拉非尼治疗前后54位HCC患者的血清样本，并测量DKK1水平。DKK1高组患者的无进展生存期和总生存期更长（图6D和6E）。当仅分析在索拉非尼治疗之前收集血清样品的患者时，观察到相似的趋势。鉴于DKK1的高表达与未经索拉非尼治疗的HCC患者存活率低有关，这些数据表明DKK1可能是索拉非尼的血清生物标志物。

DOI：