整合蛋白质基因组学和代谢组学分析急性髓系白血病以识别分子亚型及相关治疗靶点

Integrated proteogenomic and metabolomic profiling of acute myeloid leukemias to identify molecular subtypes and associated therapy targets

作者信息Shih-Chun A Chu, Yi Hsiao, Chenwei Wang, Jennifer E Kyle, Raghav Jain, Yamei Deng, Marina A Gritsenko, Leanne E Henry, Jonathan T Lei, Yongchao Dou, Bahar Tercan, Zhiao Shi, Mahnoor N Gondal, Chia-Feng Tsai, John M Elizarraras, Rosalie K Chu, Fengchao Yu, Sunil K Joshi, Xiaojun Jing, Daniel A Polasky, Karl K Weitz, Ginny Xiaohe Li, Vanessa L Paurus, Chaevien S Clendinen, Athena A Schepmoes, Priscila M Lalli, Josie G Eder, Javier E Flores, Kelly G Stratton, James C Pino, Camilo Posso, Vladislav A Petyuk, Tyler J Sagendorf, Yuanwei Xu, Omar M Ibrahim, Ronald J Moore, Rui Zhao, Jin Chen, Matthew E Monroe, Mathangi Thiagarajan, Galen Hostetter, Chelsea Newton, Eunkyung An, Ana I Robles, Xu Zhang, Nathan J Edwards, Yin Lu, Hui Zhang, Haitham Abdelhakim, Paul D Piehowski, Mehdi Mesri, Richard D Smith, Chandan Kumar-Sinha, Cristina E Tognon, Jennifer Dunlap, Elie Traer, Li Ding, Jeffrey W Tyner, Arul M Chinnaiyan, Gilbert S Omenn, Karin D Rodland, Saravana M Dhanasekaran, Sara J C Gosline, Alexey I Nesvizhiskii, Bing Zhang, Tao Liu, Marcin P Cieslik, Clinica
PMID42286338
发布时间2026-06
DOI10.1038/s43018-026-01175-6

实验完整度

高

包含多组学数据(基因组、转录组、蛋白质组、PTM、代谢组、脂质组)、体外CRISPR-Cas9敲除及过表达功能验证、体内药物敏感性实验、多队列验证。

主要模型

173例未经治疗的AML患者样本 MOLM-14和MONO-MAC-6细胞系 BeatAML-proteomics队列 健康骨髓对照样本

重点核对

173例AML患者的样本来源及肿瘤纯度 CRISPR-Cas9敲除MTA1的MOLM-14和MONO-MAC-6细胞系 MOLM-14过表达MTA1的quizartinib耐药细胞系 panobinostat处理的药物浓度及时间 BeatAML-proteomics队列的体外药物反应数据

摘要

急性髓系白血病(AML)是一种在遗传和表型上均具有异质性的血液系统恶性肿瘤。为了更好地定义这一临床棘手且转化困难的恶性肿瘤,我们应用了多组学方法,包含13种模态,分析了173例未经治疗的AML患者。通过整合这些“组学”,我们识别出不同的AML亚型、基因型-表型关联、生物标志物和病理生物学机制。在原始和定向分化的AML谱系中,我们发现由不同的MYC和mTOR活性驱动的广泛代谢组和脂质组重编程。我们将代谢变化与CEBPA突变AML中线粒体蛋白的显著过度乙酰化联系起来。以蛋白质为中心的亚型分析揭示了一个独特的NPM1突变亚群,其特征是FOXC1和HOXB8/9的异常表达。为了在亚型中提名治疗靶点,我们开发了一种多组学机器学习方法,并验证了MTA1是帕比司他耐药的一个促成因素。总之,我们的发现强调了AML的复杂性,并提供了一个临床和转化信息丰富的统一视图,揭示了多组学层面的趋同表型。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
整合多组学数据能否识别AML的分子亚型,并发现与治疗相关的靶点和耐药机制?
核心机制
MYC与mTOR通路在AML细胞分化层级中表现为拮抗关系;CEBPA突变AML中乙酰辅酶A积累导致线粒体蛋白非酶促过度乙酰化;MTA1通过与HDAC1/2在NuRD复合物中相互作用促进帕比司他耐药。
主要证据
多组学聚类分析识别出AML-8亚型,其中C4亚型(CEBPA突变)显示线粒体蛋白过度乙酰化;C3亚型(NPM1突变)显示HOXB8/9、FOXC1等转录因子异常表达。MTA1敲除恢复了MOLM-14和MONO-MAC-6细胞对帕比司他的敏感性,而过表达则赋予耐药性。
研究意义
该研究提供了AML的统一多组学视图,识别出新的亚型和治疗靶点(如ATP1B3),并发现MTA1是帕比司他耐药的潜在机制,为精准治疗提供了依据。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

多组学数据生成

建立包含基因组、转录组、蛋白质组、PTM、代谢组和脂质组的AML多组学图谱。

对173例AML患者的肿瘤样本进行全基因组/全外显子测序、RNA-seq、蛋白质组、磷酸化蛋白质组、乙酰化蛋白质组、代谢组和脂质组分析。

2

蛋白质中心亚型鉴定

通过整合转录组和蛋白质组数据,识别AML的蛋白质中心亚型。

使用相似性网络融合(SNF)方法对RNA和蛋白质数据进行聚类,鉴定出8个亚型(AML-8),并评估其与遗传变异、临床特征和分化状态的关系。

3

代谢组和脂质组表征

描述AML不同分化状态下的代谢和脂质重编程。

使用ICA对代谢组数据进行因子分析,评估不同AML-8亚型和分化状态下的代谢物变化;对脂质组数据进行相关性分析和富集分析。

4

蛋白质乙酰化分析

揭示AML亚型中蛋白质乙酰化的全局变化及其代谢调控机制。

对乙酰化蛋白质组数据进行非中位数中心化处理,分析不同亚型中乙酰化位点的差异,并关联乙酰辅酶A代谢通路。

5

功能性网络分析

构建AML特异性共功能网络,以识别HDAC抑制剂耐药机制。

利用FunMap整合多数据集构建网络,使用ICE算法识别完全连接的团,并评估团内基因与panobinostat敏感性的关系。

6

MTA1功能验证

验证MTA1在帕比司他耐药中的作用。

通过CRISPR-Cas9在MOLM-14和MONO-MAC-6细胞中敲除MTA1,并过表达MTA1于quizartinib耐药MOLM-14细胞系,评估其对帕比司他敏感性的影响。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
plentiCRISPRv2Addgene52961
抗MTA1抗体Cell SignalingD17G10,
pTFORF2895Addgene144355
帕比司他Selleck Chemicals--
CellTiter96 Aqueous One SolutionPromega--
RPMI培养基----
胎牛血清----
L-谷氨酰胺----
青霉素-链霉素----
两性霉素B----
二甲基亚砜----
聚凝胺----
Orbitrap EclipseThermo--
Orbitrap Fusion LumosThermo--
Q Exactive PlusThermo--
Waters Acquity超高效液相色谱Waters--
CSH C18色谱柱----
HiSeq X测序仪Illumina--
HiSeq 4000测序仪Illumina--
Illumina MethylationEPIC芯片Illumina--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
多组学数据生成
样本来源(骨髓或外周血)、肿瘤纯度、批次效应校正方法
阅读提示:Methods: Sample processing for protein extraction, TMT labeling, LC-MS/MS
蛋白质中心亚型鉴定
SNF聚类参数(特征比例、聚类数目、邻居数、迭代次数)
阅读提示:Methods: SNF result clustering
代谢组和脂质组表征
代谢物提取方法、质谱采集模式、ICA因子数目
阅读提示:Methods: Metabolite extraction and MS analysis, Complex lipid extraction and MS analysis, ICA
蛋白质乙酰化分析
非中位数中心化处理、亚型间比较统计方法
阅读提示:Methods: Normalization of PTMs, Fig. 5
功能性网络分析
FunMap网络构建参数(LLR阈值)、ICE算法参数(最小团大小)
阅读提示:Methods: Construction of FunMap network
MTA1功能验证
CRISPR-Cas9敲除效率、过表达效率、panobinostat浓度范围、细胞活性检测时间、重复数
阅读提示:Methods: CRISPR–Cas9 MTA1 inactivation by individual sgRNAs, Panobinostat inhibitor studies, Fig. 6g-i