构建能量代谢分类器
确定乳腺癌的能量代谢分型是否存在异质性。
基于糖酵解、PPP、FAO和谷氨酰胺分解四个代谢通路，使用ssGSEA计算METABRIC、SCAN-B和TCGA-BRCA队列的代谢通路活性，并进行k-means聚类和共识聚类。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
大规模和单细胞转录组分析揭示人类乳腺癌的代谢异质性
Bulk and single-cell transcriptome profiling reveal the metabolic heterogeneity in human breast cancers
实验完整度
高整合多队列转录组、代谢组和单细胞测序分析，并通过细胞实验验证S100A8功能，涵盖体外细胞模型和多组学数据，形成多证据层级。
主要模型
乳腺癌患者肿瘤组织（METABRIC、SCAN-B、TCGA-BRCA队列） 乳腺癌细胞系（MDA-MB-468、AU565等） 单细胞转录组数据（GSE75688、GSE114727）
重点核对
代谢聚类分为两类：cluster 1富集糖酵解和PPP，cluster 2富集FAO和谷氨酰胺分解 S100A8在cluster 1中高表达，其敲低降低乳酸产生并抑制细胞增殖 scRNA-seq分析显示恶性细胞是肿瘤代谢异质性的主要贡献者 免疫抑制细胞（如CD8-C3-PDCD1、CD4-C3-FOXP3、M-C4-TREM2）代谢活性更高
摘要
关于癌症代谢的一个新兴观点是它是异质性的且具有背景特异性，但在乳腺癌中仍待阐明。在本研究中，我们通过整合基因组学、转录组学、代谢组学和单细胞转录组分析等多个数据集，表征了乳腺癌的能量相关代谢特征。我们使用能量相关代谢特征将乳腺肿瘤分层为两个预后聚类：聚类1表现出高糖酵解活性和较差的生存率，而聚类2的特征则富集于脂肪酸氧化和谷氨酰胺分解。肿瘤间的代谢异质性通过三个独立大型队列中的聚类得到反映，其复杂性在代谢物水平得到进一步验证。此外，我们发现在单细胞分辨率下，恶性细胞而非非恶性细胞的代谢状态是主要贡献者，其与肿瘤微环境来源因子的相互作用是出乎意料的。值得注意的是，在各种免疫细胞及其具有可区分代谢特征的聚类中，具有免疫抑制功能的细胞表现出更高的代谢活性。总之，我们利用一个具有预后和治疗价值的分类器揭示了能量代谢的异质性。单细胞转录组分析提供了新的代谢见解，最终可能根据患者或细胞类型特异性的癌症代谢来定制治疗策略。
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
- 乳腺癌的能量代谢是否具有异质性，其分子特征和临床意义是什么？
- 核心机制
- 乳腺癌表现为两种代谢模式，cluster 1依赖于糖酵解和PPP，cluster 2依赖于FAO和谷氨酰胺分解；S100A8可能参与糖酵解调控。
- 主要证据
- 基于多个乳腺癌队列的转录组聚类分析、代谢物验证、scRNA-seq分析以及S100A8敲低细胞实验（乳酸减少、HK2/LDHA下调、增殖抑制）。
- 研究意义
- 该研究提供了能量代谢分类器，具有预后和治疗价值，并为靶向代谢依赖性的个体化治疗提供了依据。
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。
验证代谢分类器的稳健性
验证代谢分类器在多个独立队列和代谢物水平上的重复性。
在TCGA-BRCA队列中重复聚类，并利用Tang等人的代谢组学数据比较两组的代谢物水平。
分析代谢分类器的临床、基因组和转录组特征
揭示两种代谢亚型的临床病理特征和潜在分子驱动因素。
比较两组的临床特征、拷贝数变异、癌基因通路富集、差异表达基因，并在细胞系中验证S100A8对糖酵解和增殖的影响。
单细胞水平验证代谢异质性
确定单细胞水平上恶性细胞和非恶性细胞对代谢异质性的贡献。
使用GSE75688和GSE114727的scRNA-seq数据，对单细胞进行代谢聚类，比较恶性细胞和非恶性细胞的代谢通路活性。
分析免疫细胞亚群的代谢特征
探索肿瘤微环境中不同免疫细胞亚群的代谢特征及其与免疫功能的关系。
对CD8+ T细胞、CD4+ T细胞和髓系细胞进行聚类，并比较各亚群的糖酵解、FAO和OXPHOS活性。
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。
代谢聚类与分类
验证细胞功能变化
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 细胞培养 | MDA-MB-468 | -- | -- |
| AU565 | -- | -- | |
| 乳酸测定 | 乳酸检测试剂盒 | Nanjing Jiancheng | -- |
| 慢病毒包装 | pLKO.1载体 | Sigma-Aldrich | -- |
| psPAX2包装质粒 | -- | -- | |
| pMD2.G包膜质粒 | -- | -- | |
| Lipofectamine 2000转染试剂 | Invitrogen | -- | |
| 细胞感染 | 聚凝胺 | Santa Cruz Biotechnology | -- |
| 细胞筛选 | 嘌呤霉素 | -- | -- |
| 细胞增殖实验 | CCK-8试剂盒 | Dojindo | -- |
| Western blot | 组织蛋白提取试剂 | Thermo Fisher Scientific | -- |
| 蛋白酶和磷酸酶抑制剂混合物 | Bimake.com | -- | |
| BCA蛋白定量试剂盒 | Solarbio | -- | |
| PVDF膜 | Millipore | -- | |
| S100A8抗体 | Proteintech | 15792-1-AP | |
| HK2抗体 | Proteintech | 22029-1-AP | |
| LDHA抗体 | Cell Signaling Technology | 3582T | |
| β-actin抗体 | Cell Signaling Technology | 8457T |
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 |
|---|---|
| 代谢聚类 | 代谢通路基因集来源（MSigDB等），ssGSEA计算参数，聚类数k=2的确定方法，样本归一化方法。 阅读提示：Materials and methods: Construction of the energy metabolic classifier |
| S100A8敲低实验 | shRNA序列，感染条件（Polybrene浓度、筛选时间），蛋白检测所用抗体及稀释比例，乳酸测定试剂盒型号，细胞增殖实验的细胞数和检测时间点。 阅读提示：Materials and methods: Lentivirus constructs and cell proliferation, Western blotting, Measurement of lactate |
| 单细胞转录组分析 | scRNA-seq数据集（GSE75688, GSE114727）的具体信息，细胞类型注释方法，代谢通路活性计算方法，异常值处理（如scImpute）。 阅读提示：Materials and methods: scRNA-seq data processing |