BET PROTAC抑制剂GNE-987通过靶向骨肉瘤中超增强子调控的基因发挥抗肿瘤作用

The BET PROTAC inhibitor GNE-987 displays anti-tumor effects by targeting super-enhancers regulated gene in osteosarcoma.

作者信息Di Wu, Hongli Yin, Chun Yang, Zimu Zhang, Fang Fang, Jianwei Wang, Xiaolu Li, Yi Xie, Xiaohan Hu, Ran Zhuo, Yanling Chen, Juanjuan Yu, Tiandan Li, Gen Li, Jian Pan
PMID39090568
发布时间2024-08-01
DOI10.1186/s12885-024-12691-y

实验完整度

高

包含体外细胞实验、体内移植瘤模型、患者样本分析及多组学(RNA-seq、ChIP-seq、Hi-C)验证,并有功能验证和机制研究。

主要模型

骨肉瘤细胞系(HOS、143B、U2OS、MG-63) 骨肉瘤皮下移植瘤裸鼠模型 骨肉瘤患者组织芯片

重点核对

GNE-987处理浓度(2-10 nM,0.625-160 nM梯度) 体内给药剂量:0.2 mg/kg,每两天一次,腹腔注射 细胞周期和凋亡检测(流式细胞术) 蛋白质降解(Western blot检测BRD4和BET蛋白) 基因表达验证(RT-qPCR)

摘要

背景:骨肉瘤(OS)是儿童中最常见的原发性恶性骨肿瘤之一,由成骨细胞发育而来,通常发生在骨骼快速生长期。最近,超增强子(SEs)已被报道在骨肉瘤生长和转移中发挥关键作用。因此,迫切需要确定靶向SEs的特异性抑制剂以辅助临床治疗。本研究旨在阐明BRD4抑制剂GNE-987靶向SEs在OS中的作用,并初步探讨其机制。方法:我们评估了BRD4抑制剂GNE-987处理后骨肉瘤细胞的变化。我们通过Western blot、CCK8、流式细胞术检测、克隆形成、移植瘤大小测量和Ki67免疫组化染色评估了GNE-987在体外和体内的抗肿瘤作用,并结合ChIP-seq和RNA-seq技术寻找其抗肿瘤机制。结果:在本研究中,我们发现极低浓度的GNE-987(2–10 nM)通过降解BRD4显著降低了OS细胞的增殖和存活。此外,我们发现GNE-987显著诱导OS细胞周期阻滞和凋亡。进一步研究表明,VHL对于GNE-987在OS细胞中发挥其抗肿瘤作用至关重要。与体外结果一致,GNE-987给药显著减小了移植瘤模型中的肿瘤大小,且毒性极小,并部分降解了BRD4蛋白。通过分析RNA-seq和ChIP-seq数据,鉴定了KRT80。U2OS HiC分析表明KRT80结合位点附近的染色质相互作用频率更高。GNE-987处理后,KRT80处H3K27ac修饰的富集显著减少。KRT80被鉴定为在OS发生和发展中发挥重要作用。结论:本研究揭示GNE-987选择性降解BRD4并破坏OS中致癌基因的转录调控。GNE-987有潜力影响KRT80对抗OS。

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
GNE-987是否通过靶向超增强子调控的基因在骨肉瘤中发挥抗肿瘤作用,以及其潜在机制。
核心机制
GNE-987通过降解BRD4蛋白,减少超增强子区域H3K27ac修饰,下调SE相关致癌基因(如KRT80)的表达,从而抑制骨肉瘤细胞增殖。
主要证据
体外实验显示GNE-987以极低浓度抑制OS细胞活力、诱导细胞周期阻滞和凋亡;体内实验显示其显著减小移植瘤体积;RNA-seq和ChIP-seq整合分析鉴定出KRT80为关键靶基因,且敲低KRT80抑制OS细胞增殖。
研究意义
GNE-987可能成为治疗骨肉瘤的有效策略,筛选出的KRT80可能成为OS治疗的潜在靶点。

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

检测BRD4在骨肉瘤中的表达

评估BRD4在骨肉瘤中的表达水平及其临床相关性。

使用免疫组化(IHC)检测20例骨肉瘤患者样本和5例癌旁正常组织中的BRD4表达。

2

评估GNE-987对骨肉瘤细胞增殖的影响

确定GNE-987对OS细胞活力的抑制效果,并与已知BRD4抑制剂比较。

用梯度浓度GNE-987处理四种OS细胞系(U2OS, HOS, MG-63, 143B),通过CCK-8检测细胞活力,计算IC50值。

3

检测GNE-987对细胞周期和凋亡的影响

验证GNE-987是否通过诱导细胞周期阻滞和凋亡抑制OS细胞增殖。

用GNE-987处理HOS和143B细胞,通过流式细胞术检测细胞周期和凋亡,并用Western blot检测相关蛋白(Cyclin B1, PARP)。

4

验证GNE-987介导的BET蛋白降解

确认GNE-987作为PROTAC通过VHL介导的泛素-蛋白酶体途径降解BET蛋白。

Western blot检测GNE-987处理后BET蛋白(BRD2, BRD3, BRD4)水平变化;VHL敲低或过表达后检测细胞对GNE-987的敏感性;使用MG132处理以验证蛋白酶体依赖性。

5

体内移植瘤模型的抗肿瘤效果评估

评估GNE-987在体内对骨肉瘤生长的抑制作用及毒性。

将HOS细胞皮下注射至裸鼠腋窝建立移植瘤模型,给予GNE-987或溶剂对照,测量肿瘤大小,处理后进行IHC和HE染色。

6

转录组和表观基因组分析

揭示GNE-987抗肿瘤的分子机制,鉴定SE相关靶基因。

对GNE-987处理的HOS细胞进行RNA-seq(分析差异表达基因)和ChIP-seq(检测H3K27ac修饰以定义SEs),整合分析筛选重叠基因,并用RT-qPCR验证代表性基因表达。

7

验证KRT80的致癌作用

确认KRT80是GNE-987的关键下游靶点,并验证其在OS细胞增殖中的作用。

通过shRNA敲低HOS细胞中的KRT80,使用RT-qPCR和Western blot验证敲低效率,通过CCK-8和克隆形成实验评估细胞增殖能力。

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
DMEM培养基BasalMedia--
MEM-α培养基BasalMedia--
胎牛血清Lonsera--
青霉素/链霉素Beyotime10
GNE-987MedChemExpress--
CCK-8试剂盒Dojindo--
RIPA裂解液Beyotime--
蛋白酶抑制剂Roche--
抗BRD4抗体Cell Signaling Technology13440
抗Ki67抗体Abcamab16667
抗BRD2抗体Cell Signaling Technology5848
抗BRD3抗体Proteintech11859-1-AP
抗PARP抗体Cell Signaling Technology9542
抗RUNX2抗体Cell Signaling Technology12556
抗Cyclin B1抗体Cell Signaling Technology12231
抗VHL抗体Cell Signaling Technology68547
抗KRT80抗体Proteintech16835-1-AP
抗GAPDH抗体Cell Signaling Technology5174
山羊抗小鼠HRP二抗Jackson ImmunoResearch Laboratories115035-003
山羊抗兔HRP二抗Jackson ImmunoResearch Laboratories111035-003
Pierce™ ECL Western检测系统Thermo Scientific--
TRIzol试剂----
HiScript III RT SuperMix----
SYBR Green----
LightCycler 480实时荧光定量PCR仪----
聚乙烯亚胺转染试剂----
聚乙二醇8000----
嘌呤霉素----
Kolliphor----
H3K27ac抗体----
Dynabeads Protein G磁珠----
RNaseCST7013
蛋白酶KInvitrogenAM2546

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
细胞培养
细胞系来源及培养条件,包括培养基、血清浓度、抗生素浓度
阅读提示:Materials and methods - Cell lines and cell culture
细胞活力检测
GNE-987处理浓度梯度、处理时间、细胞密度
阅读提示:Materials and methods - Cell viability assay
细胞周期和凋亡检测
GNE-987处理浓度和时间、染色方法、流式细胞仪设置
阅读提示:Materials and methods - Cell cycle assay, Cell apoptosis assay
Western blot
蛋白提取方法、抗体货号及稀释比例、二抗来源
阅读提示:Materials and methods - Western blotting
体内移植瘤模型
细胞数量、注射部位、动物品系、给药剂量和频率、测量时间点
阅读提示:Materials and methods - Xenograft tumor and GNE-987 treatment in nude mice
ChIP-seq和RNA-seq
细胞处理浓度和时间、抗体信息、测序平台及数据分析参数
阅读提示:Materials and methods - ChIP-seq, RNA-seq and data analysis