二甲双胍通过重建NADP+稳态增强PTEN缺失前列腺癌对PARP抑制剂的敏感性

Metformin Sensitizes PTEN-deficient Prostate Cancer to PARP Inhibitors by Rebuilding NADP+ Homeostasis.

作者信息Xiaodong Hao, Zheng Chao, Hao Peng, Xiangdong Guo, Shuo Zheng, Chunyu Zhang, Hao Ding, Yanan Wang, Zirui Xi, Yuan Gao, Guanyu Qu, Yao Zhu, Zhiqiang Chen, Peixiang Lan, Le Li, Zhihua Wang
PMID41608616
发布时间2026-01-08
DOI10.7150/ijbs.121033

实验完整度

高

包含多中心临床队列回顾性分析、体外细胞实验(CCK-8、克隆形成、彗星实验、流式凋亡、3D肿瘤球)、分子机制研究(Western blot、免疫荧光、NADP+测量)、动物移植瘤模型、转录组学及机器学习模型开发验证。

主要模型

PC3人前列腺癌细胞系(PTEN缺失) DU145人前列腺癌细胞系(PTEN野生型) PC3-PTEN-OE及DU145-PTEN-KD稳转细胞系 PC3和DU145异种移植瘤小鼠模型(皮下及原位)

重点核对

患者队列的PTEN突变状态及二甲双胍服用情况 细胞实验中的乳酸(LA)和酸性(pH 6.5)处理条件 二甲双胍浓度及处理时间 PARP抑制剂种类及浓度(如mefuparib, olaparib等) NADP+浓度测量方法及细胞内NADP+水平

摘要

目的:癌细胞中的DNA修复和DNA损伤反应受代谢重编程调节,代谢重编程日益被认为是导致PARP抑制剂(PARPi)治疗失败的关键因素。本研究旨在探索PTEN缺失前列腺癌中PARPi耐药的代谢机制,并确定临床上可行的代谢干预措施以克服治疗失败。实验设计:分析了一个多中心回顾性队列,以评估二甲双胍联合PARPi治疗的疗效。机制研究利用分子检测阐明PARPi耐药及其关键决定因素。利用临床数据集开发了预测PARPi反应的机器学习模型,并通过SHAP分析进行解释。结果:在PTEN缺失的癌细胞中,乳酸积累激活了NHE1/PKC/NOX1轴,维持了升高的NADP+水平。NADP+竞争性抑制PARPi-PARP-DNA复合物的形成,导致PARPi耐药。然而,二甲双胍给药显著升高NADP+水平,诱导PARP结构的别构效应,增强PARPi疗效。基于这些发现,我们开发并验证了预测PARPi反应的机器学习模型,使用SHAP进行解释,并部署在网络平台上。结论:二甲双胍调节NADP+水平,影响PTEN缺失前列腺癌对PARPi的敏感性。此外,我们开发了一个机器学习模型,为临床医生提供PARPi反应的个性化预测。关键词:PARP抑制剂,PTEN缺失前列腺癌,二甲双胍,机器学习模型,NADP+

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
探索PTEN缺失前列腺癌对PARP抑制剂耐药的代谢机制,并寻找临床可行的代谢干预策略以克服治疗失败
核心机制
在PTEN缺失前列腺癌细胞中,乳酸积累激活NHE1/PKC/NOX1轴,促进NOX1产生NADP+;同时PTEN缺失解除对NOX1的抑制,形成正反馈环路,导致细胞内NADP+升高。高浓度NADP+竞争性抑制PARPi-PARP-DNA复合物的形成,导致PARPi耐药。二甲双胍通过抑制G6PD,阻断NADP+还原为NADPH,进一步升高NADP+水平,当NADP+超高水平时,别构激活多个PARP分子,形成稳定PARPi-PARP复合物,耗竭功能性PARP,增强PARPi疗效。
主要证据
基于461例接受奥拉帕利治疗的mCRPC患者回顾性队列,发现PTEN突变且服用二甲双胍的患者PSA50反应率显著高于对照组;体外细胞实验证实乳酸微环境下PC3细胞对PARPi产生耐药,二甲双胍可逆转;动物实验证实二甲双胍联合PARPi在PTEN缺失肿瘤模型中增强抗肿瘤效果;机制实验证实乳酸通过NHE1/NOX1轴升高NADP+,二甲双胍通过抑制G6PD进一步升高NADP+。
研究意义
该研究揭示乳酸微环境通过升高NADP+导致PTEN缺失前列腺癌对PARPi耐药,二甲双胍联合PARPi可能作为克服临床PARPi治疗局限性的新策略,并提供预测PARPi反应的机器学习工具。

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

临床队列分析

评估PTEN突变状态及二甲双胍使用对PARPi治疗PTEN缺失前列腺癌患者疗效的影响

回顾性分析2017-2024年四个中国转诊中心461例携带DDR基因缺陷的CRPC患者接受奥拉帕利治疗的临床数据,比较PTEN突变+二甲双胍治疗组与对照组PSA50反应率、PFS和OS。

2

体外细胞模型验证PARPi耐药及二甲双胍效应

验证乳酸微环境是否诱导PTEN缺失前列腺癌细胞对PARPi耐药,以及二甲双胍能否逆转该耐药

使用PC3(PTEN缺失)和DU145(PTEN野生型)细胞,在含乳酸或不含乳酸的培养基中,用CCK-8、克隆形成、流式凋亡、彗星实验评估PARPi敏感性,并比较二甲双胍联合处理的效果。

3

机制研究:乳酸通过NHE1/NOX轴调控NADP+

阐明乳酸微环境如何影响NADP+水平,以及NHE1和NOX1在其中的作用

检测PC3和DU145细胞内NADP+和NAD+浓度,使用NHE1抑制剂卡立泊来德(CRD)和NOX抑制剂夹竹桃麻素(APO)处理,通过Western blot检测NHE1、NOX1、p-NOX表达,测量ROS水平及细胞内pH,构建NHE1敲低细胞系验证功能。

4

动物体内实验验证二甲双胍联合PARPi疗效

在体内模型中验证PTEN缺失状态对二甲双胍联合PARPi疗效的影响

建立PC3、DU145、PC3-PTEN-OE和DU145-PTEN-KD细胞的皮下及原位异种移植瘤模型,分为对照组、PARPi单药组和PARPi+二甲双胍组,评估肿瘤生长和瘤内NADP+水平。

5

机器学习预测模型开发与验证

建立和验证预测PARPi治疗PSA50反应的机器学习模型,并提供解释性分析

利用461例患者数据,采用8:2拆分训练集和验证集,比较11种机器学习算法,选择XGBoost作为最终模型,通过5折交叉验证和网格搜索优化超参数,使用SHAP和LIME进行模型解释,并部署为Streamlit网络应用。

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
RPMI 1640培养基Gibco--
胎牛血清Gemini--
青霉素-链霉素Gibco--
CCK-8试剂Dojindo--
结晶紫----
Annexin V-FITC----
碘化丙啶----
钙黄绿素AM----
PTEN多克隆抗体ProteintechA11193
p-NOX1抗体----
PTEN多克隆抗体ProteintechA11193
NHE1多克隆抗体Proteintech29761-1-AP
NOX1抗体AffinityDF8684
磷酸化NCF1/p47-phox (Ser359)抗体AffinityAF3167
β-肌动蛋白兔抗体AbclonallAC038
荧光标记抗鼠IgGRockland ImmunochemicalRL610-145-002
抗兔IgGMolecular ProbesA-21109
RIPA裂解液----
蛋白酶和磷酸酶抑制剂Thermo Fisher--
DC蛋白定量试剂盒Bio-Rad--
PVDF膜----
吐温20Bio-Rad--
NADP+提取缓冲液----
DCFH-DA荧光探针----
BCECF-AM荧光探针----
尼日利亚霉素----
美氟帕利Pukang Pharmaceutical Co.MP20191105
D-荧光素----
TRIzol试剂Sangon Biotech--
BGI RNA-Seq文库制备试剂盒BGI--
DNBSEQ-T7测序平台BGI--

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
临床队列分析
患者入组标准:DDR基因缺陷CRPC患者,PTEN突变状态,二甲双胍使用情况,奥拉帕利剂量(300 mg bid),PSA50反应定义(≥50%下降)
阅读提示:Materials and Methods: Patients and treatment; Clinical outcomes and treatment safety
体外细胞耐药模型
细胞系PTEN状态(PC3和LNCaP缺失,DU145和22Rv1野生型),乳酸处理浓度及pH(如pH 6.5),PARPi药物及浓度梯度,CCK-8接种密度和检测时间
阅读提示:Materials and Methods: Cell culture; CCK8 assay; Results 相关段落; Figure 2 图注
NADP+测定
细胞数量(1×10^6),NADP+提取缓冲液体积,测定方法(酶循环法),标准曲线
阅读提示:Materials and Methods: Measurement of NAD⁺ and NADP⁺ concentrations
动物实验
小鼠品系(BALB/c-nu nude),细胞接种数量和体积,PARPi剂量(mefuparib 40 mg/kg隔日),二甲双胍剂量(200 mg/kg每日),给药方式(口服灌胃),肿瘤体积测量频率
阅读提示:Materials and Methods: Animal studies
机器学习模型
数据集划分比例(8:2),11种算法,5折交叉验证,网格搜索,最终模型XGBoost,评估指标(AUC,敏感性,特异性等),SHAP分析
阅读提示:Materials and Methods: Model development and comparison; Feature selection and model interpretation