胰腺癌及其相关恶病质临床前模型中的时空代谢网络

Spatiotemporal metabolic networks in a preclinical model of pancreatic cancer and associated cachexia.

作者信息Blanca Majem, Min-Sik Lee, Kyung Cheul Shin, Insia Naqvi, Courtney Dennis, Lucas Dailey, Sarah Jeanfavre, Mari Mino-Kenudson, Joao B Xavier, Clary B Clish, Deepti Mathur, Nada Y Kalaany
PMID42897170
发布时间2026-09-18
DOI10.1038/s41467-026-77745-0

实验完整度

高

含体外代谢组学多组织纵向分析、体内13C3-乳酸输注示踪验证、预测模型及人血清数据比对

主要模型

iKras自发性胰腺导管腺癌小鼠模型(p48-Cre;ROSA_rtTA;tetO_LSL-KrasG12D; p53fl/fl,FVB背景) 非肿瘤对照小鼠(同品系同基因型但缺乏Cre) 人胰腺癌患者血清代谢组数据(公共数据集比对)

重点核对

iKras与对照小鼠的基因型与Cre状态,及Dox诱导剂量(高剂量2 g l−1或低剂量0.4 g l−1)与起始年龄(5.5周龄性成熟或12.4周龄成熟成年) 恶病质分期标准:PC为0%体重丢失(第7–13天),EC为<10%体重丢失(第14–20天),LC为>10%体重丢失(第21天及以后) 代谢组学样本量、组织来源与血浆/IF样本合并方式,以及显著性判定阈值(P<0.05且FC>10%) 13C3-乳酸输注条件:0.005 mg g−1 min−1持续180 min,经颈静脉输注,Cac组为EC与LC合并(6.4–15.1%体重丢失) 预测模型训练与测试数据划分:仅用EC和LC与对照训练,PC样本仅用于测试,ReliefF特征选择保留前10个特征

摘要

恶病质(即机体消耗)是导致胰腺癌发病和死亡的重要因素。尽管存在未被满足的需求,其代谢基础仍知之甚少。本文中,我们刻画了一个再现人类恶病质在胰腺癌发展过程中纵向进展的小鼠模型。我们分析了雄性和雌性胰腺、其组织间液(IF)、血浆、肝脏、脂肪组织和骨骼肌在癌症相关恶病质前期、早期和晚期阶段的代谢组。我们发现每种组织在各阶段都具有独特的代谢组和变化轨迹,并揭示肿瘤IF中存在显著的脂质富集。通过数学建模,我们识别出参与跨组织网络的代谢物,并在体内验证了乳酸-葡萄糖转化。我们发现在体重减轻之前已出现全身性代谢变化,并利用特征选择算法识别早期检测标志物。我们的研究为胰腺癌及其相关恶病质的全系统代谢演化提供了资源,凸显了及时诊断和干预的潜力。

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
能否用胰腺导管腺癌模型再现人类恶病质的自然进展;肿瘤存在多早影响全身代谢、跨组织代谢网络如何随时间和空间变化;能否识别从外周组织循环以利于肿瘤生长的代谢物;能否利用代谢数据发现早期诊断标志物和体重丢失的预测指标。
核心机制
恶病质iKras小鼠中存在经Cori循环增强的肝糖异生,以循环乳酸为底物部分补偿全身葡萄糖不足,并可有利于PDA肿瘤;同时伴有以脂质富集为特征的全身代谢重编程和跨组织代谢网络。
主要证据
在iKras小鼠中纵向分析10种组织(胰腺及其IF、血浆、肝脏、脂肪组织、骨骼肌)在PC、EC、LC三个阶段的代谢组;血浆和胰腺IF中己糖降低、乳酸在IF和胰腺升高;13C3-乳酸输注示踪显示恶病质小鼠肝脏13C-己糖比例较对照升高约4.8倍、3C-己糖比例升高3.7倍;特征选择模型区分PC与对照的准确率在雌性为88%、雄性为83%。
研究意义
为胰腺癌及其相关恶病质的全系统代谢演化提供资源,凸显及时诊断和干预的潜力,并为CAC代谢改变的预防或治疗研究提供基础。

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

建立并分期胰腺癌恶病质小鼠模型

验证iKras模型能否再现人类胰腺癌相关恶病质的纵向进展并定义分期。

使用Dox诱导的iKras自发PDA小鼠及缺乏Cre的对照小鼠,监测体重、瘦体重与脂肪量、摄食量、体况评分、组织重量与组织学,并定义PC、EC、LC三个恶病质阶段。

2

多组织纵向代谢组学分析

刻画肿瘤存在和恶病质进展过程中各组织的时空代谢变化。

用三种LC-MS方法(HILIC-pos、HILIC-neg、C8-pos)对雄性和雌性iKras及时间匹配对照小鼠的胰腺、胰腺IF、血浆、肝脏、iWAT、gWAT、BAT、股四头肌、腓肠肌和比目鱼肌进行非靶向代谢组分析。

3

构建并推断跨组织代谢网络

识别可能参与源组织、血浆与 sink 组织之间交换的代谢物。

将血浆中改变的代谢物分别与胰腺/肝脏及脂肪/骨骼肌中改变的代谢物取交集,生成umbrella图;将胰腺IF中改变的代谢物与胰腺和/或血浆中改变的代谢物取交集,生成dandelion图。

4

体内验证乳酸-葡萄糖转化

验证网络图提示的乳酸经Cori循环参与肝糖异生。

对对照小鼠及PC期和恶病质期(EC与LC合并)iKras小鼠经颈静脉持续输注13C3-乳酸,追踪血浆、肝脏、胰腺和外周组织中13C标记乳酸与己糖。

5

鉴定恶病质进展的代谢模式并构建早期检测模型

区分不同阶段特异的代谢模式,并检验能否在症状出现前预测恶病质。

比较LC vs EC、EC vs PC、PC vs Ctrl,将代谢物归类为阶段特异、波动、稳定或渐进模式;用ReliefF特征选择算法在EC和LC与对照数据上训练模型,再在PC与对照样本上测试。

6

区分轻度和重度恶病质并与人血清数据比对

区分体重丢失特异效应与单纯肿瘤存在效应,并评估结果与患者数据的对应性。

按EC阶段体重丢失中位数将iKras小鼠分为Mild Cac和Strong Cac,比较血浆和IF代谢物差异并重复13C-己糖示踪分析;再将小鼠血浆代谢改变与已发表胰腺癌患者血清代谢组数据比对。

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
多西环素盐酸盐(98%,HPLC)Sigma-AldrichD9891-100G
D-(+)-葡萄糖Sigma-Aldrich8270
优泌林R 100单位/毫升Eli LillyNDC-0002-8215-01
IHC锌固定液BD Biosciences550523
L-乳酸钠(13C3,98%)Cambridge IsotopesCLM-1579-N-0.1MG
FisherBrand肝素化微量血细胞比容毛细管Fisher Scientific22-362-566
Microvette 500 EDTA K3E采血管SARSTEDT20.1341.102
Spectra/Mesh尼龙滤网圆片,47 mm,20 µmRepligen148134
Proteome Profiler小鼠XL细胞因子阵列R&D Systems, by bio-techneARY028
CONTOUR NEXT EZ血糖仪Bayer Ascensia Diabetes Care7160 P
CONTOUR NEXT血糖试纸Ascensia7278
Infinity葡萄糖氧化酶液体稳定试剂Thermo ScientificTR15221
通用化学校准品Pointe ScientificC7506-50
超灵敏小鼠胰岛素ELISA试剂盒Crystal Chem90080
临床手动系统显微镜OlympusBX43
DEXA扫描Lunar PIXImus2GE Lunar Corp.--
SpectraMax多功能微孔板读数仪Molecular DevicesM3
多注射器输注泵KD ScientificKDS-230

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
iKras模型建立与恶病质分期
小鼠品系与基因型(p48-Cre;ROSA_rtTA;tetO_LSL-KrasG12D; p53fl/fl,FVB背景)、对照为缺乏Cre的同品系小鼠、Dox剂量(2 g l−1或0.4 g l−1)、起始年龄(5.5周龄或12.4周龄)、分期时间窗与体重丢失阈值
阅读提示:查看Methods的Animal work与Assessment of body weight change and definition of cachexia stages小节,以及Fig. 1a、b及图注
多组织代谢组学采样与检测
各组织各阶段各性别的样本量、血浆/IF样本合并规则、三种LC-MS方法的显著性阈值(P<0.05且FC>10%)、QC校正方式
阅读提示:查看Methods的Necropsy、Liquid chromatography-mass spectrometry analyses与Metabolomics data analysis小节,及Fig. 2c、d图注
13C3-乳酸输注示踪
输注剂量0.005 mg g−1 min−1、输注时长180 min、采血时间点、Cac组定义(EC与LC合并,6.4–15.1%体重丢失)、同位素校正与归一化方式
阅读提示:查看Methods的Infusion of 13C-labeled lactate小节与Fig. 4c–h图注
恶病质早期检测与体重丢失预测模型
特征选择算法与近邻数设置、仅用EC和LC与对照训练、PC样本仅用于测试、留一法50次迭代、准确率置信区间方法
阅读提示:查看Methods的Prediction models与Assessment of mild versus strong cachectic phenotype小节,及Fig. 5d–f、Fig. 6b、c图注
与人血清代谢组数据比对
人数据来源为Chakedis et al.数据集、基于PubChem CID匹配得到62种重叠代谢物、相关性统计方法与随机打乱次数
阅读提示:查看Methods的Comparison to human data小节与Fig. 6d图注