多组学数据整合与亚型分类
利用相似性网络融合（SNF）整合基因表达和拷贝数变异数据，定义GBM的功能性亚型。
使用CPTAC-GBM队列的基因组、转录组、蛋白质组、磷酸化蛋白质组、代谢组、脂质组和乙酰化组数据，通过SNF聚类得到四个稳定亚型。
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
整合多组学网络识别PKCδ和DNA-PK为胶质母细胞瘤亚型的主激酶并指导靶向癌症治疗
Integrative multi-omics networks identify PKCδ and DNA-PK as master kinases of glioblastoma subtypes and guide targeted cancer therapy
实验完整度
高包含多组学分析、患者来源类器官模型、功能验证（shRNA敲低、药物抑制）及体内外实验等多个独立证据层级。
主要模型
患者来源的胶质母细胞瘤类器官（PDOs） CPTAC-GBM队列（92例IDH野生型） TCGA-GBM队列 CPTAC-PG、BRCA、LSCC队列
重点核对
GPM和PPR亚型分类的准确性，需核对SNF聚类和亚型特异性基因/蛋白特征 PKCδ抑制剂BJE6-106和DNA-PK抑制剂nedisertib的剂量及处理条件 shRNA敲低PRKCD的效率和序列 PDO培养条件和亚型匹配 IR和nedisertib联合治疗的剂量和时间
摘要
尽管产生了大量潜在的癌症特异性靶点，人类肿瘤的蛋白质基因组学表征尚未显示出对精准癌症医学的价值。使用机器学习网络的整合多组学分析识别了负责实现功能性胶质母细胞瘤亚型表型标志的主激酶。在亚型匹配的患者来源模型中，我们验证了PKCδ和DNA-PK分别是糖酵解/多代谢（GPM）和增殖/祖细胞（PPR）亚型的主激酶，并将这些激酶鉴定为胶质母细胞瘤亚型特异性的有效且可操作的 therapeutic targets。胶质母细胞瘤亚型与临床和影像组学特征相关，通过蛋白质组学、磷酸化蛋白质组学、代谢组学、脂质组学和乙酰化组学分析进行正交验证，并在儿童胶质瘤、乳腺癌和肺鳞状细胞癌中重现，包括PKCδ和DNA-PK活性的亚型特异性。我们开发了一种概率分类工具，在冷冻和石蜡包埋组织的RNA中表现最佳，可用于评估治疗反应与胶质母细胞瘤亚型的关联，并为前瞻性临床试验中的患者选择提供信息。
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
- 如何利用整合多组学数据识别胶质母细胞瘤功能性亚型的主激酶，并验证其作为亚型特异性治疗靶点的潜力？
- 核心机制
- PKCδ是GPM亚型的主激酶，通过胰岛素-IGF-AKT-mTOR通路调控代谢重编程；DNA-PKcs是PPR亚型的主激酶，响应DNA损伤和复制应激，促进肿瘤细胞存活。
- 主要证据
- 通过SPHINKS算法从CPTAC-GBM蛋白质组和磷酸化蛋白质组数据中预测主激酶，并在亚型匹配的PDO模型中进行药物抑制和遗传敲低实验，证实PKCδ和DNA-PK对GPM和PPR亚型细胞生长和存活的必要性。
- 研究意义
- 该研究提供了亚型特异性治疗靶点，并开发了概率分类工具，有助于在临床试验中根据GBM亚型选择患者，推进精准医学。
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。
蛋白质组和磷酸化蛋白质组分析
验证亚型分类的生物学一致性，并识别亚型特异性激酶活性。
对各个亚型进行差异蛋白质丰度和磷酸化位点分析，并使用SPHINKS算法构建激酶-底物相互作用网络。
主激酶预测与验证
通过计算和实验手段验证候选主激酶对亚型表型的必要性。
SPHINKS预测PKCδ和DNA-PKcs为GPM和PPR亚型的主激酶，随后在患者来源的类器官模型中通过药物处理和shRNA敲低进行功能验证。
跨肿瘤类型验证
在儿童胶质瘤、乳腺癌和肺鳞癌中测试功能亚型分类和主激酶的保守性。
将GBM的功能亚型分类应用于PG、BRCA和LSCC的多组学数据，并检验PKCδ和DNA-PKcs在这些肿瘤中的亚型特异性活性。
临床分类工具开发
开发一个适用于冷冻和FFPE样本的GBM亚型概率分类器，以促进临床转化。
使用多类别逻辑回归和LASSO惩罚，在TCGA队列上训练模型，并在独立的CTPTAC和FFPE队列上验证。
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。
激酶网络预测
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 细胞培养 | DMEM培养基 | -- | -- |
| 胎牛血清 | Sigma | -- | |
| 细胞转染 | Lipofectamine 2000转染试剂 | Invitrogen | -- |
| 细胞活力检测 | CellTiterGlo发光法细胞活力检测试剂 | Promega | G7570 |
| GloMax-Multi+多功能酶标仪 | Promega | -- | |
| 药物处理 | BJE6-106 | -- | -- |
| M3814（奈迪塞替） | -- | -- | |
| RNA提取 | Maxwell RSC组织RNA提取试剂盒 | Promega | AS1340 |
| Maxwell RSC FFPE RNA提取试剂盒 | Promega | AS1440 | |
| RNA-seq文库构建 | QuantSeq 3' mRNA-Seq文库制备试剂盒FWD | Lexogen | 015 |
| Western blot | RIPA裂解液 | -- | -- |
| 蛋白酶抑制剂混合物 | Roche | -- | |
| 增强化学发光底物 | Amersham | RPN2209 | |
| Super Signal West Femto底物 | Thermo Scientific | 34095 | |
| 抗体 | 磷酸化DNA-PK (Ser-2056) 抗体 | CST | 68716 |
| DNA-PK抗体 | CST | 38168 | |
| 磷酸化NBS1 (Ser-343) 抗体 | CST | 3001 | |
| NBS1抗体 | CST | 14956 | |
| 磷酸化KAP1 (Ser-824) 抗体 | Abcam | ab133440 | |
| KAP1抗体 | Abcam | ab109287 | |
| 磷酸化CHK1 (Ser-317) 抗体 | CST | 12302 | |
| CHK1抗体 | CST | 2360 | |
| 磷酸化PKCδ (Tyr-311) 抗体 | CST | 2055 | |
| PKCδ抗体 | Abcam | ab182126 | |
| PKCδ抗体 | CST | 9616 | |
| 磷酸化STAT3 (Tyr-705) 抗体 | CST | 9145 | |
| STAT3抗体 | CST | 4904 | |
| 磷酸化AKT (Ser-473) 抗体 | CST | 4060 | |
| 磷酸化AKT (Thr-308) 抗体 | CST | 13038 | |
| AKT抗体 | CST | 4691 | |
| 磷酸化ERK1/2 (Thr-202/Tyr-204) 抗体 | CST | 4370 | |
| ERK1/2抗体 | CST | 9102 | |
| GAPDH抗体 | Abcam | ab9484 | |
| Vinculin抗体 | Sigma | V9131 | |
| β-actin抗体 | Sigma | A5441 | |
| 抗小鼠二抗 | Invitrogen | 31438 | |
| 抗兔二抗 | Invitrogen | 31458 | |
| 免疫荧光 | 磷酸化H2AX (Ser-139) 抗体 | CST | 2577 |
| Cy3标记的抗兔二抗 | Invitrogen | A10520 | |
| DAPI | Sigma | -- |
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 |
|---|---|
| 多组学数据整合与亚型分类 | 使用CPTAC-GBM队列的特定组学数据，SNF聚类参数（K值、alpha、t值），以及用于分类的亚型特异性基因和fCNV特征。 阅读提示：Methods: 'Functional classification of CPTAC IDH wild-type GBM', 'Data processing' |
| 主激酶验证 | GPM和PPR PDO模型的选择和培养条件，PKCδ抑制剂BJE6-106和DNA-PK抑制剂nedisertib的浓度及处理时间，IR剂量（2,4,8 Gy，0.7 Gy/min）。 阅读提示：Methods: 'Cell culture', 'Compound treatment', 'Statistics and reproducibility' |
| 基因敲低 | shRNA序列、转导方法和效率验证，细胞培养和生长曲线测定条件。 阅读提示：Methods: 'Cell culture', 'Cell growth and clonogenic assay' |
| 临床分类工具 | 训练和验证队列的RNA数据来源、特征基因集、分类器参数（如simplicity score阈值）。 阅读提示：Methods: 'Development of the probabilistic classification tool for IDH wild-type GBM', 'Extended Data Fig. 10' |