高风险乳腺癌女性乳腺上皮的谱系图谱与功能多样性

Mapping lineage and functional diversity of the mammary epithelium in women at high risk of breast cancer

作者信息Matthew Waas, Bowen Zhang, Meinusha Govindarajan, Pirashaanthy Tharmapalan, Abhijith Kuttanamkuzhi, Olivia Drummond Guy, Denise Muganzi, Hui Fang, Michael Woolman, Hal K Berman, Paul D Waterhouse, Rama Khokha, Thomas Kislinger
PMID43015905
发布时间2026-08-14
DOI10.1186/s13059-026-04243-3

实验完整度

高

包含原代乳腺上皮细胞体外模型、克隆形成功能验证、低起始量蛋白质组学及公共肿瘤转录组数据映射

主要模型

22例高风险女性原代乳腺组织样本 分选的原代基底细胞(BC) 分选的原代管腔祖细胞(LP) 分选的原代成熟管腔细胞(ML)

重点核对

22例供者乳腺组织,其中21例样本有足够材料用于所有MEC亚型蛋白质组分析,1例因污染被排除出CFC分析 MEC亚群定义:BC为CD49f high、EPCAM low;LP为CD49f high、EPCAM high;ML为CD49f low、EPCAM high 克隆形成实验每孔接种400个FACS纯化上皮细胞,与20,000个辐照NIH 3T3小鼠成纤维细胞共培养 克隆形成实验培养基:最初用含5% FBS的EpiCult-B Human培养基,24小时后换为无血清完全EpiCult-B Human培养基培养9天 蛋白质组样本:FACS分选500个细胞,两个处理重复,采用DROPPS流程处理

摘要

背景:乳腺癌风险受乳腺上皮细胞高度异质性的影响,这些细胞包括基底细胞、管腔祖细胞和成熟管腔细胞群体。尽管这些谱系间的转录变异已被广泛研究,但蛋白质水平特征——尤其是在高风险女性中——仍研究不足,限制了对易感性的早期细胞和分子决定因素的认识。此外,临床协变量如何影响克隆形成能力、蛋白质组状态和上皮比例也知之甚少。结果:我们将低起始量蛋白质组学与功能性克隆形成实验相结合,对来自22份乳腺组织的乳腺上皮细胞亚群进行了分析,这些组织涵盖不同的生殖系突变背景、产次状态和年龄。我们定量了5,555种蛋白质,并观察到上皮组成、蛋白质组程序和集落形成能力存在显著的供体间变异。多变量建模揭示,临床协变量——包括年龄、产次和生殖系突变状态——调节整体蛋白质组结构和谱系特异性通路活性。产次与基底细胞丰度降低、管腔祖细胞和成熟管腔蛋白质组改变以及克隆形成能力变化相关。通路分析识别出对共享风险因素的保守和谱系限制性反应。将克隆形成特征投射到METABRIC和TCGA肿瘤上,进一步将功能程序与肿瘤亚型和分子表型联系起来。结论:本研究提供了迄今为止最全面的高风险乳腺细胞类型分辨多样性蛋白质组图谱。通过定义临床协变量如何塑造上皮组成和分子状态,它阐明了挑战对照研究设计的关键生物学变异来源,并为改进机制认识、风险评估和预防策略提供了资源。

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
高风险女性乳腺上皮主要细胞谱系的蛋白质组特征和克隆形成能力如何,以及年龄、产次、性激素周期阶段和生殖系突变状态等临床协变量如何影响上皮组成、蛋白质组状态和克隆形成潜能。
核心机制
年龄和BRCA1突变状态相关的蛋白质组变化正相关,而产次相关变化与二者负相关,形成风险相关程序与风险对抗程序;产次使MEC代谢向氧化效率更高、分化状态转变,对抗年龄和BRCA1单倍剂量不足累积的线粒体应激和蛋白质稳态负担。
主要证据
对22例高风险女性乳腺组织的BC、LP和ML进行低起始量蛋白质组学(检测5,555种蛋白质)和克隆形成实验,结合多变量模型、GSVA、GSEA,并将LP和BC克隆形成特征投射到HBCA单细胞数据及METABRIC和TCGA肿瘤转录组。
研究意义
提供了高风险乳腺细胞类型分辨的蛋白质组图谱,定义临床协变量塑造上皮组成和分子状态的变异来源,为改进机制认识、风险评估和预防策略提供资源,并为未来研究设计提供蛋白质水平基础。

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

建立高风险供者乳腺上皮细胞队列与分选

获取高风险女性乳腺组织的主要MEC亚群,用于后续蛋白质组和功能分析。

收集22例高风险女性乳腺组织,经酶解消化获得上皮富集组分,制备单细胞悬液,用流式细胞术分选BC(CD49f high、EPCAM low)、LP(CD49f high、EPCAM high)和ML(CD49f low、EPCAM high)。

2

低起始量蛋白质组学分析MEC亚群

在蛋白质水平刻画BC、LP和ML的分子特征,并评估其与临床协变量的关系。

对分选的500个细胞进行两个处理重复的DROPPS低起始量蛋白质组处理,LC-MS/MS数据依赖采集,FragPipe/MSFragger搜库和MaxLFQ定量,随后进行PCA、GSVA、GSEA和多变量线性模型分析。

3

克隆形成实验评估BC和LP的干/祖细胞功能

检测BC和LP群体的克隆形成能力,并分析临床协变量对其影响。

将FACS纯化的BC和LP细胞接种于胶原I预包被的六孔板,与辐照NIH 3T3饲养层共培养,固定染色后扫描全孔图像,用AI图像分析模型量化集落数量和大小。

4

多变量建模分析临床协变量与上皮比例、蛋白质组和克隆形成的关系

区分临床协变量的粗关联和独立效应,并评估结果的稳健性。

对上皮比例、蛋白质组表达、GSVA富集和克隆形成指标分别建立单变量和多变量模型,采用Wilcoxon秩和检验、Kruskal–Wallis检验、Spearman相关、线性模型、线性混合模型和留一法敏感性分析。

5

将克隆形成特征投射到正常乳腺单细胞图谱和肿瘤转录组

评估BC和LP克隆形成程序与正常乳腺上皮干性、谱系状态及乳腺癌亚型的分子关系。

从每个MEC亚型中提取高贡献的前100种蛋白质构建谱系分辨的克隆形成特征,在Human Breast Cell Atlas单细胞数据中评分,并与CytoTRACE和Gray et al.基底-管腔特征比较;同时将特征投射到METABRIC和TCGA肿瘤转录组。

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
xGen文库制备试剂盒IDT--
Illumina MiSeq测序仪Illumina--
DMEM/F-12培养基Gibco11,330–32
胶原酶SigmaC9891
透明质酸酶SigmaH3506
胰蛋白酶-EDTAStem Cell Technologies07901
分散酶Stem Cell Technologies07913
DNase ISigmaD4513
抗CD326-AF647抗体BioLegend324,212
抗CD49f-FITC抗体BioLegend313,606
抗CD45-PE/Cy7抗体BioLegend304,016
抗CD31-PE/Cy7抗体BioLegend303,118
DAPISigmaD9542
大鼠尾胶原IGibcoA1048301
EpiCult-B人培养基STEMCELL Technologies05601
Biotek Cytation 5成像多功能读板仪Agilent--
InvirtrosolThermoFisherMS10007
正十二烷基-β-D-麦芽糖苷Sigma850520P
胰蛋白酶/Lys-CPromegaV5072
Orbitrap Eclipse质谱仪ThermoFisher--
Neo Vanquish液相色谱仪ThermoFisher--
Acclaim™ PepMap™ 100 C18预柱ThermoFisher--
μPAC™ Neo HPLC色谱柱ThermoFisherCOL-NANO050NEOB

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
供者组织与队列
供者数量与纳入标准、生殖系突变状态、组织来源、月经周期阶段、产次和年龄;22例供者中21例用于所有MEC亚型蛋白质组分析,1例因污染排除出CFC分析;部分注释缺失
阅读提示:Table 1及Methods的Donor-tissue details小节
流式分选MEC亚群
抗体克隆号与稀释比例、门控策略、死细胞和双细胞排除、亚群定义(BC/LP/ML);检测仪器型号和软件版本
阅读提示:Methods的Fluorescent activated cell sorting小节
克隆形成实验
每孔接种细胞数、饲养层细胞数和来源、胶原I包被条件、培养基及换液时间、培养天数、固定和染色方法、集落计数和面积定量方式
阅读提示:Methods的Human mammary colony-forming cell assay小节
低起始量蛋白质组样本制备与质谱
每样本细胞数、处理重复数、裂解缓冲液组成、酶解条件、iRT肽段加入、LC-MS/MS梯度、FAIMS设置和质谱参数
阅读提示:Methods的Proteomic sample preparation和Mass spectrometry data acquisition小节
蛋白质组数据统计建模
蛋白质过滤阈值(亚型内>66.7%供者;亚型间>50%样本)、缺失值插补方法、GSVA和GSEA参数、多变量模型协变量编码、集落计数和面积的统计模型及敏感性分析
阅读提示:Methods的Mass spectrometry statistical analysis、Proteomic data modeling和Within MEC subtype analysis小节