PDA肿瘤中的DAPs和失调的信号通路与相邻正常组织相比…… 开放获取

《Cancer Research Communications》：DAPs and dysregulated pathways in PDA tumors compared with adjacent normal ... Open Access

胰腺导管腺癌（PDA）的蛋白质组学分析鉴定了20个诊断标志物（如LGALS1、ANXA2等），并揭示了四个预后亚型，其中两个亚型与免疫微环境重塑及PI3K-Akt-mTOR通路激活相关。通过LASSO回归构建的18蛋白风险评分（PUBR|SDCBP2|CD2BP2等）独立于临床变量，验证其在CPTAC队列中与生存率显著相关。该研究为PDA的精准分型和靶向治疗提供了新工具。

　　胰腺导管腺癌（PDA）是一种高度侵袭性的恶性肿瘤，其预后较差且缺乏可靠的生物标志物来指导治疗决策。因此，开发有效的预后工具对于改善PDA的临床管理至关重要。本研究通过综合蛋白质组学分析，对115例PDA患者的肿瘤组织及其匹配的邻近正常组织进行了深入研究，最终识别出一个由20种蛋白质组成的诊断蛋白面板（包括LGALS1、ANXA2、LGALS3BP、CTSD、S100P、COL12A1、SFN、THBS2、CTHRC1、THBS1、SERPINB5、LAMC2、POSTN、CEACAM6、CTSE、PLEC、PKM、S100A11、TAGLN2和ALDOA）。通过共识聚类分析，研究者还发现了四种具有不同预后特征的蛋白质组学亚型。这些亚型中，预后较差的类型表现出中性粒细胞脱颗粒、细胞外基质（ECM）重塑、粘附、上皮-间质转化（EMT）、胶原蛋白形成以及PI3K-AKT-mTOR相关通路的上调，表明这些亚型可能具有基底样和激活的间质特征。此外，在具有同源重组缺陷（HRD）或COSMIC突变特征3（COSMIC Sig3）的肿瘤中，某些免疫相关蛋白的富集也值得关注。基于这些发现，研究团队开发并验证了一个由18种蛋白质组成的预后风险评分模型（包括PURB、SDCBP2、CD2BP2、GALM、SERPINA3、OAS3、FAN1、ZPR1、KRT2、NUDT2、SMNDC1、SERPINA4、CUTA、WDR36、POSTN、CLEC11A、PEX14和PI4KA），该模型通过多变量Cox回归分析和LASSO正则化进行验证。结果显示，该风险评分在总体生存率和复发率方面具有独立的预后意义，并且在使用不同蛋白质组学技术生成的独立数据集中得到了验证。这项研究为PDA的预后评估和个性化治疗提供了新的视角，同时也为未来临床实践中的诊断和治疗策略奠定了基础。

PDA的治疗目前主要依赖于化疗方案，包括5-氟尿嘧啶、奥沙利铂和伊立替康的组合，或者吉西他滨和纳武利尤单抗的组合。然而，这些治疗方案通常伴随显著的毒副作用，且缺乏能够指导治疗选择的相关生物标志物。尽管KRAS突变在PDA中极为常见（超过90%的病例），但针对KRAS或其下游通路（如RAS-RAF-MEK和PI3K-AKT）的靶向治疗在整体上效果有限。对于较少见的突变，如KRAS G12C、BRCA1/2、NTRK和BRAF突变以及错配修复缺陷，虽然在某些情况下显示出一定的治疗潜力，但其在PDA患者中的发生率较低，仅有不到7%的患者可能符合条件。因此，针对这些特定突变的靶向治疗仍处于探索阶段。

另一个影响PDA预后的重要因素是肿瘤微环境。PDA通常表现出密集的间质成分，包括癌症相关成纤维细胞和ECM相关蛋白（如TGFβ、层粘连蛋白、纤维连接蛋白、S100蛋白、膜联蛋白和胶原蛋白I、III、IV、V、VI和XV），并具有低微血管密度和较少的免疫细胞浸润。这种复杂的微环境导致免疫治疗在PDA中的疗效有限，限制了免疫治疗在该疾病中的应用。因此，研究者希望通过蛋白质组学分析，进一步揭示PDA的分子特征，从而为个性化治疗提供新的方向。

在本研究中，通过DIA-MS技术，研究人员从176个样本中获得了596次质谱运行数据，共检测到47,519个肽。经过质量控制和肿瘤内容整合后，最终确定了5,599个蛋白质（平均缺失率为25%）。在这些蛋白质中，有395个蛋白质在PDA肿瘤组织中表现出显著差异（P < 0.05），其中176个蛋白质在肿瘤组织中上调。通过进一步的通路富集分析，研究者发现这些差异表达的蛋白质主要涉及ECM、中性粒细胞脱颗粒、VEGF相关通路（如VEGFA-VEGFR2信号）、血小板聚集和粘附等关键生物学过程。此外，通过网络分析，研究者还发现ECM、胶原纤维组织和伤口愈合相关通路之间存在相互作用，其中五个蛋白质（EMILIN1、ANXA2、TGFB2、COMP和FKBP10）参与了这些通路。ANXA2和FKBP10在人类蛋白质图谱（HPA）数据库中被列为潜在的治疗靶点。

为了探索PDA的蛋白质组学亚型，研究人员对肿瘤样本进行了无监督共识聚类分析，使用了1,399个具有最高中位绝对偏差（MAD）的蛋白质。分析结果表明，PDA可以被划分为四个亚型，这些亚型在蛋白质表达水平上存在显著差异。其中，亚型2和4表现出最差的预后，与总体生存率和无复发生存率相关（P < 0.001）。此外，这些亚型在中性粒细胞脱颗粒、ECM重塑、粘附、EMT和PI3K-AKT-mTOR信号通路中表现出上调趋势，表明这些亚型可能具有更活跃的间质反应和免疫调控特征。研究人员还发现，某些免疫相关蛋白（如ANXA3、ELANE、FN1、MB、PRKC1、SLC2A1、AEBP1、HTRA1、PRTN3和FGR）可能在这些亚型中发挥重要作用，显示出潜在的治疗价值。

基于上述分析，研究人员构建了一个由18种蛋白质组成的预后风险评分模型。这些蛋白质通过多变量Cox回归分析和LASSO正则化筛选得到，包括PURB、SDCBP2、CD2BP2、GALM、SERPINA3、OAS3、FAN1、ZPR1、KRT2、NUDT2、SMNDC1、SERPINA4、CUTA、WDR36、POSTN、CLEC11A、PEX14和PI4KA。该风险评分模型在本研究的队列中显示出显著的预后价值，能够将患者分为高风险和低风险组，其中高风险组的中位生存期显著低于低风险组。此外，该评分模型在独立的CPTAC数据集中也得到了验证，进一步证明了其可靠性。值得注意的是，尽管某些临床变量（如年龄、性别、分期和分化程度）在不同亚型中分布不均，但风险评分的预后价值并不依赖于这些变量，表明其具有独立的临床意义。

进一步分析表明，某些蛋白质在特定的分子特征中表现出独特的表达模式。例如，在具有KRAS突变的患者中，VCAN（一种蛋白聚糖家族成员）被发现是差异表达的最显著蛋白之一。VCAN在KRAS突变的癌细胞中高度表达，并且可能通过IKKβ介导KRAS依赖性的巨噬细胞激活。此外，该蛋白与PDA的不良预后相关，可能通过增加肿瘤微环境的硬度和改变免疫细胞表型（如TLR2、TLR6和CD14的激活）以及免疫细胞迁移，导致对免疫治疗和化疗的抵抗。因此，VCAN可能成为克服免疫耐受的潜在治疗靶点。

在HRD阳性肿瘤中，研究人员发现多个蛋白质（如FCGR3A、MOB3A、GCA、STOM、NCF2、ITGAM、CD14、PYGL、MNDA和STOML3）表现出上调趋势，这些蛋白质主要与免疫相关通路（如中性粒细胞脱颗粒、补体系统、免疫反应和炎症反应）以及细胞-细胞粘附相关。这些结果与HRD与炎症之间的已知关系一致。其中，ITGAM与较差的预后相关，可能通过促进肿瘤转移和抑制免疫反应影响PDA的进展。

此外，COSMIC突变特征3（COSMIC Sig3）与PDA的不良预后相关，该特征主要与BRCA1和BRCA2突变有关。研究人员发现，COSMIC Sig3阳性患者的肿瘤中，85种蛋白质表现出上调，其中一些（如KRT16、KRT17、KRT5、KRT6A和S100A2）可能成为潜在的治疗靶点。这些蛋白质在SANGER细胞系的药物反应数据中也被识别为可能的靶点，例如，SLC2A1是AZD5582、SB590885、TGX221和TL-2-105等药物的靶点。SLC2A1是SLC超家族成员，与PDA的不良预后相关，这一发现与本研究的分析结果一致。

S100家族蛋白在PDA中高度表达，其中S100P、S100A4、S100A6、S100A10和S100A11在肿瘤组织中上调。这些结果与之前的研究一致，表明S100A4、S100A6、S100A10和S100A11在肿瘤组织中富集。有趣的是，S100A2、S100A8和S100A9在HRD阳性肿瘤和COSMIC Sig3肿瘤中表现出上调，而S100B则与良好预后相关。这些S100蛋白可能成为PDA的预后和治疗标志物。

KRT家族蛋白在PDA中也表现出显著的上调，包括KRT6A、KRT7、KRT17、KRT19、KRT72和KRT85。这些蛋白在肿瘤组织中比在正常组织中更丰富，可能具有诊断价值。此外，KRT6A、KRT7、KRT17、KRT18、KRT19和KRT85与较差的预后相关，而KRT2、KRT77和KRT9则与较好的预后相关。这些结果与之前的研究一致，表明KRT6A和KRT17在PDA中的预后价值。

综上所述，本研究通过蛋白质组学分析，不仅揭示了PDA的分子特征，还构建了一个由18种蛋白质组成的预后风险评分模型，该模型能够有效区分高风险和低风险患者，并且在独立数据集中得到了验证。此外，研究还识别了多个潜在的治疗靶点，包括VCAN、S100P、S100A8、S100A9、KRT6A、KRT7、KRT17和SLC2A1等。这些发现为PDA的个性化治疗和预后评估提供了新的思路，并为未来的临床实践奠定了基础。然而，研究也存在一定的局限性，例如，风险评分在验证队列中表现出的生存差异较小，这可能与使用不同的蛋白质组学技术有关。此外，某些亚型（如HRD、KRAS G12C和COSMIC突变特征）的样本量较小，可能影响结果的统计显著性。因此，进一步的研究和临床验证对于这些发现的推广至关重要。