《Frontiers in Immunology》：Short-chain fatty acids (SCFAs) mediated gut breast crosstalk in breast cancer: integrative network analysis of molecular signaling, immune infiltration and prognostic biomarkers
编辑推荐：
摘要专业翻译
引言： 乳腺癌是一种异质性恶性肿瘤，其中代谢失调、免疫重塑和复杂的宿主-微生物群相互作用共同影响疾病进展和治疗反应。新近证据提示，肠道微生物群来源的短链脂肪酸（short-chain fatty acids, SCFAs），包括乙酸盐、丙酸盐和丁
摘要专业翻译
引言： 乳腺癌是一种异质性恶性肿瘤，其中代谢失调、免疫重塑和复杂的宿主-微生物群相互作用共同影响疾病进展和治疗反应。新近证据提示，肠道微生物群来源的短链脂肪酸（short-chain fatty acids, SCFAs），包括乙酸盐、丙酸盐和丁酸盐，可能作为连接肠道微生物组与全身免疫及肿瘤相关信号传导的重要分子介质。然而，SCFA介导的信号传导可能影响乳腺癌进展及肿瘤免疫微环境的分子网络仍缺乏系统表征。本研究旨在通过整合乳腺癌转录组学、预后、免疫浸润及药物-基因相互作用分析中的SCFA宿主相互作用网络，探讨肠道-乳腺轴背后的潜在调控机制。
方法： 基于HMDB和PubChem数据构建SCFA-宿主相互作用组，并建立蛋白质-蛋白质相互作用（protein-protein interaction, PPI）网络。通过拓扑分析鉴定枢纽基因（hub genes），随后利用TCGA-BRCA RNA-seq数据、Kaplan-Meier生存分析、TIMER2.0免疫分析和DGIdb药物重定位分析进行验证。
结果： 研究结果表明，STAT3、HIF1A和IL6基因是连接SCFA信号传导与癌症发生的关键节点。所选SCFAs（如丙酸盐）在乳腺癌模型中具有参与调节JAK2/STAT3通路的直接实验证据，而丁酸盐与多种乳腺癌相关信号传导和表观遗传机制相关。乙酸盐的关联性最强，主要涉及代谢和免疫调节通路。本计算分析未对SCFA与枢纽基因之间相互作用的强度进行定量排序。在未进行多重检验校正的探索性生存分析中，STAT3和HIF1A表达升高与较差的无复发生存期（relapse-free survival, RFS）相关。SCFA相关免疫靶点与CD8+ T细胞浸润呈正相关。
讨论： 本研究将SCFA-宿主相互作用组确定为乳腺癌中的重要调控网络。揭示STAT3等代谢和信号传导关键节点（chokepoints）有助于发现新的预后生物标志物和药物靶点。这凸显了利用肠道-乳腺轴增强免疫细胞浸润的可能性。
论文解读文章
一、研究背景与研究目的
乳腺癌是全球女性中最常见的恶性肿瘤，也是癌症相关死亡的主要原因之一。2024年全球约有240万女性被诊断为乳腺癌，估计死亡人数达69.4万。尽管分子分型和靶向治疗的进展改善了临床结局，但乳腺癌仍具有高度生物学异质性，肿瘤细胞、免疫微环境、代谢与宿主生理之间的相互作用可显著影响疾病行为。
近年来，肠道微生物群被越来越多地认为是全身代谢和免疫的重要调节者，微生物来源的代谢物可能在胃肠道之外参与癌症的发生和进展。其中，短链脂肪酸（short-chain fatty acids, SCFAs）——特别是乙酸盐、丙酸盐和丁酸盐——因其通过G蛋白偶联受体（G-protein-coupled receptors, GPCRs）和组蛋白去乙酰化酶（histone deacetylases, HDACs）活性调节上皮屏障功能、细胞代谢、炎症反应和全身免疫的能力而受到广泛关注。这支持了“肠道-乳腺轴”（gut-breast axis）这一新兴概念的提出。
然而，SCFAs在乳腺癌发生发展和管理中作用的潜在机制尚未被全面定义。既往研究大多仅考虑特定通路或分子，SCFAs与宿主蛋白在临床情境下的整体相互作用网络仍未被充分表征。此外，迫切需要将微生物因素与患者层面的组学数据联系起来，特别是其在维持突变稳定性、免疫浸润和生存率方面的作用。因此，本研究旨在通过将SCFA宿主相互作用网络与乳腺癌转录组学、预后、免疫浸润和药物-基因相互作用分析相结合，阐明肠道-乳腺轴背后的调控网络。
二、研究设计与主要技术方法
研究人员构建了SCFA-宿主相互作用组：宿主蛋白数据来源于HMDB v5.0、gutMGene v2.0和PubChem数据库（访问日期为2026年4月5日）。利用STRING数据库v12.5构建蛋白质-蛋白质相互作用（protein-protein interaction, PPI）网络，最低交互置信度分数为0.400，物种限定为智人，交互来源包括蛋白质交互和共表达网络。随后将PPI网络导入Cytoscape v3.10.4进行拓扑分析，使用CytoHubba插件v0.1以度中心性（degree centrality）和介数中心性（betweenness centrality）为主要指标进行枢纽基因（hub genes）优先排序。临床表达谱分析使用GEPIA2（TCGA-BRCA队列），生存分析使用Kaplan-Meier Plotter数据库（以无复发生存期RFS为临床终点），基因-代谢物整合网络使用MetaboAnalyst 6.0的Network Explorer模块，免疫浸润分析使用TIMER2.0数据库（采用CIBERSORT、QUANTISEQ和XCELL三种算法），启动子甲基化分析使用UALCAN工具（TCGA-BRCA数据集），治疗反应预测使用ROC Plotter服务器，基因组改变分析使用cBioPortal（TCGA Breast Invasive Carcinoma Pan-Cancer Atlas队列），药物-基因相互作用分析使用DGIdb数据库。
三、研究结果
3.1 SCFA-蛋白质相互作用的靶向图谱
对SCFAs与人宿主靶点相互作用景观的分析揭示了调控多种信号通路的复杂协调网络。丁酸盐的相互作用组最为显著，能够强效抑制多种组蛋白去乙酰化酶（HDAC1、2、3、8和11）。乙酸盐和丙酸盐的信号通路趋势一致，两者均能激活FFAR2/3受体及OCLN和TJP1等屏障蛋白。三种SCFAs均能诱导ALPI并调节ANGPTL4代谢调节因子的活性。
3.2 SCFA-宿主蛋白相互作用网络的拓扑与功能组织
基于STRING数据库生成的PPI网络具有高密度和高连通性。网络包含三个独立模块：代谢模块（主要由ACSS2、ACLY和FASN酶组成）、表观遗传调控模块（包括HDAC家族蛋白和SIRT1）以及最大的信号/免疫调节模块（由FFAR2/3和多种白细胞介素分子组成）。表观遗传模块与代谢模块之间存在紧密连接。
3.3 枢纽基因的鉴定与优先排序
通过CytoHubba分析和度中心性算法，IL6和IL1B被鉴定为连接度最高的两个枢纽基因，TNF和CCL2紧随其后。PPARG、HIF1A和STAT3作为连接炎症信号与细胞调控的重要生物标志物出现。最终保留的10个枢纽基因为：IL6、IL1B、TNF、CCL2、PPARG、HIF1A、STAT3、JUN、TLR4和IL10。
3.4 乳腺癌中的临床过滤与表达谱分析
通过GEPIA2对TCGA-BRCA患者进行评估，STAT3、JUN、HIF1A和CCL2在乳腺癌组织中表达上调，而IL1B、TLR4和PPARG中等表达，TNF、IL10和IL6在肿瘤整体样本中基础表达水平较低。
3.5 生存分析的预后意义
Kaplan-Meier Plotter分析显示，HIF1A（HR=1.39, p=1.6e-10）和STAT3（HR=1.19, p=0.022）表达升高与乳腺癌患者较差的无复发生存期相关。相反，IL1B（HR=0.78, p=1.2e-06）、TNF（HR=0.8, p=9.5e-06）、TLR4（HR=0.75, p=0.00014）、PPARG（HR=0.84, p=0.00082）和IL10（HR=0.84, p=0.00077）高表达与较好的RFS相关。IL6与RFS的相关性较弱（HR=0.90, p=0.046），应谨慎解读。CCL2和JUN与RFS无显著关联。
3.6 多组学通路与功能整合
基因-代谢物整合网络分析确定IL6和PPARG为具有最高度和介数分数的两个桥接分子，STAT3、JUN和HIF1A也出现在连接节点中，提示SCFA相关宿主信号通路与其他代谢通路之间存在可能的交互作用。
3.7 肿瘤微环境与免疫浸润相关性
TIMER2.0免疫浸润分析显示，部分SCFA相关枢纽基因的表达与乳腺癌亚型中CD8+ T细胞浸润呈正相关。在CIBERSORT、QUANTISEQ和XCELL三种估算方法中均观察到正相关趋势，部分关联达到名义显著性（p≤0.05）。但不同基因、乳腺癌亚型和免疫反卷积算法之间的关联方向和强度存在差异。
3.8 代谢枢纽的遗传改变与突变景观
cBioPortal分析显示枢纽基因集的遗传改变频率在4%至15%之间，突变和拷贝数改变共同构成观察到的改变谱。IL1B和TNF等炎症基因表现出较低但独特的遗传改变景观，以偶发深度缺失和结构变异为特征。
3.9 启动子甲基化分析
UALCAN分析显示，与正常乳腺组织相比，HIF1A在肿瘤样本中表现出略高的启动子甲基化水平和更大的β值离散度，提示其在乳腺肿瘤生长过程中可能受到不同程度的表观遗传调控。STAT3的甲基化差异较小。由于缺乏充分的统计学证据，研究人员未声称存在显著差异。
3.10 治疗反应预测
ROC Plotter分析显示，HIF1A在区分治疗应答者与非应答者方面具有最高的预测能力（AUC=0.599, p=2.8×10?12），但仅表现出中等的判别性能。STAT3的AUC为0.504（p=0.45），基本不具有判别能力。两种标志物均未表现出足以支持临床应用的独立预测性能。
3.11 文献支持的药物-基因关联与治疗重定位潜力
DGIdb分析揭示了广泛的药理学景观。STAT3与塞来昔布（Celecoxib）、乙胺嘧啶（Pyrimethamine）和葫芦素I（Cucurbitacin I）等抗炎药物及天然物质存在相互作用。TNF和IL6与英夫利昔单抗（Infliximab）、阿达木单抗（Adalimumab）和托珠单抗（Tocilizumab）等抗炎药物和生物制剂具有显著关联。PPARG与罗格列酮（Rosiglitazone）和曲格列酮（Troglitazone）等代谢调节剂相关。HIF1A与地高辛（Digoxin）、棘霉素（Echinomycin）和PX-478等抑制剂相关。
四、讨论与结论
讨论部分指出，本研究揭示了肠道来源的SCFAs控制宿主表观遗传和代谢景观的高度协调网络。STAT3、HIF1A和PPARG在临床乳腺癌标本中作为关键代谢调节因子过表达。HIF1A和STAT3等转录因子的过表达和遗传异常与乳腺癌患者较差的无复发生存期相关，而部分免疫调节性SCFA靶基因与较好的患者结局和CD8+ T细胞浸润相关。这暗示SCFAs与乳腺癌之间的关系涉及表观遗传改变与代谢转变相结合的双向调控概念。
研究人员强调，三种SCFAs与优先枢纽基因关联的证据强度不同：丙酸盐通过抑制JAK2/STAT3通路与STAT3信号传导有特异性实验支持；丁酸盐在乳腺癌中抑制细胞活力、迁移和侵袭，并调节TLR4表达；乙酸盐在代谢和免疫调节方面有更多关联。HIF1A与SCFAs在乳腺癌中的直接调控关系尚不明确，相关连接应视为假设生成而非直接调控证据。
研究局限性包括：结果高度依赖计算机模拟分析和公共数据库数据，需要体外和体内实验建立因果关系；未测量全身SCFA浓度，肿瘤局部SCFA浓度和通量基于既往文献估算；免疫细胞浸润的计算算法准确性仍需流式细胞术或免疫组化验证；枢纽基因优先排序主要基于度和介数中心性，未来应纳入补充度量指标。
研究结论为：STAT3、HIF1A和IL6被确定为连接SCFA相关信号通路与乳腺癌分子和临床特征的三个核心宿主信号分子。部分枢纽基因与CD8+ T细胞浸润的相关性提示与肿瘤免疫微环境的可能联系，而STAT3和HIF1A与较差的无复发生存期相关。药物-基因相互作用分析揭示了可用于进一步实验研究的现有药理学关系。总体而言，这些结果为理解SCFAs介导的肠道-乳腺通讯提供了假设生成模型，但并未证明这些事件的因果或治疗作用。需要结合SCFA测量与分子和临床信息的进一步实验研究来确认这些关系并阐明其生物学和转化意义。
