Ixazomib 会触发 MUC5AC 和整合素-β4 的自噬降解，并抑制非小细胞肺癌的进展

《Cancer Letters》：Ixazomib triggers autophagic degradation of MUC5AC/integrin-β4 and inhibits non-small cell lung cancer progression

IXZ通过抑制泛素-蛋白酶体系统及自噬通路，有效抑制肺腺癌细胞增殖并诱导凋亡，单药或联合顺铂可逆转耐药性，小鼠模型显示显著抗肿瘤效果。

　　

Muthamil Appadurai|Zahraa Wajih Alsafwani|Sanjib Chaudhary|Ashu Shah|Pranay Somavarapu|Sriman N. Dooshety|Ben S. Kubicek|Surinder K. Batra|Imayavaramban Lakshmanan|Apar Kishor Ganti

美国内布拉斯加大学医学中心生物化学与分子生物学系，奥马哈，NE 68198-5870

摘要

背景

肺癌是癌症相关死亡的最常见原因。尽管近年来治疗手段有所进展，患者仍不可避免地会对标准治疗产生耐药性。因此，迫切需要寻找新的治疗方法来提高现有药物的效果并改善治疗结果。

方法

通过无偏见的连接性分析，我们发现蛋白酶体抑制剂ixazomib（IXZ）可能对肺腺癌（LUAD）有效。我们使用人类和小鼠的LUAD细胞系，单独或与卡铂（CBP）联合使用IXZ，研究了其对细胞活力、细胞周期、迁移和凋亡的影响。我们还通过蛋白酶体阵列、分子生物学方法以及对蛋白酶体和自噬途径的干预，在体内异位同基因小鼠模型中进行了研究。

结果

我们发现IXZ作为单一药物或与CBP联合使用时，能够抑制LUAD细胞的生长、阻止G2/M期细胞停滞并促进细胞死亡。IXZ在顺铂耐药细胞中诱导DNA损伤并减弱修复机制，这表明其在克服铂耐药性方面具有潜在的治疗作用。通过mCherry-GFP-LC3B报告基因检测和途径干预（沉默ATG5、UBE2N和BAG3基因，以及使用自噬抑制剂3-MA和HCQ），我们发现IXZ通过泛素介导的自噬途径降解MUC5AC/整合素-β4。体内治疗实验进一步证明，IXZ通过阻断MUC5AC/UCHL1的相互作用来降低肿瘤负担。

结论

IXZ能有效抑制LUAD肿瘤的生长，并可能克服铂耐药性。这些发现值得进一步研究IXZ单独使用或与CBP或其他化疗药物联合使用在LUAD患者中的临床效果。

引言

尽管治疗手段有所进步，肺癌仍是全球癌症相关死亡的主要原因（1）。非小细胞肺癌（NSCLC）占所有肺癌病例的约85%（2）。肺腺癌（LUAD）是最常见的NSCLC亚型，是一个重大的公共卫生问题（3）。LUAD的5年生存率约为26%，这凸显了迫切需要改进治疗策略（4, 5, 6）。治疗耐药性的出现是一个重大挑战，会导致治疗失败、疾病进展和复发（7）。开发新的治疗策略对于延缓耐药性的产生和克服现有耐药机制至关重要（8）。

大多数晚期NSCLC患者接受化疗免疫联合治疗，包括一种铂类药物（顺铂或卡铂）和第三代细胞毒性药物（培美曲塞、吉西他滨或紫杉醇），并结合针对PD-1/PD-L1的免疫检查点抑制剂（9）。化疗药物主要通过阻碍DNA合成和有丝分裂来杀死肿瘤细胞（10）。数十年的癌症研究表明，肿瘤细胞可以逃避药物治疗的效果。随着耐药机制的出现，最初有效的疗法可能会逐渐失效（11）。通过针对各种耐药机制的策略，有可能延缓耐药性的发展，甚至使癌症重新对现有疗法敏感。

泛素-蛋白酶体系统（UPS）对于维持细胞稳态至关重要，对细胞生长和发育起着重要作用。在肺癌和其他恶性肿瘤中，UPS功能障碍会促进疾病进展。因此，靶向UPS是一种有前景且具有选择性的肺癌治疗策略（12）。泛素对于标记异常蛋白质以通过UPS或自噬途径进行降解至关重要。如果这些机制无法清除蛋白质聚集体，其积累会引发细胞应激，最终导致细胞凋亡和死亡（13）。

高度糖基化的蛋白质，如黏蛋白和整合素，在癌症的进展和转移中起着关键作用（14, 15, 16）。这些糖蛋白不仅依赖于其表达，还依赖于ER相关降解（ERAD）、UPS和自噬等降解机制，以确保稳定性并清除错误折叠或受损的蛋白质（17, 18）。这表明靶向蛋白酶体途径可能触发降解机制，从而延缓癌症的生长和进展。

基于基因表达特征的药物筛选是一种相对较新的方法，用于识别可以重新利用的现有药物。这种方法通过观察这些药物改变特定恶性肿瘤基因表达模式的能力来识别潜在有效的药物（19）。我们尝试这种方法，寻找目前FDA批准用于其他疾病的药物，看它们是否对LUAD有效。利用连接性分析，我们寻找针对LUAD特异性基因特征的药物，并进一步研究其在LUAD中的疗效。

部分摘录

用于LUAD的治疗药物的连接性分析（CMap）识别

我们使用三个数据集进行了CMap分析：Expression atlas (E-MTAB-5231)（20）[11个LUAD样本（肿瘤分期：T3N1M0, T2N1M0, T3N0M0, T2N0M0, T2N3M0, T2N2M0, T1N1M0, T2N2M1）和9个正常邻近组织]，UALCAN肺腺癌数据集（21）[515个LUAD样本和59个正常邻近组织（未治疗423个，已治疗148个，新辅助治疗3个]，以及GSE102511（22）[16个LUAD样本，17个非典型腺瘤性增生（AAH）和15个正常肺实质]（补充图1A）。临床

IXZ对LUAD具有潜在活性

通过CMap分析，我们从E-MTAB-5231、UALCAN LUAD和GSE102511数据集中识别出29种化合物，其得分≤ -1.50（图1A, B）。其中包括16种FDA批准用于其他疾病的药物。从中选择了在LUAD中靶基因上调且得分最低的药物；已批准用于LUAD的药物被排除在外。比较LUAD和正常组织时，对这些药物的靶点进行了统计显著性检验。得分最高的药物之一是

讨论

基于连接性图谱（CMap）的药物发现研究可以识别出能够干扰与各种恶性肿瘤相关的基因组特征的化合物（43）。这种计算方法揭示了小分子抑制疾病状态的能力，从而实现药物发现或FDA批准药物的重新利用（44）。

新靶点的识别和相应药物的开发需要广泛的研究和临床试验。基于CMap的数据驱动分析

CRediT作者贡献声明

Imayavaramban Lakshmanan：撰写 – 审稿与编辑、方法学、研究、数据分析、概念化。Apar Kishor Ganti：撰写 – 审稿与编辑、监督、资源管理、项目管理、方法学、资金获取、数据分析、概念化。Zahraa Alsafwani：撰写 – 审稿与编辑、方法学、数据分析。Muthamil Appadurai：撰写 – 审稿与编辑、初稿撰写、方法学、数据分析

利益冲突

AKG在提交的工作之外，担任Sanofi Genzyme、Regeneron、Flagship Biosciences、AstraZeneca、Jazz Pharmaceuticals、BeiGene、Bayer、Pfizer、Zai Labs、Catalyst Pharmaceuticals和Cardinal Health的顾问。还获得了Merck、Poseida Therapeutics、Mirati Therapeutics和IOVANCE Therapeutics的临床试验费用。其他作者声明无利益冲突。

数据和材料的可用性

本研究中使用和/或分析的数据集可免费获取。

伦理批准和参与同意

不适用。

出版同意

不适用。

利益冲突声明

AKG在提交的工作之外，担任AstraZeneca、Jazz Pharmaceuticals、Amgen、Bayer、Pfizer、Zai Labs、Catalyst Pharmaceuticals和Cardinal Health的顾问。还获得了Merck、Poseida Therapeutics、Mirati Therapeutics和IOVANCE Therapeutics的临床试验费用。SKB：Sanguine Therapeutics。其他作者声明无利益冲突。

致谢

本研究的作者部分得到了退伍军人事务部（1I01BX004676-01A1）、国立卫生研究院（R21 CA267582, R01 CA131944, R01 CA210637, P01 CA217798）以及Fred & Pamela Buffett癌症中心的资助，后者由国家癌症研究所支持（CA036727）。我们感谢UNMC的流式细胞术和高级显微镜核心设施、Kavita Mallya和Madhu Bommideni的技术支持。模型插图使用//BioRender.com创建。