《Chemical Biology & Drug Design》：Application of Systems Genetics to Investigate Molecular Pathology of Early-Onset Colorectal Cancer
编辑推荐：
结直肠癌（CRC）是美国癌症相关死亡的第二大常见原因。过去几十年来，早发性结直肠癌（EOCRC）的发病率持续上升。鉴于EOCRC的多面性特征，导致这一恶性肿瘤的遗传和环境因素仍难以捉摸。系统遗传学是一种多组学工具，将多个基因作为一个集体网络进行分析。转录相关性
结直肠癌（CRC）是美国癌症相关死亡的第二大常见原因。过去几十年来，早发性结直肠癌（EOCRC）的发病率持续上升。鉴于EOCRC的多面性特征，导致这一恶性肿瘤的遗传和环境因素仍难以捉摸。系统遗传学是一种多组学工具，将多个基因作为一个集体网络进行分析。转录相关性、蛋白质-蛋白质相互作用（PPI）网络、功能注释以及药物-基因相互作用分析使研究人员能够探索靶基因的功能角色，并有助于发现新型诊断生物标志物和潜在治疗策略。为阐明本研究的目标，本手稿有三个目的：对近期系统遗传学在EOCRC研究中的应用进行叙述性综述；提供进行这些分析的分步方案；以及讨论系统遗传学当前进展以解决普遍性和上下文依赖性方面的局限性。通过本手稿，研究人员设想未来新兴肿瘤学研究人员将这些工具采纳到他们对EOCRC及其他恶性肿瘤的研究中。
1 Introduction
结直肠癌（CRC）是美国癌症相关死亡的第二大常见原因，在50岁以下成年人中位居首位。早发性结直肠癌（EOCRC）的发病率在过去几十年持续上升，筛查起始年龄已从50岁降至45岁。EOCRC与晚发性结直肠癌（LOCRC）在分子病理学上存在差异，如EOCRC具有更高的微卫星不稳定性（MSI）率（10.2% vs 2.2%），并更常伴有FBXW7和RNF43突变。尽管EOCRC的5年生存率较高（54% vs 32%），但其组织学分级更高，复发率也更高（5年累积发生率29% vs 21%）。系统遗传学是一种多组学方法，整合遗传学、基因组学和系统生物学，通过转录相关性分析、蛋白质-蛋白质相互作用（PPI）网络、功能注释和药物-基因相互作用分析来研究基因网络。空间多组学可提供肿瘤异质性和微环境相互作用的背景信息。本手稿旨在提供EOCRC系统遗传学应用的叙述性综述、教学性工作流程以及当前进展的讨论。
2 Narrative Review: Systems Genetics Applications in EOCRC Research
转录相关性分析方面，有研究利用TCGA-COAD数据对2291个差异表达基因（DEG）与患者年龄进行Pearson相关分析，鉴定出8个年龄相关基因（ALDOB、FBXL16、IL1RN、MSLN、RAC3、SLC38A11、WBSCR27、WNT11）。另有研究对330个DEG与1852个差异甲基化CpG岛进行Spearman相关分析，发现6个与甲基化负相关的基因（PIWIL1、QRFPR、GATA4、CHST8、MSFA1、WNT3A）。还有研究发现ETV4与活化CD4记忆T细胞和M0巨噬细胞正相关，与静息肥大细胞和M2巨噬细胞负相关。PPI网络分析方面，有研究对90例EOCRC和54例LOCRC进行下一代测序（NGS），通过STRING数据库鉴定出ARID1A、KMT2B、FBXW7和NOTCH1为EOCRC富集蛋白。另一研究利用cBioPortal数据鉴定出GMNN、KPNA2、MYC和PRDX4。还有研究对中国转移性CRC患者进行靶向深度测序，发现MTOR、CHEK2和QKI是LOCRC而非EOCRC的关键驱动蛋白。功能注释方面，有研究对EOCRC独特表达基因进行基因本体（GO）分析，发现免疫相关、T细胞调节、细胞-细胞粘附和Wnt信号通路富集。另一研究利用京都基因与基因组百科全书（KEGG）分析发现PI3K-Akt/脂解通路和脂肪酸转运富集，FABP4与免疫抑制微环境正相关。还有研究对EOCRC粪便样本进行16S rRNA测序，发现特定菌种与不良预后相关，并富集MAPK信号等通路。药物-基因相互作用方面，有研究通过全基因组关联研究（GWAS）和虚拟筛选鉴定出10个靶向PYGL的小分子。另一研究通过DGIdb平台鉴定出seliciclib、suramin、tamoxifen和genistein可干扰CCNA2。还有研究通过表达数量性状位点（eQTL）和孟德尔随机化鉴定出46种药物靶向6个关键hub蛋白。值得注意的是，多数药物基因组学研究基于泛CRC队列，未按年龄分层。
2.1 Tutorial Protocol: Systems Genetics Workflow With Practical Application Investigating Pik3ca Gene in Healthy Colonic Tissues
该部分提供了一个适合初学者的系统遗传学工作流程，以Pik3ca基因为例，使用正常乙状结肠组织数据（GTEx v5）。步骤1数据获取：通过GeneNetwork 2.0选择人类、GTEx v5所有组织、结肠-乙状结肠mRNA数据集，搜索并保存Pik3ca基因。步骤2转录相关性分析：进行Pearson相关矩阵分析和偏相关分析，计算与TP53、APC、KRAS的相关性，并获取前1000个共表达基因。步骤3功能注释：使用WebGestalt进行过代表性分析，选择KEGG、Reactome、GO等数据库，设置参数（错误发现率FDR<0.05）。步骤4 PPI网络分析：使用NetworkAnalyst 3.2和STRING数据库构建一阶网络，选择实验证据，置信度900，生成最小网络。步骤5药物-基因相互作用分析：使用DrugBank数据库构建一阶蛋白-药物网络。该工作流程已被三名独立医学生验证，旨在作为教学工具，结果应视为假设生成。
2.2 Interpretation of the Pik3ca Illustrative Workflow Results
在正常乙状结肠组织中，Pik3ca转录水平与APC（r=0.358，p=1.42×10
?6）和KRAS（r=0.275，p=2.16×10
?4）显著正相关，与TP53无显著相关。前1000个共表达基因中，ZRANB1、FBXO11、MYCBP2、EXOC5、WWC2等相关系数超过0.79，同时包含PIK3R1、AKT3、IRS1/2等PI3K通路成员，以及表观遗传调节因子EP300、CREBBP等。KEGG功能注释富集肾细胞癌、急性髓系白血病、ErbB信号通路等；Reactome富集Rho GTP酶效应通路；GO-生物学过程（GO-BP）富集肌动蛋白成核和片状伪足组装；GO-细胞组分（GO-CC）富集SCAR复合物；GO-分子功能（GO-MF）富集PPAR蛋白结合和SH3结构域结合。PPI网络以TP53、EP300、CTNNB1、CREBBP等为核心，形成染色质重塑和生长因子信号两个功能模块。PPI功能注释显示KEGG富集慢性髓系白血病、胰腺癌、结直肠癌等；Reactome富集mTORC1信号、AKT磷酸化、EGFR信号等；GO-BP最显著的是组蛋白修饰；GO-MF富集组蛋白乙酰转移酶活性等。药物-基因相互作用网络包含117个节点和119条边，鉴定出PI3K抑制剂（alpelisib、copanlisib等）、RAF/MEK/ERK抑制剂（sorafenib、regorafenib等）以及JAK抑制剂等。其中regorafenib已获批用于转移性CRC。所有结果均来自正常组织，需在EOCRC中验证。
3 Discussion of Current Limitations and Future Outlook of AI-Enhanced Systems Genetics
当前系统遗传学分析的主要局限是结果的可推广性。现有数据库多忽略环境因素（吸烟、饮食、药物），跨人群外推受限。动物模型（如BXD、LXS重组小鼠）的转化有效性未充分验证。未来的发展方向包括空间多组学和人工智能（AI）模型。有研究通过空间转录组学发现EOCRC侵袭边缘FAP阳性癌症相关成纤维细胞高表达成纤维细胞生长因子受体2（FGFR2）和PI3K/Akt信号蛋白，且与更短总生存相关。另一研究训练DIABLO模型整合代谢组学和16S rRNA测序数据，识别出EOCRC特有的Akkermansia菌群。还有研究结合LASSO和梯度提升机（GBM）模型在TCGA-COAD上训练，并在多个数据集上验证，鉴定出LSM8为高风险基因。另一研究利用大型语言模型（LLM）处理多数据集CRC转录数据，结合上下文因素（祖先、种族、年龄、免疫治疗状态），识别出NF1和RPS6KA4在未接受FOLFOX治疗的西班牙裔EOCRC患者中显著富集。这些进展有望提高系统遗传学分析的速度、推广性和上下文依赖性。
4 Conclusion
EOCRC发病率上升，急需理解其分子病理和开发新疗法。系统遗传学通过转录相关性、PPI网络、功能注释和药物基因组学，能够将多个基因作为网络进行研究。随着空间多组学和AI的进步，系统遗传学将成为癌症生物学研究的重要工具。本文提供的工作流程和Pik3ca示例旨在促进新兴研究人员采用这些工具。
