Proteogenomic Characterization of Human Early-Onset Gastric Cancer

人类早发性胃癌的蛋白质组学表征

期刊：Cancer Cell；影响因子：26.602

发表单位：高丽大学等  

导 读

    青年人群中弥漫型胃癌（EOGC）的发病率有所增加，这些患者显示高转移率。尽管已经进行了胃癌（GC）的基因组分析来确定患者亚型和生存的分子特征，但对于早发性EOGC患者却进行了较少的分析。此外，基因组变化转化为蛋白质水平的变化，从而影响表型。2019年1月《Cancer Cell》报道了一项关于胃癌蛋白基因组的研究成果，来自高丽大学等的科学家通过对80例早发性EOGC患者的肿瘤组织进行了蛋白质组学和基因组分析，提供了体细胞突变与信号通路中磷酸化变化、mRNA-蛋白质丰度相关性与生存率的关系，以及以基因组和蛋白质组学特征为特征的早发性EOGC患者的四种亚型，可增进对EOGC的了解和患者分层。

摘 要

    本研究报告了青年人群中弥漫型胃癌（EOGC）的蛋白质组学分析。磷酸化蛋白质组数据基于突变-磷酸化相关性阐明了与体细胞突变相关的信号传导途径，mRNA和蛋白质丰度之间的相关性提供了与患者生存相关的潜在致癌基因和抑癌基因。同时，mRNA、蛋白质、磷酸化和N-糖基化数据的综合聚类确定了EOGC的四种亚型。四种亚型分别与增殖、免疫反应、新陈代谢和侵袭有关，主要通过磷酸化和N-糖基化数据鉴定亚型与免疫和入侵相关途径的关联。研究表明，蛋白质组学分析提供了除基因组分析之外的其他信息，可以增进对EOGC中癌症生物学和患者分层的了解。

强 调

突变与磷酸化的相关性提示早发性胃癌中可能存在信号相互作用；

mRNA-蛋白质相关性暗示与患者生存高度相关的基因；

对mRNA和蛋白质数据的综合分析确定了四种亚型；

磷酸化数据提供了亚型基础的细胞信号通路。

研究概要

1    早发性胃癌样品的基因组和蛋白质组学分析

    研究从80名45岁以下的EOGC患者中收集了成对的肿瘤和邻近的正常组织以及血液样本，74个弥漫型，3个肠型，2个混合型和1个炎性成肌细胞肿瘤。对肿瘤和外周血单核细胞（PBMC）进行外显子组测序，肿瘤和邻近正常组织进行mRNA测序、蛋白质组、磷酸化蛋白质组和N-糖基蛋白质组分析。外显子组鉴定出56502个非同义单核苷酸变体（SNV）和3598个移码插入缺失。蛋白质组定量了9625个蛋白，28944个磷酸肽段，以及4376个N-糖肽。

2    体细胞SNV的蛋白质组学分析

    在EOGC队列中，作者鉴定了6个显著突变的基因，CDH1、TP53、BANP、MUC5B、RHOA和ARID1A，与TCGA所报道的相似。但与TCGA队列相比，BANP和MUC5B具有更高的突变率，凸显与晚发性弥散型胃癌（LOGC）不同的突变态势。利用mRNA和蛋白质数据，具有非同义体细胞SNV的基因可以根据它们是否在可以在蛋白质数据中检测到而判断它们与EOGC的关联性。对于上述显著突变的基因而言，CDH1、ARID1A和RHOA显示出突变-磷酸化相关性，并在细胞粘附和迁移相关过程以及信号通路中显著富集（EGFR、ERBB、PI3K-AKT、mTOR、WNT，MAPK，FOXO或Hippo信号）。这些途径中有许多已被证明与GC的发病机制有关。

    对于具有非周期性非同义体细胞SNV的基因，作者通过将突变的影响散布到网络邻居上来为每位患者提供网络平滑的突变评分以及磷酸化评分，计算了80例患者的网络平滑突变与磷酸化评分之间的相关系数。确定了两个主要的突变基因和磷酸化蛋白簇，它们与NOTCH和半胱天冬酶信号传导（C1-Mut和C1-Phos）以及MAPK、AMPK、FOXO、mTOR和T细胞受体信号传导（C2-Mut和C2-Phos）显著关联。这些途径中有许多已被证明与GC的发病机制有关，包括NOTCH，MAPK，AMPK，mTOR，FOXO，和TCR信号传导。总的来说，蛋白质组学数据提供了更多关于突变与癌症相关信号通路的见解。

图1，非同义体细胞SNV的蛋白质组学分析。（D）高频突变基因ARID1A、CDH1和RHOA中，由磷酸化水平与非同义体细胞SNV相关的蛋白所代表的细胞过程；（F）使用分级聚类鉴定的突变基因和磷酸化蛋白的聚类；（G）重要蛋白簇中突变基因和磷酸化蛋白代表的细胞过程。

3    癌症相关mRNA与蛋白质丰度变化的相关性

    作者分析了蛋白质和mRNA丰度的相关性。具有强相关性的基因参与DNA复制、PPAR信号传导和氨基酸代谢，而具有弱相关性的基因参与剪接体、mRNA监测和蛋白水解。通过评估具有显著mRNA-蛋白质相关性的基因的潜在临床价值，具有显著生存差异的基因显示出比无显著生存差异的基因更强的mRNA-蛋白质相关以及更大的生存差异。与存活呈正相关的基因与抗肿瘤过程相关，而与存活呈负相关的基因主要与与细胞入侵相关的促肿瘤过程相关。据此，作者还在具有显著mRNA-蛋白质相关性的基因之间鉴定潜在的肿瘤抑制因子和致癌基因。这些数据表明，与mRNA表达水平相比，mRNA与蛋白质的相关性可以确定潜在的EOGC癌基因和抑癌基因。

图2，mRNA和蛋白质丰度变化之间的相关性。（A）mRNA和蛋白质的Spearman相关系数；（B）具有高、低mRNA-蛋白质相关性的基因与KEGG通路的差异关联；（C）患者生存差异显著（蓝色）和非显著（绿色）的基因的mRNA-蛋白质相关性的累积密度分布；（D）与生存呈正相关和负相关基因的生物学过程。

4    通过综合蛋白质组学分析推断EOGC的亚型

    为了对EOGC的亚型进行分类，作者首先使用各种类型的数据分别对80名患者进行聚类。包括mRNA数据簇（RNA1-2），4个用于全局蛋白质组数据簇（Prot1-4），3个用于磷酸化蛋白质组数据簇（Phos1-3），以及3个用于N-糖蛋白质组数据簇（Gly1-3）。对转录组、蛋白质、磷酸化和N-糖基化数据的整合聚类鉴定出了4种弥散性GC的亚型。蛋白质组学数据细分了亚型1和2，亚型3由RNA1、Prot3、Gly3和Phos2簇定义，亚型4由RNA1、Prot2、Gly1和Phos1簇定义。RNA2簇比RNA1簇具有更好的存活率，具有较低存活率的扩散GC和具有良好存活率的MSI GC分别在RNA1和RNA2簇中显著富集。亚型2和4样亚组分别显示最佳生存期和最差生存期。MSI和EBV阳性的GC显著富集在亚型2型亚组中，而GS GC富集在亚型4类亚组中。

图3，通过综合蛋白质组学分析鉴定EOGC的亚型。（A）通过对mRNA和蛋白质组数据的综合聚类鉴定出四个亚型（Sub1-4）；（E）定义TCGA队列中RNA1的亚型3-4和RNA2的亚型1-2的蛋白质特征；（F）TCGA队列中Sub1、Sub2、Sub3和Sub4GC的生存图。

5    与EOGC的亚型相关的细胞网络

    为了解与1-4亚型相关的细胞过程，作者选择了定义每种亚型的基因和蛋白质，并鉴定了亚型特异性基因或蛋白质代表的细胞过程。亚型1代表与细胞增殖相关的过程（RNA加工、翻译和蛋白质降解）；亚型2代表与免疫应答相关的过程（抗原呈递、BCR/TNF/Toll样受体信号转导、TCR信号转导和吞噬体）；亚型3代表与代谢相关的过程（氧化磷酸化、脂肪酸β-氧化和S3-P的柠檬酸循环）；亚型4代表与入侵相关的过程（肌动蛋白细胞骨架、钙黏着蛋白和MAPK、PI3K-AKT、WNT、RHOA通路）。根据这些数据，亚型2和4分别可被表征为免疫原性和浸润性肿瘤，分别具有良好的生存率和较差的生存率。

    作者继续使用亚型相关过程的基因和蛋白质构建了亚型的网络模型，以及推断显著突变-磷酸化相关性的配对的功能性关联。亚型2网络模型显示，CXCR5及其下游G蛋白通过它们与吞噬体中的磷酸化蛋白的关联以及T细胞信令中的PLCG，调节抗原呈递细胞中的吞噬体活性和T细胞中的TCR信号传导。亚型4网络模型显示，肌动蛋白细胞骨架的活性主要受RHOA和RAC1信号调节，通过与参与调节肌动蛋白细胞骨架相关的磷酸化蛋白的结合而发挥作用。这些数据表明，突变和与GC亚型相关的信号通路之间可能存在相互作用。

图4，与EOGC的亚型相关的细胞网络。（A）定义的亚型1-4的基因和蛋白质，及其参与的细胞过程；（D）扩展免疫和（E）RHOA信号网络模型，包括突变基因与参与免疫应答和入侵相关过程的磷酸化蛋白的潜在关联。菱形结，突变基因；大圆圈并标记有红色的磷酸化蛋白；绿色边缘，突变基因与磷酸化蛋白之间的关联。

6    N-糖基化与非同义的体细胞突变

    最后，作者检查了突变-糖基化的相关性，确定了4个主要的突变基因和N-糖基化蛋白簇。对于每个簇，确定了由突变基因和N-糖基化蛋白代表的细胞过程，涉及局部和整联蛋白介导的粘附、肌动蛋白细胞骨架调控、FGF、PI3K-AKT、整联蛋白和Toll样受体信号传导（以及ECM受体和整合素相互作用在相同过程中与蛋白质的N-糖基化相关。N-糖基化数据类似于磷酸化数据，提供了有关突变与癌症相关细胞过程的关联的其他信息。

图5，突变-糖基化蛋白相关性。（C）使用分级聚类鉴定的突变基因和N-糖基化蛋白的相关性聚类；（D）突变基因和N-糖基化蛋白为代表的细胞过程。

讨 论

    蛋白质数据如何为基因组数据提供补充信息是蛋白质组学分析中的一个基本问题。本篇研究通过分析胃癌多组学数据表明，磷酸化或N-糖基化数据提供了信号通路，其活性与体细胞突变相关，表明该突变与细胞信号传导的潜在关联。是否在蛋白质水平上检测到突变也被认为是有效分类功能突变的一种方法，然而基于蛋白质水平的突变检测，选择关键突变基因候选者并不比选择具有高mRNA突变基因的候选者更有效。mRNA-蛋白质丰度的相关性可以用来筛选候选癌基因，蛋白质丰度和磷酸化/ N-糖基化数据为定义癌症亚型的mRNA丰度提供了补充信息。因此，蛋白质组学分析提供了有效的策略，可以整合不同类型的蛋白质和基因组数据以得出有益的结论。尽管这些发现应通过详细的功能实验进一步验证，但蛋白质组学数据为了解早发性EOGC和晚发性EOGC患者的分层提供了更多见解。