《Frontiers in Bioinformatics》:Identification and validation of tumor microenvironment-related therapeutic targets in gastric cancer using integrated multi-omics and molecular docking approaches
编辑推荐:
摘要:随着耐药性增加和肿瘤异质性导致治疗策略受限,胃癌仍然是全球癌症相关死亡的主要原因之一。靶向肿瘤微环境(TME)组分由于其在癌细胞增殖、进展和转移中的关键作用,已成为一种有前景的治疗策略。既往已鉴定治疗靶点的局限之一在于其对更广泛患者人群的适用性有限。
摘要:随着耐药性增加和肿瘤异质性导致治疗策略受限,胃癌仍然是全球癌症相关死亡的主要原因之一。靶向肿瘤微环境(TME)组分由于其在癌细胞增殖、进展和转移中的关键作用,已成为一种有前景的治疗策略。既往已鉴定治疗靶点的局限之一在于其对更广泛患者人群的适用性有限。
方法:本研究旨在利用整合生物信息学与分子对接方法鉴定肿瘤微环境(TME)相关治疗靶点,该方法纳入更多数据集以覆盖更广泛的胃癌患者队列。研究人员分析了多个公开可用的转录组数据集,采用稳健秩聚合(RRA)荟萃分析和加权基因共表达网络分析(WGCNA)以鉴定显著枢纽基因。进一步地,利用多种方法开展蛋白质-蛋白质相互作用(PPI)网络分析,包括CytoHubba拓扑分析和ClusterONE模块分析,从而细化潜在治疗候选基因。研究人员进行了功能富集分析,以识别参与TME相互作用和细胞外基质(ECM)重塑的关键基因。
结果:富集基因在癌症基因组图谱胃腺癌数据集(TCGA-STAD)及3个独立的基因表达综合数据库(GEO)数据集中验证了其显著失调,以确保这些基因在不同队列中均具有差异表达。具有一致失调特征的基因随后在TCGA及2个GEO数据集中进行生存分析,以优先筛选具有预后意义的枢纽基因。最后,定向文献检索确保排除了既往已被靶向的基因;采用植物化合物开展的分子对接分析则鉴定出对所识别靶点具有较强亲和力的潜在治疗先导化合物。
讨论:该整合策略揭示了胃癌肿瘤微环境中的若干重要且有前景的靶点以及天然化合物,为开发潜在的个体化治疗策略提供了依据。
该论文发表于《Frontiers in Bioinformatics》,围绕胃癌肿瘤微环境(TME)相关治疗靶点的系统发现与验证展开。研究背景在于,胃癌仍是全球高发且高致死的恶性肿瘤之一,尽管HER2、VEGF/VEGFR、CLDN18.2等靶向治疗不断发展,但临床应用仍受到患者适用范围有限、肿瘤内异质性显著及继发耐药等因素制约。与此同时,肿瘤微环境,特别是细胞外基质(ECM)重塑、基质细胞活化及肿瘤-基质互作,在胃癌增殖、侵袭、转移及治疗抵抗中发挥核心作用,因此从TME层面寻找覆盖更广泛患者群体的新型治疗靶点具有重要意义。既往研究常仅选用少数表达谱数据集,导致所筛得靶点代表性不足。基于此,研究人员整合更大规模的公开转录组队列,希望在更广泛胃癌人群中识别稳定、可重复、并具有预后相关性的TME治疗靶点,同时结合天然产物分子对接评估其转化潜力。
在技术路径上,研究人员首先从GEO纳入31个符合标准的胃癌转录组数据集,共计927例肿瘤样本与919例癌旁正常组织,覆盖RNA测序与单通道微阵列平台;随后以稳健秩聚合(RRA)整合差异表达结果,并在满足样本量条件的19个数据集中开展加权基因共表达网络分析(WGCNA),筛选肿瘤相关模块枢纽基因。之后通过Fisher精确检验整合RRA与WGCNA结果,借助STRING/STITCH、CytoHubba和ClusterONE开展蛋白质-蛋白质相互作用(PPI)网络分析与模块筛选,再进行GO、KEGG和Reactome功能富集。候选基因在TCGA-STAD、GSE54129、GSE13911和GSE66229中验证差异表达,并在TCGA-STAD、GSE62254和GSE15459中进行总生存(OS)分析。最后从TCMBank检索“stomach neoplasm”相关植物化合物,经ADMET评估后实施分子对接。
研究结果部分可概括如下。
3.1 Dataset selection
研究人员共纳入31个公开数据集用于比较转录组分析,其中18个来自单通道微阵列实验,13个来自高通量RNA测序实验,总样本量1846例。研究设计同时使用不同地理区域和不同技术平台的数据,旨在增强结果的稳健性与可推广性。用于差异表达验证的外部队列包括TCGA-STAD、GSE54129、GSE13911和GSE66229;用于预后分析的队列包括TCGA-STAD、GSE62254和GSE15459。
3.2 DEG analysis and RRA meta-analysis
研究人员对31个数据集分别完成预处理、标准化和差异表达分析,并依据调整后p值及|log
2FC|排序基因。通过RRA整合31个排序列表,并在Bonferroni校正阈值2.5 × 10
?6下鉴定出254个在RNA-seq与微阵列数据中均具有一致差异表达的显著基因。该步骤提供了跨平台、跨队列稳定失调的候选基因集合。
3.3 WGCNA analysis and integration of RRA and WGCNA results
在19个样本量足够的数据集中,研究人员实施WGCNA,依据模块成员度(MM)>0.8和基因显著性(GS)>0.2提取肿瘤相关模块枢纽基因,并按跨数据集出现频率划分为高置信度、中等置信度和探索性三类。随后,将各类WGCNA基因与RRA显著基因进行单侧Fisher精确检验。结果显示,高置信度组与RRA基因显著富集重叠,中等置信度组亦存在显著富集,而探索性组不显著。最终,研究人员从高置信度和中等置信度重叠中保留236个基因进入后续分析。该结果表明,研究筛得的候选基因不仅表现为稳定差异表达,而且位于与肿瘤表型显著相关的共表达网络核心。
3.4 PPI analysis and hub gene selection
研究人员将236个重叠基因导入STRING和STITCH构建PPI网络,并使用Cytoscape中的CytoHubba从12种拓扑指标综合排名筛出41个枢纽基因;同时,利用ClusterONE识别显著致密模块,最终从高质量模块中得到65个关键模块基因。两种方法交集共35个基因,被定义为后续功能分析的候选枢纽基因。该步骤通过“拓扑中心性+模块聚类”的双重证据提高了核心靶点筛选的可靠性。
3.5 Functional enrichment analyses
对35个枢纽基因进行GO、KEGG和Reactome富集后发现,其生物学功能高度集中于ECM组织、细胞黏附、血管生成、细胞迁移、胶原形成与降解、ECM-受体相互作用、PI3K-Akt通路、focal adhesion以及PDGF/RTK信号等过程。研究人员进一步根据基因在ECM/肿瘤相关显著条目中的出现频次筛选,最终确定29个潜在治疗候选基因,即BMP1、COL1A2、LUM、SPP1、THBS2、VCAN、COL1A1、COL3A1、CTSK、MMP14、PDGFRB、SERPINH1、THY1、BGN、COL4A2、COL5A2、FAP、SPARC、TGFB1、COL12A1、COL18A1、COL4A1、CTSB、LOXL2、NID2、COL6A3、PLAU、PLOD1和SULF1。该结果说明胃癌TME核心异常主要围绕基质重塑、胶原代谢及成纤维细胞相关信号展开。
3.6 Validation of differential expression
研究人员在4个独立队列中验证29个候选基因的差异表达,包括TCGA-STAD、GSE54129、GSE13911和GSE66229。随机效应模型(REML)荟萃分析显示,22个基因具有稳定且显著的一致性失调,且多数在肿瘤组织中上调。CTSK、PLAU和TGFB1因REML结果不显著被排除,COL3A1、COL4A2、COL6A3和LUM因留一法(LOO)分析中稳定性不足被排除。最终经表达验证保留22个基因:BGN、BMP1、COL12A1、COL18A1、COL1A1、COL1A2、COL4A1、COL5A2、CTSB、FAP、LOXL2、MMP14、NID2、PDGFRB、PLOD1、SERPINH1、SPARC、SPP1、SULF1、THBS2、THY1和VCAN。这一步证明候选基因并非局限于发现集,而是在不同地区、不同平台、不同临床人群中均具有稳定表达异常。
3.7 Survival analysis and final target selection
针对上述22个基因,研究人员在TCGA-STAD、GSE62254和GSE15459中开展OS分析。Kaplan-Meier曲线及Cox比例风险模型提示,多数基因高表达与较差生存结局相关。进一步的REML荟萃分析显示,17个基因满足最终筛选标准,即BGN、BMP1、COL18A1、COL1A1、COL1A2、COL4A1、COL5A2、FAP、LOXL2、MMP14、NID2、PDGFRB、SERPINH1、SPARC、THBS2、THY1和VCAN。相反,尽管COL12A1、CTSB、PLOD1、SPP1和SULF1在肿瘤中差异表达稳定,但未满足预后荟萃分析标准。该结果强调,差异表达并不必然等同于预后价值,而上述17个基因更能代表具有临床意义的TME治疗候选靶点。
3.8 ADMET profiling and ligand preparation
研究人员对17个最终候选靶点进行定向文献检索,发现其中4个基因在胃癌中缺乏充分的天然产物或小分子靶向研究证据,因此保留用于后续对接分析,分别为THBS2、VCAN、THY1和NID2。随后从TCMBank检索58个与“stomach neoplasm”相关的植物化合物,经SwissADME与ProTox-III评估后,筛得14个具有可接受ADMET特征的候选配体,并选用5-氟尿嘧啶(5-FU)作为参考药物。
3.9 Target structure selection and preparation
在结构准备阶段,THBS2采用RCSB PDB中的1YO8结构;VCAN、THY1和NID2因缺乏实验结构而采用AlphaFold模型,并移除低置信度残基、重建缺失环区及必要的结构修复。研究人员利用PrankWeb预测主要结合口袋,为统一分子对接参数提供基础。该步骤保证了后续对接在结构层面的可比性。
3.10 Molecular docking and lead compound selection
研究人员使用AutoDock Vina对14个植物化合物与4个靶点进行三重复分子对接。结果显示,所有入选先导化合物的结合评分均优于参考药物5-FU。Evoden对NID2和THBS2表现出较强亲和力,对VCAN亦显示良好结合;ursolic acid对VCAN和THY1表现最佳,其中VCAN的结合能达到?9.5 kcal mol
?1,NID2与Evoden的结合能约为?10.4 kcal mol
?1,THBS2与Evoden的结合能约为?9.5 kcal mol
?1。研究人员进一步可视化了氢键、烷基、π-烷基和碳氢键等相互作用模式。该结果提示Evoden和ursolic acid可作为后续实验验证的潜在天然先导化合物。
综合讨论部分,研究指出,17个最终靶点均指向胃癌TME的可药物化环节,主要涵盖四类生物学主题:其一是基底膜与胶原相关成分,如COL1A1、COL1A2、COL4A1、COL5A2、COL18A1和NID2;其二是胶原加工与ECM重塑因子,如BMP1、SERPINH1、MMP14和LOXL2;其三是癌相关成纤维细胞(CAFs)及生长因子轴,如FAP和PDGFRB;其四是介导细胞-基质串扰的调节因子,如VCAN、SPARC、THBS2、BGN和THY1。研究结果整体支持胃癌中ECM重塑、基质活化及微环境信号网络是推动肿瘤进展、免疫浸润改变和治疗抵抗的重要基础。该研究的价值在于,通过大规模整合分析提高了靶点对广泛患者群体的适用性,并在文献筛查基础上聚焦于仍存在治疗空白的靶点,为个体化联合治疗策略提供了候选分子基础。研究同时指出局限性,包括仅使用单一天然产物库、缺乏单细胞数据、靶蛋白结构未纳入辅因子或金属离子,以及全部结论仍需体内外实验验证。
研究结论可译为:本研究鉴定出17个在胃癌中具有不良预后相关性的潜在治疗靶点,提示其有望推动更有效的个体化治疗干预。然而,由于本研究完全基于计算分析,枢纽基因的表达模式及预后意义仍需通过未来实验验证加以确认,包括对组织样本进行qPCR、Western blotting和免疫组织化学分析。