与GIS-NET相比,CHEK1在GIS-NEC中高表达……

《Cancer Research Communications》:CHEK1 is highly expressed in GIS-NEC compared with GIS-NET...

【字体: 大 中 小 】 时间:2026年10月22日 来源:Cancer Research Communications 4.0

编辑推荐:

   打开图形查看器 摘要 胃肠道神经内分泌癌(GIS-NEC)是一种高度侵袭性恶性肿瘤,目前治疗选择有限。为识别治疗靶点,我们对34例GIS-NEC和30例分化良好的胃肠道神经内分泌肿瘤(GIS-NET)进行了转录组学分析,发现检查点激酶1(CHEK1)在GIS-NEC中显著

  

打开图形查看器

摘要

胃肠道神经内分泌癌(GIS-NEC)是一种高度侵袭性恶性肿瘤,目前治疗选择有限。为识别治疗靶点,我们对34例GIS-NEC和30例分化良好的胃肠道神经内分泌肿瘤(GIS-NET)进行了转录组学分析,发现检查点激酶1(CHEK1)在GIS-NEC中显著高表达。尽管CHEK1表达在总体GIS-NEC中并非预后因素,但在胰腺NEC中却与较差预后相关;在胰腺NEC中,CHEK1与复制应激相关基因——包括细胞分裂周期蛋白6(CDC6)和克拉斯平(CLSPN)——的表达既在个体间水平、也在同一肿瘤内空间上不同的区域间呈现相关性。使用Prexasertib(LY2606368)对检查点激酶1(CHK1)进行药理学抑制,在多数GIS-NEC细胞系中抑制了细胞增殖、诱导了细胞周期阻滞并加剧了DNA损伤,重现了CHEK1敲低的效果。体内实验进一步证实了其抗肿瘤疗效。然而,胰腺NEC细胞系对CHK1抑制表现出相对耐药性,转录组学分析揭示这些细胞中WNT信号通路相关基因富集。低密度脂蛋白受体相关蛋白8(LRP8)在高CHEK1表达的胰腺NEC病例中高表达。抑制WNT通路可抑制MYC依赖的转录程序并下调复制相关基因(包括CDC6),从而削弱复制能力。联合抑制WNT与CHK1可进一步加剧复制应激与DNA损伤,即便CHK1抑制剂剂量很低亦如此。综上,这些发现表明CHK1是GIS-NEC的治疗脆弱点,并提示WNT–MYC信号通过维持复制程序而促进耐药。因此,联合靶向CHK1与WNT–MYC通路可能构成一种有前景的治疗策略,尤其在胰腺NEC中。

临床意义:CHEK1在GIS-NEC中高表达,代表了一种治疗脆弱点。在单纯CHK1抑制无效的肿瘤中,联合CHK1与WNT抑制可发挥协同效应,增强复制应激与DNA损伤。

引言

神经内分泌肿瘤(NEN)可起源于多种器官,其中胃肠道系统是最常见的发生部位之一。根据2019年世界卫生组织分类,NEN依据分化程度、有丝分裂计数及Ki-67指数被分为分化良好的神经内分泌肿瘤(NET)和低分化的神经内分泌癌(NEC)(1–3)。胃肠道神经内分泌癌(GIS-NEC)是一种罕见但高度侵袭性的恶性肿瘤,发病率约为每百万人口5例(4–6)。目前标准治疗为类似于小细胞肺癌(SCLC)的铂类为基础的化疗方案。然而,治疗抵抗常发生,中位总生存期(OS)约为12个月(7)。尽管诸如免疫检查点抑制剂等药物正在进行临床试验,但有效的治疗选择仍然有限(8–12)。近期的分子谱分析研究已开始揭示GIS-NEC的基因组格局。我们此前对115例胃肠道神经内分泌肿瘤(GIS-NEN)的多组学分析鉴定了器官特异性驱动突变、转录程序及新型融合基因,凸显了这类肿瘤的生物学异质性(13)。在SCLC中,已提出基于ASCL1、POU2F3、YAP1和NEUROD1等转录调控因子定义的分子亚型,提示存在亚型特异性的治疗脆弱点(9、14、15)。支持这一观点,我们此前的研究鉴定了GIS-NEC的不同分子亚型,包括PTF1A型胰腺NEC(13)。然而,这些分子亚群的治疗靶点仍大多尚未明确。靶向复制应激近来已成为一种有前景的抗癌策略(16)。由CHEK1基因编码的检查点激酶1(CHK1)所在的共济失调毛细血管扩张症Rad3相关蛋白(ATR)–CHK1信号轴,在细胞周期的S期及G2–M期维持复制叉稳定性和协调DNA损伤反应中发挥核心作用(16–18)。抑制CHK1会破坏这些过程,加剧复制应激,并最终诱导细胞死亡。选择性CHK1抑制剂Prexasertib(LY2606368)已在多种临床前模型(包括SCLC)中显示出抗肿瘤活性,SCLC与GIS-NEC一样常伴随TP53和RB1的改变(17、19)。然而,Prexasertib在广泛期SCLC中的临床试验未能显示有意义的临床获益(20),尽管CHK1抑制在另一种TP53突变的恶性肿瘤——高级别浆液性卵巢癌(HGSOC)中已显示出临床活性(21、22)。这些观察表明,对CHK1抑制的反应具有情境依赖性,并不能仅由TP53改变预测。尽管GIS-NEC与SCLC共享某些分子特征,它也表现出独特特点,如APC和KRAS等基因的位点特异性突变(13、23)。因此,CHK1抑制在GIS-NEC中的治疗价值仍不清楚,且尚无临床前研究对其进行系统评估。在本研究中,我们证明CHEK1在GIS-NEC中显著上调,其抑制可诱导细胞周期阻滞、DNA损伤和凋亡。我们进一步鉴定出WNT信号作为调节对CHK1抑制敏感性的通路,尤其在胰腺NEC中,高CHEK1表达与较差预后相关。联合抑制CHK1与WNT信号在耐药模型中增强了抗肿瘤效果。这些发现表明CHK1是GIS-NEC的潜在治疗靶点,并支持联合靶向CHK1与WNT通路作为一种有前景的策略,尤其在胰腺NEC中。

材料与方法

细胞培养与试剂

本研究使用6条GIS-NEC细胞系、1条SCLC细胞系、1条胃肠道神经内分泌肿瘤(GIS-NET)细胞系及9条胰腺导管腺癌(PDAC)细胞系(补充表S1)。A99细胞建立于此前机构(24),随后转移至当前实验室。其他细胞系购自相关细胞库或由合作者提供,详情见补充表S1。本实验室未进行细胞系鉴定。根据补充表S1所示,对3条细胞系进行了支原体检测。细胞在解冻后于指定传代数范围内使用。各细胞系的生物学性别和供体年龄见补充表S1。本研究使用的试剂和抗体列于补充表S2。

免疫组织化学

人GIS-NEC标本中CHK1的免疫组织化学(IHC)采用改编自先前描述方法(25)的方案进行,并作了一些修改。抗原修复使用Dako Target Retrieval Solution(pH 9.0;货号S2367,Dako)在121°C进行10分钟。脱蜡并进行热诱导抗原修复后,用Dako REAL Peroxidase-Blocking Solution(货号S2023,Dako)灭活内源性过氧化物酶活性10分钟,然后用G-Block(货号GB-01,GenoStaff)封闭10分钟。随后切片用抗Chk1(2G1D5)抗体(Cell Signaling Technology,#2360;1:600)在4°C孵育16小时,接着与辣根过氧化物酶偶联的山羊抗小鼠IgG聚合试剂(ImmPRESS,货号30119)孵育30分钟,并用3,3'-二氨基联苯胺(DAB)显色(Histofine,货号425011,Nichirei)。我们已发表的GIS-NEC队列(13)中突触素和Ki-67的既往IHC切片也用于比较。小鼠肿瘤样本的IHC按先前描述的方法(26)进行,并作小改动。简要而言,福尔马林固定、石蜡包埋肿瘤切片厚度为4 μm,随后用0.01 mol/L柠檬酸缓冲液(pH 6.0)在121°C进行抗原修复10分钟。切片用3% H2O2处理15分钟,用Blocking One Histo(Nacalai Tesque,货号06349-64)封闭10分钟,4°C过夜孵育一抗,随后进行二抗孵育和DAB检测。抗体详情见补充表S2。图像使用BZ-X800显微镜(Keyence)采集,Ki-67标记指数按每组10个肿瘤区域超过5000个细胞中阳性细胞百分比计算。

TP53改变状态

6条GIS-NEC细胞系的TP53改变数据取自已发表研究(13、24、27)、国际癌症研究机构(IARC)TP53数据库(28)以及Cellosaurus(29)。TP53改变的临床意义使用Genoox的Franklin临床变异解读平台(https://franklin.genoox.com/clinical-db/home)进行评估,所有鉴定到的改变均被归类为一类体细胞变异。ClinVar致病性分类作为补充注释提供于补充表S3。

RNA测序数据分析

公开且去标识化的RNA测序(RNA-seq)数据取自日本基因型-表型档案(JGA;登录号:JGAS000359;文献13)。数据集包含34例GIS-NEC和30例GIS-NET样本(男性n=37;女性n=27;中位年龄60岁;范围23–86岁),列于补充表S4。读段计数估计与每百万转录本(TPM)标准化按先前描述的方法(13)进行。6条GIS-NEC细胞系的RNA-seq数据可从基因表达综合数据库(GEO)获取,登录号GSE190618(30)。

定量RT-PCR

使用AllPrep DNA/RNA Mini Kit(QIAGEN)提取总RNA,并使用SuperScript VILO cDNA Synthesis Kit(Invitrogen)按照各自厂家方案合成cDNA。定量RT-PCR使用LightCycler 96系统(Roche)和iTaq Universal SYBR Green Supermix(Bio-Rad)进行。基因表达以GAPDH或ACTB为内参进行标准化。引物序列列于补充表S5。

异种移植肿瘤形成实验

将5×10^6 TYUC-1细胞悬于50 μL培养基与50 μL Matrigel(货号354234,BD Biosciences)混合物中,皮下注射于6周龄雌性BALB/c裸鼠(RRID: IMSR_CRL:194,Charles River Laboratories)。当肿瘤生长至100至150 mm3时,将小鼠随机分配至溶剂对照组和Prexasertib组。每周第1天和第2天腹腔注射Prexasertib(10 mg/kg),持续4周(40 mg/kg/周;文献19、31)。每周三次测量肿瘤体积,公式为:(长×宽2)/2(19)。出现呼吸困难或体重下降超过20%的小鼠被移出研究并安乐死。所有程序经大阪大学动物研究委员会批准(编号30-084-003),并按照机构指南进行。方案事先制定但未预注册。样本量依据3R原则(替代、减少、优化)经验性确定。

KEGG通路富集分析

京都基因与基因组百科全书(KEGG;RRID: SCR_012773)通路富集分析使用R统计计算项目(版本4.4.2;RRID: SCR_001905)和Bioconductor(RRID: SCR_006442)包clusterProfiler(RRID: SCR_016884;文献32、33)进行。基因符号通过org.Hs.eg.db注释包中的bitr函数转换为Entrez Gene(RRID: SCR_002473)ID。富集分析使用enrichKEGG函数进行,物种设置为"hsa"。

瘤内区域基因表达差异分析

病例NE004基于体细胞突变和杂合性缺失(LOH)模式的系统发育树已使用随机加速最大似然法(RAxML;RRID: SCR_006086;文献34)构建并由我们组报道(13)。已发表的该树用于分类各区域,未进行额外系统发育重建。根据其在系统发育树上的位置,将24个采样区域分为10个系统发育组(A–J),部分组仅包含单个样本。基因表达变异性在系统发育定义的组间进行评估。计算总方差和组内方差,并将平均组内方差与总方差进行比较。组间差异通过单因素方差分析(ANOVA)评估。效应量(η2)计算为组间差异所解释的总方差比例。变异系数(CV)定义为标准差除以均值。此外,使用以组为随机效应的线性混合效应模型估计组内相关系数(ICC),代表归因于组间差异的方差比例。这些统计分析使用R(版本4.4.2)配合dplyr、ggplot2(RRID: SCR_014601)和lme4包完成。

统计分析

统计比较使用JMP版本11(SAS Institute)进行。两组比较使用Mann-Whitney U检验,多组比较使用Kruskal-Wallis检验。≥2个独立实验的数据以均值±标准差呈现。OS使用Kaplan-Meier分析估计,并使用广义Wilcoxon检验评估。计算Pearson相关系数(r)和P值以评估基因表达水平间的关联。统计学显著性定义为P < 0.05。

结果

GIS-NEN基因组分析鉴定CHEK1为GIS-NEC的潜在治疗靶点

为鉴定GIS-NEC的新型治疗靶点,我们分析了先前研究中30例GIS-NET和34例GIS-NEC肿瘤组织的转录组学谱(补充表S4;文献13)。聚类分析鉴定出与GIS-NET相比在GIS-NEC中显著上调的183个基因,这些基因在不同原发器官起源的肿瘤中具有共同的表达模式(图1A)。KEGG通路富集分析显示细胞周期是最显著富集的通路,包含183个基因中的24个(图1B)。

在这些基因中,有丝分裂促进激酶B(AURKB)、CHEK1、Polo样激酶1(PLK1)和苏氨酸酪氨酸激酶(TTK)四个基因目前正作为实体瘤的临床治疗靶点进行评价(AURKB的临床试验编号为NCT04745689和NCT05271292;CHEK1为NCT05983523和NCT05827614;PLK1为NCT05450965和NCT05358379;TTK为NCT05251714;图1C和D;补充图S1A)。我们重点关注CHEK1,因为CHK1抑制在高级别浆液性卵巢癌(HGSOC)中已显示出治疗潜力,而该癌症以频繁的TP53突变为特征,GIS-NEC亦如此(21)。在34例NEC病例中,胰腺NEC最为常见(n = 12),其次是胃NEC(n = 11;补充图S1B;补充表S6)。五例GIS-NEC病例可获得配对的肿瘤和邻近正常组织。所有病例均显示肿瘤中CHEK1表达显著升高(图1E)。胰腺与非胰腺NEC之间的转录因子亚型存在差异,CHEK1表达亦随这些亚型不同而变化(补充图S1C;补充表S6和S7)。NEC在组织学上分为小细胞NEC(SCNEC)和大细胞NEC(LCNEC)两种类型,其中SCNEC与显著较差的预后相关(35)。CHEK1在SCNEC中的表达显著高于LCNEC(图1F)。与CHEK1低表达组(4/17例)相比,SCNEC在CHEK1高表达组中富集(10/17例;补充表S6)。在CHEK1高表达组与低表达组之间,未观察到其他临床病理特征(包括年龄、性别、种族、吸烟状态及饮酒量)的显著差异(补充表S6)。这些发现提示CHK1是NEC的潜在治疗靶点,尤其是在更具侵袭性的SCNEC中。

图1. 放大查看 下载幻灯片
与GIS-NET相比,CHEK1在GIS-NEC中高表达。A,流程图展示了用于通路富集分析的基因选择过程。共提取744个在GIS-NEC中表达量较GIS-NET高≥5倍的基因(校正P < 0.05)。其中,206个基因在GIS-NEC中TPM > 10。在排除因肿瘤位置存在显著表达差异的基因后,最终筛选出188个基因用于KEGG通路分析。B,利用KEGG数据库对A中188个基因进行通路富集分析。C,展示细胞周期相关24个基因表达谱的热图,该通路在B中被确定为最富集的KEGG通路。D,通过RNA-seq测量8例正常组织和64例GIS-NEN肿瘤组织中CHEK1 mRNA的表达水平。E,在五例NEC病例中分析同一器官配对正常组织与肿瘤组织中CHEK1 mRNA的表达水平。数据以每例的单个值呈现,突出显示正常组织与肿瘤组织间的表达差异。F,通过RNA-seq测量NEC病例中按组织病理学肿瘤分类的CHEK1 mRNA表达水平。结果以箱形图呈现,其中中位数以线表示,箱体代表第25至75百分位数,须线显示第5至95百分位数(D–F)。P值采用Kruskal-Wallis检验(D)和Mann-Whitney U检验(E和F)计算。G,等级;MiNEN,混合神经内分泌-非神经内分泌肿瘤;NET,神经内分泌肿瘤。

图1. 放大查看 下载幻灯片
与GIS-NET相比,CHEK1在GIS-NEC中高表达。A,流程图展示了用于通路富集分析的基因选择过程。共提取744个在GIS-NEC中表达量较GIS-NET高≥5倍的基因(校正P < 0.05)。其中,206个基因在GIS-NEC中TPM > 10。在排除因肿瘤位置存在显著表达差异的基因后,最终筛选出188个基因用于KEGG通路分析。B,利用KEGG数据库对A中188个基因进行通路富集分析。C,展示细胞周期相关24个基因表达谱的热图,该通路在B中被确定为最富集的KEGG通路。D,通过RNA-seq测量8例正常组织和64例GIS-NEN肿瘤组织中CHEK1 mRNA的表达水平。E,在五例NEC病例中分析同一器官配对正常组织与肿瘤组织中CHEK1 mRNA的表达水平。数据以每例的单个值呈现,突出显示正常组织与肿瘤组织间的表达差异。F,通过RNA-seq测量NEC病例中按组织病理学肿瘤分类的CHEK1 mRNA表达水平。结果以箱形图呈现,其中中位数以线表示,箱体代表第25至75百分位数,须线显示第5至95百分位数(D–F)。P值采用Kruskal-Wallis检验(D)和Mann-Whitney U检验(E和F)计算。G,等级;MiNEN,混合神经内分泌-非神经内分泌肿瘤;NET,神经内分泌肿瘤。关闭图1。

接下来,通过免疫组化(IHC)评估了四例分别来源于胃、壶腹、结肠和胰腺的NEC病例中的CHK1蛋白表达(图2A–C)。在胃和壶腹NEC中,肿瘤及邻近非肿瘤组织位于同一切片上,可直接比较;两种情况下CHK1染色在肿瘤中均明显强于邻近非肿瘤组织(图2A)。结肠NEC中同样观察到肿瘤染色增强(图2B)。在非肿瘤肠黏膜中,CHK1染色主要见于黏膜上皮基底部分,与先前报道的正常肠黏膜中CHK1的表达模式一致(图2A和B;参考文献36、37)。在胰腺NEC中,尽管非肿瘤胰腺组织取自另一病例(一例壶腹NEC病例),CHK1染色同样在肿瘤中强于非肿瘤胰腺组织(图2C)。在全部四例病例中,CHK1阳性区域与突触素及Ki-67阳性区域在很大程度上重叠(图2D)。这些发现为GIS-NEC中CHK1蛋白表达增加提供了病理学证据。

图2. 放大查看 下载幻灯片
人GIS-NEC标本中的CHK1表达。A–C,GIS-NEC组织经抗CHK1抗体及苏木素染色。D,GIS-NEC组织经抗CHK1、抗突触素或抗Ki-67抗体及苏木素染色。比例尺,100 μm。MiNEN,混合神经内分泌-非神经内分泌肿瘤。

图2. 放大查看 下载幻灯片
人GIS-NEC标本中的CHK1表达。A–C,GIS-NEC组织经抗CHK1抗体及苏木素染色。D,GIS-NEC组织经抗CHK1、抗突触素或抗Ki-67抗体及苏木素染色。比例尺,100 μm。MiNEN,混合神经内分泌-非神经内分泌肿瘤。关闭图2。

CHEK1表达与胰腺NEC中复制应激信号传导及不良预后相关

为评估CHEK1在GIS-NEC中的临床相关性,我们分析了CHEK1表达与预后之间的关联。在整体GIS-NEC队列中,CHEK1表达与生存率之间未观察到显著关联(图3A)。鉴于GIS-NEC存在显著的器官特异性生物学异质性(38),我们随后在队列中最大的两个亚组——胰腺NEC和胃NEC中进行了亚组分析。胰腺NEC患者的生存率显著差于胃NEC患者(图3B)。虽然在胃NEC中CHEK1表达与生存率无关,但在胰腺NEC中与较差的预后显著相关(图3C;补充图S2A),这与先前在小细胞肺癌中的报道一致(39)。我们随后根据CHEK1表达情况检查了胰腺NEC病例的临床病理特征(补充表S7和S8)。中位年龄为63岁(范围,53–79),与先前基于监测、流行病学和最终结果计划(SEER)的胰腺NEC研究报道相当(40)。CHEK1高表达组与低表达组之间年龄、性别、吸烟史及饮酒量分布相似(补充表S7和S8)。从数量上看,CHEK1高表达组中ASCL1和SCNEC富集,而PTF1A和YAP1亚型仅在CHEK1低表达组中出现;然而,有限的样本量使确定性结论难以得出。

图3. 放大查看 下载幻灯片
胰腺NEC中高CHEK1表达与不良预后相关。A和C,GIS-NEC(A)和胰腺NEC(C)病例中CHEK1表达与总生存期的关系。B,GIS-NEC中按原发肿瘤部位分层的总生存期。D,散点图展示胰腺NEC病例中CHEK1(X轴)与CDC6(Y轴;左)以及CHEK1(X轴)与CLSPN(Y轴;右)之间的相关性。黑色虚线表示线性拟合。E,胰腺NEC病例中CHEK1低表达组与高表达组之间CDC6(左)和CLSPN(右)mRNA表达的比较。F,散点图展示RNA-seq(X轴)与qPCR(Y轴)所测CHEK1表达之间的相关性。RNA-seq表达以相对于最低表达病例的比率呈现,qPCR表达以归一化至ACTB的FC呈现。黑色虚线表示线性拟合。G,通过qPCR测量胰腺NEC病例中按RNA-seq定义的CHEK1低表达组与高表达组之间CHEK1(左)、CDC6(中)和CLSPN(右)mRNA表达的比较。H,胰腺NEC病例中总生存期与Rb表达(左)、TP53突变状态(中)及KRAS突变状态(右)的关系。统计分析采用对数秩检验(A–C和H)。各图中显示皮尔逊相关系数(r)及相应P值(D和F)。结果以箱形图呈现,其中中位数以线表示,箱体代表第25至75百分位数,须线显示第5至95百分位数(E和G)。P值采用Mann-Whitney U检验计算(E和G)。

图3. 放大查看 下载幻灯片
胰腺NEC中高CHEK1表达与不良预后相关。A和C,GIS-NEC(A)和胰腺NEC(C)病例中CHEK1表达与总生存期的关系。B,GIS-NEC中按原发肿瘤部位分层的总生存期。D,散点图展示胰腺NEC病例中CHEK1(X轴)与CDC6(Y轴;左)以及CHEK1(X轴)与CLSPN(Y轴;右)之间的相关性。黑色虚线表示线性拟合。E,胰腺NEC病例中CHEK1低表达组与高表达组之间CDC6(左)和CLSPN(右)mRNA表达的比较。F,散点图展示RNA-seq(X轴)与qPCR(Y轴)所测CHEK1表达之间的相关性。RNA-seq表达以相对于最低表达病例的比率呈现,qPCR表达以归一化至ACTB的FC呈现。黑色虚线表示线性拟合。G,通过qPCR测量胰腺NEC病例中按RNA-seq定义的CHEK1低表达组与高表达组之间CHEK1(左)、CDC6(中)和CLSPN(右)mRNA表达的比较。H,胰腺NEC病例中总生存期与Rb表达(左)、TP53突变状态(中)及KRAS突变状态(右)的关系。统计分析采用对数秩检验(A–C和H)。各图中显示皮尔逊相关系数(r)及相应P值(D和F)。结果以箱形图呈现,其中中位数以线表示,箱体代表第25至75百分位数,须线显示第5至95百分位数(E和G)。P值采用Mann-Whitney U检验计算(E和G)。关闭图3。

为确定CHEK1表达是否与复制应激通路相关,我们检查了CHEK1表达与复制应激相关基因细胞分裂周期6(CDC6)和claspin(CLSPN)之间的相关性。在胰腺NEC中,CHEK1表达与CDC6和CLSPN均显著相关(图3D),提示对复制应激信号的依赖性增加。相应地,高CHEK1表达组的CDC6和CLSPN表达显著高于CHEK1低表达组(图3E)。此外,CDC6和CLSPN高表达同样与胰腺NEC中显著较差的预后相关(补充图S2B)。值得注意的是,所有CLSPN高表达病例均与CHEK1高表达病例重叠,而CDC6高表达病例中有五例亦被归类为CHEK1高表达,进一步支持了CHEK1表达与胰腺NEC中复制应激信号之间的关联(补充表S7)。相比之下,在胃NEC中,CHEK1表达与CDC6相关但不与CLSPN相关(补充图S2C),且高CHEK1组与低CHEK1组之间CDC6或CLSPN表达未见显著差异(补充图S2D)。这些发现进一步支持复制应激信号在胰腺NEC中的激活程度高于胃NEC。

为验证胰腺NEC中CHEK1的表达,我们进行了定量PCR(qPCR)。由于不同癌症类型中的适当参考基因存在差异,候选参考基因基于12例胰腺NEC病例的RNA-seq数据进行评估(41、42)。

ACTB 表现出较高的 TPM 值和较低的表达变异(CV),因此被选作参考基因(补充图 S2E 和 S2F)。CHEK1 的表达水平以相对于最低表达样本(病例 NE101)的倍变(FC)计算,RNA-seq TPM 值以相同方式标准化以生成比值。qPCR FC 与 RNA-seq TPM 比值呈强相关(Pearson r = 0.88;图 3F),确认了 RNA-seq 测量的可靠性。CDC6 和 CLSPN 也观察到相似的相关性(补充图 S2G)。此外,基于 TPM 值 CHEK1 高表达的病例,通过 qPCR 检测的 CHEK1、CDC6 和 CLSPN 表达水平也显著更高(图 3G)。综合而言,采用两种独立方法获得的这些一致发现,为基因表达数据提供了正交验证。值得注意的是,在本研究的胰腺 NEC 队列中,Rb 表达状态以及 TP53 或 KRAS 突变的有无与患者生存期无显著关联(图 3H;补充图 S2H;补充表 S7),提示 CHEK1 表达可能代表除这些经典改变之外的一个预后指标。CHEK1 相关复制压力信号通路在肿瘤内的异质性与克隆结构

为探究肿瘤内 CHEK1 表达与复制压力信号通路之间的关联,我们分析了来自 NE004 尸检标本最大切片中多个空间上彼此独立区域的肿瘤样本,该标本在本研究中被归类为 CHEK1 高表达(补充表 S7)。在既往研究中,我们对该患者的原发肿瘤及转移灶的多个区域进行了全外显子测序,以描绘其基因组演化图谱(13)。我们利用来自相同区域的 RNA,评估了各肿瘤部位的 CHEK1 及复制压力相关基因的表达。与匹配的正常组织相比,CHEK1 在所有肿瘤区域的表达均升高,范围为 5.5–47.2 倍,表明存在显著的肿瘤内异质性(图 4A)。24 个区域中有 23 个区域的 CHEK1 表达高于 6 例 CHEK1 低表达病例,支持将 NE004 归类为 CHEK1 高表达。尽管存在这种异质性,CHEK1 表达在各区域间与 CDC6 和 CLSPN 均呈强正相关(图 4B;补充图 S3A),且原发灶与转移灶之间无显著差异。图 4. 胰腺 NEC(Panc-NEC)肿瘤中 CHEK1、CDC6 与 CLSPN 表达的空间共定位。A,通过 qPCR 测量 CHEK1 表达水平并以 ACTB 标准化,显示 11 例 GIS-NEC 病例及 NE004 病例 24 个肿瘤区域的 FC。B,散点图显示 NE004 病例 24 个肿瘤区域中 CHEK1(X 轴)与 CDC6(Y 轴;左)及 CHEK1(X 轴)与 CLSPN(Y 轴;右)的相关性。黑色虚线代表线性拟合。标注 Pearson 相关系数(r)及相应 P 值。C,NE004 肿瘤区域的系统发育树直接引自 Yachida 等(13),该树基于外显子组测序数据的突变与 LOH 模式,使用 RAxML 推断。按系统发育树将肿瘤区域分为 10 组(A–J)(左),各区域以颜色表示预测的亚克隆(右)。D,通过 qPCR 测量 CHEK1(上)、CDC6(中)和 CLSPN(下)的表达水平,以 ACTB 标准化,并以相对于校正后正常胰腺的 FC 表示。肿瘤区域分组见图 4C 中的 A–J。E,通过 qPCR 测量 MKI67 表达水平,以 ACTB 标准化,并以相对于校正后正常胰腺的 FC 表示,按 CHEK1、CDC6 和 CLSPN 表达水平分层。结果以箱须图表示,其中横线表示中位数,箱体表示第 25 至 75 百分位,须线表示第 5 至 95 百分位(A、D 和 E)。区域间差异通过单因素 ANOVA 评估(标注 P 值与效应量),组内变异通过线性混合效应模型计算 CV 与 ICC 量化(D)。图 4. 胰腺 NEC(Panc-NEC)肿瘤中 CHEK1、CDC6 与 CLSPN 表达的空间共定位。A,通过 qPCR 测量 CHEK1 表达水平并以 ACTB 标准化,显示 11 例 GIS-NEC 病例及 NE004 病例 24 个肿瘤区域的 FC。B,散点图显示 NE004 病例 24 个肿瘤区域中 CHEK1(X 轴)与 CDC6(Y 轴;左)及 CHEK1(X 轴)与 CLSPN(Y 轴;右)的相关性。黑色虚线代表线性拟合。标注 Pearson 相关系数(r)及相应 P 值。C,NE004 肿瘤区域的系统发育树直接引自 Yachida 等(13),该树基于外显子组测序数据的突变与 LOH 模式,使用 RAxML 推断。按系统发育树将肿瘤区域分为 10 组(A–J)(左),各区域以颜色表示预测的亚克隆(右)。D,通过 qPCR 测量 CHEK1(上)、CDC6(中)和 CLSPN(下)的表达水平,以 ACTB 标准化,并以相对于校正后正常胰腺的 FC 表示。肿瘤区域分组见图 4C 中的 A–J。E,通过 qPCR 测量 MKI67 表达水平,以 ACTB 标准化,并以相对于校正后正常胰腺的 FC 表示,按 CHEK1、CDC6 和 CLSPN 表达水平分层。结果以箱须图表示,其中横线表示中位数,箱体表示第 25 至 75 百分位,须线表示第 5 至 95 百分位(A、D 和 E)。区域间差异通过单因素 ANOVA 评估(标注 P 值与效应量),组内变异通过线性混合效应模型计算 CV 与 ICC 量化(D)。关闭图 4。基于我们在既往研究中报道的系统发育关系(13),将 24 个区域分为 10 组(A–J;图 4C),其中部分组仅包含单个区域。按这些组分层显示,CHEK1、CDC6 和 CLSPN 的组间变异大于组内变异,且组间差异显著(CHEK1:P = 0.0047,η2 = 0.755;CDC6:P = 0.0419,η2 = 0.642;CLSPN:P = 0.010,η2 = 0.722;图 4D)。线性混合效应模型同样显示中等至较高的 ICC(CHEK1、CDC6 和 CLSPN 的 ICC 分别为 0.66、0.41 和 0.57),表明相当一部分表达变异可归因于系统发育定义的组结构。为进一步验证该发现,我们对两个常用的参考基因——氨肽基脯氨酰异构酶 A(PPIA)和核糖体蛋白 L13a(RPL13A)作为阴性对照,以及另外两个复制压力相关基因——微型染色体维持复合物组分 2(MCM2)和核苷酸还原酶调节亚基 M2(RRM2)——进行了相同分析。如预期,PPIA 和 RPL13A 在系统发育组间无显著差异(P 分别为 0.332 和 0.833),且 ICC 值较低(分别为 0.09 和 0;补充图 S3B)。相比之下,MCM2 和 RRM2 的表达在 24 个采样区域中与 CHEK1 表达呈显著相关(MCM2:r = 0.78,P < 0.0001;RRM2:r = 0.49,P = 0.015;补充图 S3C),并显示出相似的系统发育相关表达模式(MCM2:P = 0.0069,η2 = 0.739,ICC = 0.60;RRM2:P = 0.044,η2 = 0.639,ICC = 0.39)。所有分析基因的 P 值、效应量(η2)和 ICC 的比较汇总见补充图 S3D。在所有区域中,每个基因表达量最高的前 10 个区域 MKI67 表达显著升高(补充图 S3E)。值得注意的是,CHEK1 表达最高的 10 个区域中有 8 个与 CDC6 或 CLSPN 表达最高的前 10 个区域重叠,支持协调上调(补充图 S3F)。同样,这些重叠区域与其他区域相比 MKI67 表达也显著更高(图 4E)。这些发现表明,与 CHEK1 表达相关的复制压力信号在肿瘤内具有空间异质性,并可能部分反映潜在的系统发育关系。CHK1 抑制剂有效抑制 GIS-NEC 细胞系的增殖

我们检测了 6 个 GIS-NEC 细胞系、1 个 SCLC 细胞系、1 个胰腺 NET 细胞系和 1 个 PDAC 细胞系中的 CHEK1 表达。所有 GIS-NEC 细胞系均携带 TP53 或 RB1 突变(30)。RNA-seq 和 qPCR 分析显示,源自本研究中归类为 CHEK1 高表达的病例 NE024 的胰腺 NEC 细胞系 A99(24)CHEK1 表达最高,其次为 TYUC-1、ECC10 和 ECC12(图 5A;补充图 S4A)。CHK1 蛋白水平总体遵循 mRNA 表达模式(图 5B)。为确认 CHEK1 高表达是胰腺 NEC 特有的,而非在各类胰腺肿瘤中普遍升高,我们将 A99 细胞与 1 个胰腺 NET 细胞系和 9 个 PDAC 细胞系进行比较。图 2A 和 B 中显示的 NET 细胞系 QGP-1 和 PDAC 细胞系 PANC-1 也被纳入该扩展细胞系面板。A99 细胞的 CHEK1 mRNA 水平显著高于所有胰腺肿瘤细胞系(图 5C),提示 CHEK1 过表达可能是胰腺 NEC 细胞系 A99 的特征性表现。图 5. GIS-NEC 细胞系对 CHK1 抑制剂敏感性的评估。A 和 C,通过定量 RT-PCR 测量 GIS-NEC、SCLC、胰腺 NET、PDAC 细胞系(A)及 11 个胰腺肿瘤细胞系(C)中 CHEK1 mRNA 的表达水平,并以 GAPDH 标准化。结果以相对于 TYUC-1 细胞(A)和 A99 细胞(C)的 FC 表示,数值为三次独立实验的均值 ± SD。B,对图 2A 所示的 GIS-NEC、SCLC、胰腺 NET 和 PDAC 细胞系裂解液进行免疫印迹,使用抗 CHK1 和抗 GAPDH 抗体。GAPDH 作为上样对照。D,prexasertib 处理后 GIS-NEC 和胰腺 NET 细胞的活力。数据为两次独立实验的均值 ± SD,每次含六个复孔。E,各细胞系对 prexasertib 的 IC50 值。数据为两次独立实验的均值 ± SD。F,GIS-NEC 细胞系对 prexasertib 的 IC50 值,按 TP53 突变与 TP53 野生型分组比较。数据以箱须图表示,其中横线表示中位数,箱体表示四分位间距(第 25 至 75 百分位),须线表示第 5 至 95 百分位。G,将 4 个 GIS-NEC 细胞系分别用 prexasertib(浓度对应各自 IC50)处理 24 小时。对裂解液使用所示抗体进行免疫印迹。GAPDH 作为上样对照。图 5. GIS-NEC 细胞系对 CHK1 抑制剂敏感性的评估。A 和 C,通过定量 RT-PCR 测量 GIS-NEC、SCLC、胰腺 NET、PDAC 细胞系(A)及 11 个胰腺肿瘤细胞系(C)中 CHEK1 mRNA 的表达水平,并以 GAPDH 标准化。结果以相对于 TYUC-1 细胞(A)和 A99 细胞(C)的 FC 表示,数值为三次独立实验的均值 ± SD。B,对图 2A 所示的 GIS-NEC、SCLC、胰腺 NET 和 PDAC 细胞系裂解液进行免疫印迹,使用抗 CHK1 和抗 GAPDH 抗体。GAPDH 作为上样对照。D,prexasertib 处理后 GIS-NEC 和胰腺 NET 细胞的活力。数据为两次独立实验的均值 ± SD,每次含六个复孔。E,各细胞系对 prexasertib 的 IC50 值。数据为两次独立实验的均值 ± SD。F,GIS-NEC 细胞系对 prexasertib 的 IC50 值,按 TP53 突变与 TP53 野生型分组比较。数据以箱须图表示,其中横线表示中位数,箱体表示四分位间距(第 25 至 75 百分位),须线表示第 5 至 95 百分位。G,将 4 个 GIS-NEC 细胞系分别用 prexasertib(浓度对应各自 IC50)处理 24 小时。对裂解液使用所示抗体进行免疫印迹。GAPDH 作为上样对照。关闭图 5。接下来,我们通过测定 IC50 值评估这些细胞系对 CHK1 抑制剂 prexasertib 的敏感性。4 个 GIS-NEC 细胞系(TYUC-1、ECC12、TCC-NECT-2 和 ECC4)的 IC50 值低于 50 nmol/L,与对 CHK1 抑制剂敏感的 SCLC 细胞系 DMS53 相当(图 5D 和 E;补充图 S4B;文献 19)。

相比之下,A99和ECC10细胞的IC50值超过100 nmol/L,与CHK1抑制剂耐药的PDAC细胞系PANC-1相当(图5D和E;补充图S4B;参考文献43)。据此,这四个细胞系被定义为CHK1抑制剂敏感型,而A99和ECC10则被归类为耐药型。关键转录调控因子的表达在各细胞系之间存在差异(补充图S4C)。鉴于已有报道称TP53缺失与CHK1抑制剂敏感性相关,我们还在六种GIS-NEC细胞系中检测了TP53状态。其中五个细胞系存在TP53突变,而ECC10保留了野生型(WT)TP53(补充表S3;参考文献24、30)。五个TP53突变细胞系中的四个(TCC-NECT-2、ECC12、ECC4和TYUC-1)对Prexasertib的IC50值相对较低,而TP53突变的A99细胞系则表现出与TP53野生型ECC10相当的耐药性(图5E和F)。尽管TP53突变可能有助于CHK1抑制剂敏感性,但仅凭TP53状态无法解释所检测GIS-NEC细胞系对Prexasertib反应的差异。此外,Prexasertib敏感性既不与CHEK1表达水平相关,也不与转录调控因子模式相关,提示其他因素也在影响CHK1抑制的反应。在CHK1抑制剂敏感的细胞系中,在低于50 nmol/L的浓度下CHK1磷酸化得到有效抑制,与其IC50值一致(图5G)。CHK1抑制诱导复制压力并抑制GIS-NEC肿瘤生长。

已有报道称Prexasertib可改变多种肿瘤类型的细胞周期分布(19、43、44)。为评估该效应,我们在两种对Prexasertib敏感的NEC细胞系TYUC-1和ECC4中进行了细胞周期分析。TYUC-1细胞在敏感细胞系中IC50值最高,被纳入以评估相对不那么敏感背景下的效应;ECC4则被选作结直肠NEC的代表模型,结直肠NEC是GIS-NEC中最常见的原发部位(38)。Prexasertib按各细胞系IC50对应的浓度给药。TYUC-1和ECC4细胞合并分析显示,两种细胞系处理后亚G1期细胞比例均显著增加,而G1期和S期比例无变化,这可能反映了细胞系之间的基线差异(图6A和B;补充图S5A–S5C)。Prexasertib处理显著提高了磷酸化RPA32(pRPA32)和γH2AX水平(图6C),表明诱导了复制压力和DNA损伤。使用两种独立siRNA敲低CHEK1可重现这些效应,即抑制增殖、增加亚G1期比例并升高γH2AX水平(图6D–F;补充图S5D–S5F)。

图6. 在敏感的GIS-NEC细胞系中CHK1抑制的效应。A,以IC50浓度处理TYUC-1细胞的细胞周期分析(n = 2)。流式细胞术在处理后24小时进行。各细胞周期时相的细胞百分比以均数±标准差表示。B,将使用TYUC-1和ECC4细胞进行的独立实验的细胞周期分析数据合并,数据来自图5A和补充图S5B。亚G1期细胞百分比以箱线图表示。C,TYUC-1和ECC4细胞以各自IC50浓度的Prexasertib处理24小时。蛋白质裂解液经免疫印迹检测,使用所示抗体进行探测。HSP90作为上样对照。D,转染对照或CHEK1 siRNA的TYUC-1和ECC4细胞进行活力测定。在转染后72小时(TYUC-1)和120小时(ECC4)进行测量。结果以三次独立实验的均数±标准差表示。E,将使用TYUC-1和ECC4细胞进行的独立实验的细胞周期分析数据合并,数据来自补充图S5E和S5F。亚G1期细胞百分比以箱线图绘制。F,两种GIS-NEC细胞系用25 nmol/L对照或CHEK1 siRNA转染。转染后72小时(TYUC-1)和120小时(ECC4)收集蛋白裂解液,用抗γH2AX和抗GAPDH抗体探测。GAPDH作为上样对照。G,TYUC-1细胞皮下接种至免疫缺陷小鼠体内。通过腹腔注射每周两次给药Prexasertib(40 mg/kg/周,n = 5)或溶剂对照(n = 4)。上方为摘出的异种移植瘤图片;下方为肿瘤体积随时间变化的图片。数据以均数±标准差表示。H,TYUC-1异种移植瘤切片经苏木精和抗Ki-67抗体染色。上方为代表性图像。Ki-67阳性细胞占总细胞数的百分比(n = 10个视野)经定量分析。H&E,苏木精-伊红染色。I和J,TYUC-1异种移植瘤切片用核染料(蓝色)和抗γH2AX抗体(红色;I)或抗裂解caspase 3抗体(红色;J)染色。上方为代表性图像。γH2AX阳性细胞(I)和裂解caspase 3阳性细胞(J)占总细胞数的百分比(n = 8个视野)经定量分析。数据以箱线图表示,其中横线表示中位数,箱体表示四分位间距(第25至75百分位),须表示第5至95百分位(B、E、H和J)。统计学显著性采用Mann-Whitney U检验判定(B、D、E、G和H–J)。标尺,10 mm(G)和100 μm(H–J)。

接下来,我们使用TYUC-1异种移植模型在体内评估了Prexasertib的抗肿瘤效果。与对照组相比,Prexasertib显著抑制了肿瘤生长(图6G)。免疫组化分析显示Ki-67阳性细胞减少,γH2AX和裂解caspase 3阳性细胞增加(图6H–J),表明增殖降低和DNA损伤相关凋亡增加。WNT抑制增强对CHK1抑制的敏感性。

为确定CHK1抑制敏感性的分子决定因素,我们比较了Prexasertib敏感型(IC50_low)和耐药型(IC50_high)GIS-NEC细胞系之间的基因表达谱。先前报道的CHK1抑制剂敏感性决定因素,包括参与DNA复制、细胞周期调控和检查点信号的基因(22、44–47),与GIS-NEC中的Prexasertib IC50值无关联(补充图S6A)。因此,我们分析了RNA测序数据,以鉴定Prexasertib敏感型和耐药型细胞系之间差异表达的基因,最终筛选出两组间差异表达≥2倍的133个基因(图7A和B)。KEGG通路分析显示WNT信号通路显著富集(图7C)。LEF1是一种关键的β-连环蛋白依赖性转录因子,连同WNT配体(WNT3和WNT6)及WNT信号激活因子FRAT1(通过抑制GSK-3β稳定β-连环蛋白)(48–50),在耐药细胞系中显著上调(图7D;补充图S6B)。尽管AXIN2等经典WNT靶基因未见明显上调,但这些发现提示WNT相关信号可能在耐药中发挥作用。

图7. WNT信号相关基因的表达与CHK1抑制剂敏感性降低的关联。A,示意基因筛选流程用于通路富集分析。首先筛选IC50_high和IC50_low细胞间表达差异≥2倍的基因。随后,从中提取在IC50_high或IC50_low细胞(取决于过表达方向)中TPM >5的基因,进行KEGG通路分析。B,热图展示图7A中筛选出的133个基因的表达情况,这些基因在IC50_high和IC50_low细胞间差异≥2倍,且在某一组中TPM >5。C,使用KEGG数据库对图7A和B中133个基因进行通路富集分析。D,六种GIS-NEC细胞系中LEF1 mRNA表达水平经RNA测序测定。E,A99细胞经Prexasertib处理±10 μmol/L IWP2后的活力测定。左,数据为三次独立实验的均数±标准差,每次实验含六个重复孔;右,IC50值以三次独立实验的均数±标准差表示。F,A99细胞经±10 μmol/L IWP2处理48小时后相关基因的表达水平经定量RT-PCR测定并以GAPDH标准化。数据以相对于未处理条件的变化倍数表示,为三次独立实验的均数±标准差。G,A99细胞分别用50 nmol/L Prexasertib(24小时)、10 μmol/L IWP2(48小时)或两者联合处理。裂解液经免疫印迹分析,使用所示抗体探测。上方,HSP90作为上样对照。pRPA32(中间)和γH2AX(下方)条带强度用ImageJ定量,以HSP90标准化,以相对于未处理细胞的任意单位(AU)表示,为三次独立实验的均数±标准差。H,经Prexasertib和MSAB处理后的细胞活力,以相对于未处理细胞的比值表示。左,白色柱表示基于Bliss独立假设预测的细胞活力,黑色柱表示实际观察到的细胞活力。数据以相对于未处理条件的变化倍数表示,为五次独立实验的均数±标准差。右,Bliss偏差,计算方式为观察值减去预测值。数据以箱线图表示,其中横线表示中位数,箱体表示四分位间距(第25–75百分位),须表示第5–95百分位。统计学显著性采用Mann-Whitney U检验判定(E和H)。

C,使用KEGG数据库对图6A和6B中所示的133个基因进行通路富集分析。D,通过RNA测序测定六株GIS-NEC细胞系中LEF1 mRNA的表达水平。E,A99细胞经普来格司替治疗后(±10 μmol/L IWP2)的存活率。左图,数据代表三次独立实验的平均值±标准差,每次实验包含六个重复孔;右图,IC50值表示为三次独立实验的平均值±标准差。F,通过定量RT-PCR测定A99细胞经(±10 μmol/L IWP2)处理48小时后指定基因的表达水平,并以GAPDH进行标准化。数据表示为相对于未处理条件的折叠变化值(FC),代表三次独立实验的平均值±标准差。G,A99细胞分别经50 nmol/L普来格司替(24小时)、10 μmol/L IWP2(48小时)或两者联用处理。裂解液通过免疫印迹检测指定抗体。上图,HSP90作为上样对照。使用ImageJ对pRPA32(中图)和γH2AX(下图)的条带强度进行定量,以HSP90标准化,以任意单位(AU)表示,为三次独立实验相对于未处理细胞的平均值±标准差。H,普来格司替联合MSAB处理后细胞存活率,相对于未处理细胞表示。左图,白色柱表示在Bliss独立假设下预测的细胞存活率,黑色柱表示观察到的细胞存活率。数据表示为相对于未处理条件的折叠变化值(FC),代表五次独立实验的平均值±标准差。右图,Bliss偏差值,计算为观察值减去预测的细胞存活率。数据以箱线图和须线图表示,其中水平线表示中位数,箱体代表四分位距(第25至75百分位),须线表示第5至95百分位。统计学显著性使用Mann-Whitney U检验判定(E和H)。关闭图7。

为评估功能相关性,我们使用IWP2抑制WNT信号通路,该抑制剂在A99细胞中抑制了AXIN2表达,但在APC突变的ECC10细胞中则无此效果,表明后者存在该通路的组成性激活(补充图S6C)。因此,我们后续的聚焦分析集中在A99细胞上。IWP2使A99细胞中普来格司替的IC50降低约40%(151.3–89.1 nmol/L;图7E)。从机制上看,WNT抑制降低了MYC表达,并抑制了参与DNA复制和检查点控制的E2F靶基因——包括CDC6、CLSPN、RRM2、CCNA2和CHEK1——尽管E2F1水平未见明显变化。其中,CDC6的降低幅度最大,提示复制起点授权受损,该过程为随后的DNA合成准备复制起点,对DNA复制的正确启动至关重要(图7F)。MDM2表达也有适度下降,支持MYC–E2F依赖性转录程序的抑制(图7F)。IWP2与低剂量普来格司替(50 nmol/L)联合处理进一步增加了γH2AX和pRPA32水平,表明复制应激和DNA损伤增强(图7G),并且比单独任一处理更强烈地抑制了CDC6表达(补充图S6D)。接下来,我们使用甲氧基3-{[(4-甲基苯基)磺酰]氨基}苯甲酸(MSAB)进一步评估药理学抑制WNT–β-catenin信号通路是否影响A99和ECC10细胞对普来格司替的敏感性。MSAB在两种细胞系中均抑制了MYC表达,确认了其对WNT–β-catenin信号通路下游靶点的预期效果(补充图S6E)。MSAB在A99和ECC10细胞中的IC50值分别为3.2和0.9 μmol/L(补充图S6F)。在两种细胞系中,MSAB处理均降低了普来格司替的IC50值(与未使用MSAB时相比,基于从独立实验中获得的数值,A99细胞中为43.7 vs. 182.5 nmol/L,ECC10细胞中为121.3 vs. 216.5 nmol/L;图5E;补充图S6G)。我们进一步使用Bliss独立性分析评估了普来格司替和MSAB的联合效应。在两种细胞系中,在所测试的联合条件下,观察到的细胞存活率显著低于Bliss预测的存活率(A99细胞中普来格司替10 nmol/L联合MSAB 0.5或1 μmol/L;P = 0.012;ECC10细胞中普来格司替100 nmol/L联合MSAB 0.5 μmol/L;P = 0.037;图7H)。Bliss偏差值(观察存活率 ? Bliss预测存活率)在A99细胞经普来格司替10 nmol/L和MSAB 1 μmol/L处理后为?0.22(范围,?0.30至?0.17),在ECC10细胞经普来格司替100 nmol/L和MSAB 0.5 μmol/L处理后为?0.10(范围,?0.17至?0.05)(图7H)。这些结果表明,药理学抑制WNT–β-catenin信号通路可增强普来格司替敏感性,并支持在所测试条件下,CHK1与WNT–β-catenin通路抑制之间存在协同作用,且该协同作用在两种普来格司替耐药细胞系中均存在。WNT抑制可能通过抑制MYC–E2F驱动的转录程序促进复制受损状态,从而增加对CHK1介导的检查点控制的依赖性,增强对CHK1抑制的敏感性。

胰腺NEC中LRP8表达及其临床相关性

由于WNT抑制增强了胰腺NEC细胞系A99对CHK1抑制的敏感性,我们接下来检测了胰腺NEC中与WNT信号通路相关基因的表达。CHEK1高表达与CHEK1低表达病例的对比显示,在CHEK1高表达病例中多个WNT相关基因显著上调,包括LRP4、LRP8和FZD8(图8A;补充图S7A)。RNA测序分析表明LRP4和LRP8在A99细胞中高表达,而FZD8则不然(补充图S7B)。在11株胰腺肿瘤细胞系中,LRP4和LRP8表达在A99细胞中富集,而FZD8表达则分布更广泛(图8B;补充图S7C)。已有报道LRP8作为WNT信号通路的正调控因子,LRP4则作为负调控因子(51, 52)。我们接下来评估了它们在胰腺NEC中的临床相关性。LRP8高表达与更差的生存率显著相关(P = 0.007),而LRP4表达则无此关联(补充图S7D)。此外,CHEK1和LRP8同时高表达的患者生存率比其他组更差(P = 0.04;图8C),提示LRP8相关信号可能与胰腺NEC中更具侵袭性的表型以及对CHK1信号增强依赖性的关联有关。在我们的队列中,12例胰腺NEC中有3例鉴定出APC或CTNNB1的激活突变,其中2例属于CHEK1低表达组,这使得仅基于AXIN2表达对经典WNT信号通路活性的解读变得复杂(补充表S7)。因此,目前很难评估LRP8表达在临床标本中对WNT通路激活的贡献程度。

图8。查看大图 下载幻灯片
胰腺NEC(Panc-NET)中LRP8表达及其与CHEK1和临床侵袭性的关联。A,胰腺NET病例与胰腺NEC病例中CHEK1低表达和CHEK1高表达组之间LRP8 mRNA表达的比较。B,通过定量RT-PCR测定11株胰腺肿瘤细胞系中LRP8 mRNA的表达水平,并以GAPDH进行标准化。结果以相对于A99细胞的折叠变化值(FC)表示,为三次独立实验的平均值±标准差。C,胰腺NEC病例中,CHEK1和LRP8双高表达组与其他组的总生存期(OS)比较。D,通过qPCR测量LRP8表达水平,以ACTB标准化,以相对于校正正常胰腺的折叠变化值(FC)表示。肿瘤区域按图3C分为A–J组。E,通过qPCR测量LRP8表达水平,以ACTB标准化,比较原发灶和肝转移灶。F,通过qPCR测量MKI67表达水平,以ACTB标准化,以相对于校正正常胰腺的折叠变化值(FC)表示,按CHEK1和LRP8表达水平分层。G,信号通路示意图:(a)基线WNT高活性状态,(b)WNT抑制,(c)WNT与CHK1联合抑制。结果以箱线图和须线图表示,其中中位数用线表示,箱体代表第25至75百分位,须线表示第5至95百分位(A、D和E)。不同区域间的差异通过单因素ANOVA评估(注明P值和效应量),组内变异通过线性混合效应模型以CV和ICC量化(D)。P值使用Kruskal-Wallis(A)和Mann-Whitney U检验(E)计算。C部分使用对数秩检验进行统计分析。

图8。查看大图 下载幻灯片
胰腺NEC(Panc-NET)中LRP8表达及其与CHEK1和临床侵袭性的关联。A,胰腺NET病例与胰腺NEC病例中CHEK1低表达和CHEK1高表达组之间LRP8 mRNA表达的比较。B,通过定量RT-PCR测定11株胰腺肿瘤细胞系中LRP8 mRNA的表达水平,并以GAPDH进行标准化。结果以相对于A99细胞的折叠变化值(FC)表示,为三次独立实验的平均值±标准差。C,胰腺NEC病例中,CHEK1和LRP8双高表达组与其他组的总生存期(OS)比较。D,通过qPCR测量LRP8表达水平,以ACTB标准化,以相对于校正正常胰腺的折叠变化值(FC)表示。肿瘤区域按图3C分为A–J组。E,通过qPCR测量LRP8表达水平,以ACTB标准化,比较原发灶和肝转移灶。F,通过qPCR测量MKI67表达水平,以ACTB标准化,以相对于校正正常胰腺的折叠变化值(FC)表示,按CHEK1和LRP8表达水平分层。G,信号通路示意图:(a)基线WNT高活性状态,(b)WNT抑制,(c)WNT与CHK1联合抑制。结果以箱线图和须线图表示,其中中位数用线表示,箱体代表第25至75百分位,须线表示第5至95百分位(A、D和E)。不同区域间的差异通过单因素ANOVA评估(注明P值和效应量),组内变异通过线性混合效应模型以CV和ICC量化(D)。P值使用Kruskal-Wallis(A)和Mann-Whitney U检验(E)计算。C部分使用对数秩检验进行统计分析。

关闭图8。与CHEK1类似,LRP8表达在TPM和qPCR测量之间表现出高度一致性(r = 0.95;P < 0.0001;补充图S7E)。我们接下来评估了单个病例(NE004)中多个肿瘤区域的LRP8表达,该病例在本研究中被定义为CHEK1和LRP8双高表达病例。所有区域均显示出比六例LRP8低表达病例更高的LRP8表达(补充图S7F)。与CHEK1一样,LRP8表现出组间变异大于组内变异(P = 0.001;η2 = 0.80;ICC = 0.72;图8D),表明其表达异质性可能部分反映了谱系组间的差异。然而,在谱系组水平上的更细致检查揭示了LRP8与CHEK1不同的表达模式,一些组(如C组,以CHEK1低表达为特征)表现出LRP8高表达,而其他组(如H组,CHEK1高表达)则不然(图4D和图8D)。值得注意的是,C组的两个病灶均对应于转移灶,提示这种独特的表达模式可能受转移背景的影响。与此观察一致的是,转移灶中的LRP8表达显著高于原发瘤(图8E)。CHEK1、CDC6或CLSPN则未观察到这种模式(图4A;补充图S3A)。尽管存在这种分歧,CHEK1表达最高的10个区域中有5个与LRP8表达最高的区域重叠,表明存在部分空间共定位(补充图S7F)。这些双高表达区域的MKI67表达显著高于两种基因均低表达或仅一种基因高表达的区域(图8F)。

讨论

在本研究中,我们鉴定出CHEK1作为GIS-NEC中的一个有前景的治疗靶点。以低纳摩尔浓度(≤50 nmol/L)药理学抑制CHK1损害了多种GIS-NEC细胞系的存活能力。这些结果表明在部分GIS-NEC模型中存在对CHK1介导的检查点信号的功能依赖性,与在TP53突变恶性肿瘤(如HGSOC)中报道的CHK1抑制剂的临床活性一致(21, 22)。然而,尽管具有相似的基因组特征,CHK1抑制剂在小细胞肺癌(SCLC)中的疗效有限(20)。这种差异表明,仅凭TP53状态不足以决定检查点依赖性。先前的研究表明CHK1依赖性在不同组织背景中存在差异(53)。我们的发现同样表明在GIS-NEC内存在CHEK1相关生物学的器官特异性异质性。尽管TP53突变在GIS-NEC中频繁出现,但对CHK1抑制的敏感性在不同细胞系间存在差异。此外,CHEK1表达在整体GIS-NEC队列或胃NEC中不具有预后价值,而在胰腺NEC中则与不良预后显著相关。在胰腺NEC中,CHEK1表达与经典复制应激调节因子CDC6和CLSPN显著相关。

这些基因在CHEK1高表达肿瘤中呈协调性上调,提示复制应激程序的激活。相比之下,在胃癌神经内分泌癌中未观察到这种协调性基因表达。这些发现表明,CHK1依赖性可能由器官特异性生物学背景所塑造,可能反映了复制应激程序之间的差异,而不仅仅取决于TP53突变状态。我们的数据进一步表明,特定信号通路会影响CHK1依赖性。筛选分析鉴定出WNT信号通路作为与CHK1抑制耐药相关的候选通路。值得注意的是,胰腺神经内分泌癌细胞株A99尽管存在复制应激激活的证据,但对CHK1抑制的敏感性有限。这一结果表明,CHK1依赖性可被代偿性信号通路(如WNT–β-catenin驱动的MYC激活)所调节。尽管CHK1与WNT信号之间的直接调控关系尚未完全阐明,但越来越多的证据支持WNT信号与复制应激通路之间存在功能性相互作用。WNT–β-catenin信号激活MYC依赖性转录程序,而MYC已被证实可促进复制起始位点起始和复制应激。这些观察结果表明WNT–MYC信号可能增加对CHK1介导的检查点通路的依赖,并以背景依赖性方式调节CHK1依赖性。WNT抑制降低了MYC表达并减少了参与DNA复制和检查点控制的E2F靶基因表达,其中CDC6受影响最为显著,提示起始位点授权受损。联合抑制WNT和CHK1进一步加剧了复制应激,表现为γH2AX和pRPA32水平升高,并产生了协同抗肿瘤效应。综合而言,这些结果表明WNT信号通路有助于对CHK1抑制产生耐药性,而阻断WNT信号可揭示CHK1依赖性。这些发现为在胃肠道神经内分泌癌中联合靶向WNT和CHK1提供了理论依据。上述概念已在图8G所示模型中进行总结。在基线状态下,高WNT活性维持MYC驱动的转录程序,支持复制进程推进。WNT抑制降低了E2F输出和复制基因表达,损害起始位点授权。在这些条件下,CHK1抑制引发复制叉崩塌和细胞死亡,而联合WNT阻断进一步放大了这一效应。我们还在CHEK1高表达的胰腺神经内分泌癌中鉴定出LRP8,这是一种与WNT相关的受体,呈现优先上调。既往研究已指出LRP8参与WNT相关信号以及细胞迁移和黏附,支持其在肿瘤进展中的作用。与这些报道一致,转移灶中LRP8表达显著高于原发肿瘤。此外,原发肿瘤显示广泛的LRP8表达范围,部分区域表达水平与转移灶相当。这些区域与CHEK1高表达区域部分重叠。每种前10位区域中重叠的所有五个区域均来自原发肿瘤。这种部分重叠提示LRP8相关程序与CHEK1介导的复制应激信号之间存在潜在相互作用。这些重叠区域相较于其他区域显示出显著更高的MKI67表达。此外,CHEK1和LRP8同时高表达的患者预后显著差于其他患者,包括低表达或单一高表达的患者。这些发现提示LRP8可能不仅通过促进转移,还可能通过与复制应激信号通路的相互作用贡献于肿瘤进展。本研究存在若干局限性。相对较小的队列规模使得无法直接比较CHEK1和LRP8同时高表达的患者与单一基因高表达的患者,从而限制了评估所观察到的预后效应是否特异于双基因同时高表达的能力。此外,LRP8的功能作用及其与WNT信号的机制性关系未得到直接研究,因此仍有待阐明。另外,缺乏体内验证来证明WNT通路抑制可克服prexasertib耐药性是一个重要局限。尽管我们的体外发现支持WNT信号激活与CHK1抑制耐药性之间的功能联系,但在缺乏体内证据的情况下,所提出的模型仍属假设性。未来利用异种移植瘤或患者来源肿瘤模型的研究将需要确定WNT通路阻断能否在体内恢复对prexasertib的敏感性。空间表达分析也可能受肿瘤细胞密度的区域差异影响。然而,CHEK1、CDC6和CLSPN在高肿瘤含量的远处转移灶中并未上调,提示肿瘤纯度不太可能是所观察到表达异质性的主要驱动因素,这些发现很可能反映了潜在的生物学变异。由于谱系组别分配仅适用于我们先前研究中分析的多区域胰腺神经内分泌癌病例,因此无法在其余病例中进行可比的基于系统发育的分析。因此,需要在更多多区域胰腺神经内分泌癌病例中进行验证,以确定这些发现的可推广性。最后,我们胰腺神经内分泌癌队列的年龄分布与一项基于大型SEER的研究报道相当,且队列包含亚洲和白人患者。尽管如此,有限的样本量仍需要在具有更广泛人口统计和临床多样性的大型独立队列中对我们的发现进行验证。我们的发现界定了CHEK1作为胃肠道神经内分泌癌中一种背景依赖性的治疗靶点,并确立了WNT–MYC–CHK1轴作为一个机制上相关联且具有治疗可操作性的脆弱点,在胰腺神经内分泌癌中尤为显著。这些结果为联合靶向CHK1和WNT–MYC信号通路的联合策略提供了理论依据,并强调了谱系特异性调控网络在塑造治疗反应中的重要性。

数据可用性

本研究的所有原始数据可通过通讯作者获取。

作者披露

S. Yachida在研究过程中获得了来自日本医学研究与开发机构、大阪大学医学科学综合前沿研究部门、开放与跨学科研究倡议研究所、武田科学基金会、安田医学基金会、三菱基金会、Project Mirai癌症研究资助、日本文部科学省以及日本胰腺研究基金会的资助。其他作者未报告任何披露事项。

作者贡献

H. Kimura:概念设计、形式分析、监督、验证、可视化、方法学、撰写初稿、项目管理、修订与编辑。Y. Sato:概念设计、资源获取、数据整理、形式分析、验证、撰写初稿。S. Yachida:概念设计、资源获取、经费筹集、调查研究、项目管理、修订与编辑。

致谢

我们衷心感谢菊地明博士慷慨提供细胞株。我们感谢堀江正文博士和铃木美知博士分别在RNA-seq数据分析和小干扰RNA实验方面的协助。此外,我们感谢中谷洋一郎博士和高田壮博士提出的宝贵建议和富有洞察力的意见。我们感谢所有参与本研究的患者及其家属。本研究获得了以下资助:日本医学研究与开发机构资助(JP17ck0106274、JP20ck0106546、JP24ama221419、JP24ck0106808、JPgm2010009、JP26jf0126022和JP25ck0106065);大阪大学医学科学综合前沿研究部门(资助S. Yachida);武田科学基金会(资助S. Yachida);安田医学基金会(资助S. Yachida);三菱基金会(资助S. Yachida);Project Mirai癌症研究资助(资助S. Yachida);高松妃殿下癌症研究基金(资助S. Yachida);日本文部科学省科学研究资助(C类)(项目编号25K11172,资助H. Kimura);以及日本胰腺研究基金会(资助H. Kimura)。

注:本文章的补充数据可在《癌症研究通讯》在线版获取(https://aacrjournals.org/cancerrescommun/)。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号