大家好，今天给大家解读一篇题为Hypoxia induced respo nses are reflected in the stromal prot eome of breast cancer（缺氧诱导的反应反映在癌症基质蛋白质组中）氧利用率降低是一种促进癌症进展的肿瘤微环境(TME)状况1。
01
研究背景
癌症通常与缺氧和代谢重编程有关，导致肿瘤进展加快。在这里，我们旨在研究乳腺癌缺氧反应，重点关注缺氧前后低级别（管腔样）和高级别（基底样）细胞系的分泌蛋白。我们检查了来自分泌组分析的蛋白质组学数据与激光显微解剖的人乳腺癌基质之间的重叠，并确定了基于33种蛋白质基质的缺氧曲线（33P），该谱捕获了管腔样和基底样肿瘤之间的差异。33P 特征与缺氧后的代谢差异和其他适应有关。我们观察到 33P 的 mRNA 值独立于分子亚型和基本预后因素预测患者生存率，在低级别管腔样肿瘤中也是如此。我们发现 33P 与放射治疗之间存在显着的预后相互作用。
见图一
实验室和数据分析的研究示意图。
图一
方法 乳腺癌细胞系（BCCL）条件培养基（a）和福尔马林固定石蜡包埋（FFPE）肿瘤样品（b）蛋白质组学实验的工作流程。从缺氧 BCCL 分泌组实验中，150 种蛋白质显示出缺氧分泌增加 （Hx）。从显微解剖的 FFPE 材料中，283 种蛋白质仅在基质区室（基底样 （BL） 与管腔样 （LL） 亚型）中表现出亚型差异。33 种蛋白质缺氧基质特征 （33P） 由 150 种缺氧增加蛋白（BCCL 分泌组实验）和 283 种显示基质排他性亚型差异的蛋白质（显微解剖乳腺癌患者材料）之间的重叠蛋白产生 （c）。通过生物信息学分析和实验验证（d）验证了缺氧反应蛋白和33P特征。采用生物信息学分析（基因本体分析（GO）、基因集富集分析（GSEA）、独创性通路分析（IPA）、Cytoscape网络生物学分析）对缺氧反应蛋白进行研究。通过生物信息学（GSEA、连接图分析（CMAP）、Cibersort、基于搜索的表达纲要探索（SEEK））探索33P特征，并通过外部临床验证（METABRIC-Discovery，n = 852; KMplotter 合并队列）用于生存分析和排列测试，以及扩展细胞系验证 （BCCL;LL n = 6，BL n = 6）。33P：33 蛋白缺氧基质特征。BCCL乳腺癌细胞系。BL基底样乳腺癌亚型。CMAP连通性图分析。ELISA酶联免疫吸附试验。FFPE福尔马林固定石蜡包埋组织。GO基因本体分析。GSEA基因集富集分析。病史缺氧。IHC 免疫组化。LL 管腔样乳腺癌亚型。MS质谱。Nx 常氧。SEEK基于搜索的表达纲要探索。
见图二
乳腺癌细胞分泌组中氧条件和亚型之间分泌蛋白的分布。
图二
在常氧 （a） 和缺氧 （b） 条件下，以及管腔样 （c） 和基底样细胞系 （d） 的常氧和缺氧条件下分泌蛋白的相对分布。彩色圆圈代表比较之间显着差异分泌的蛋白质（双侧学生 t 检验，p < 2.2）。源数据以源数据文件的形式提供。
见图三
缺氧反应蛋白的相互作用网络。
图三
150 种缺氧上调蛋白的蛋白质-蛋白质关联网络 （PPI 富集 p 值 < 1.0 × 10−16).蓝色节点代表管腔样缺氧反应蛋白，红色节点代表基础样缺氧反应蛋白。淋巴结的颜色强度代表每个亚型（管腔样细胞系，n = 2;基底样细胞系，n = 2）中与常氧 条件相比的倍数变化 （Log2）。带有黑色边框的节点表示两种亚型中因缺氧而分泌增加的蛋白质，其中颜色代表倍数变化最大的亚型。节点大小表示连接数（度），节点大小越大表示连接数越多。该网络包含三个高度互连蛋白的亚簇 （MCODE 1.4.2），具有 TCA 循环、糖酵解和细胞氧化还原稳态的过度代表性，由 10、15 和 7 个蛋白质组成，分别具有 36、52 和 12 个连接，连接每个亚簇内的节点。
见图四
比较管腔样和基底样乳腺癌细胞系中的缺氧和常氧分泌组。
图四
分泌组数据的基因集富集分析使用双侧 t 检验从缺氧增加（蓝色）到缺氧减少（绿色）对管腔样 （a， c， e， g） 和基底样 （b， d， f， h） 细胞系进行排名。 选定的分析显示 KEGG 通路糖酵解、TCA 循环、氧化磷酸化和血管生成 （GOID 1525） 在管腔样缺氧分泌组中显着富集。基础样缺氧分泌组在任一基因集中均未富集。在常氧 （i） 和缺氧 （j） 条件下，将分泌组数据从基底样（红色）到管腔样（蓝色）进行排序，显示两种氧气条件下基础样亚型的血管生成蛋白富集。P值未针对多重测试进行调整。GSEA基因集富集分析。RES 运行扩充分数。KEGG京都基因和基因组百科全书。GO基因本体分析。
见图五
按 33P 缺氧基质特征评分的乳腺癌患者的生存图（METABRIC-Discovery 队列）。
图五
Kaplan-Meier 在 METABRIC-Discovery 队列中被诊断为管腔样和基底样乳腺癌 （n = 852） （a）、仅管腔样亚型 （n = 734） （b） 和仅基底样亚型 （n = 118） （c） 的患者的乳腺癌特异性生存期。根据 33P 特征评分将患者分为四分位数（33P 低，Q1 为蓝色;33P 高，Q4 为红色）。这些图显示，对于被诊断为管腔样和基底样乳腺癌的患者，高 33P 评分 （Q4） 与生存率低之间存在显着关联。组间生存差异采用双侧对数秩检验进行评估。
见图六
33P 特征与放疗之间的相互作用（METABRIC-Discovery 队列）。
图六
METABRIC-Discovery 队列患者乳腺癌特异性生存期的单变量生存分析（Kaplan-Meier 方法）。患者被分为四个 33P 评分四分位数（33P 低，Q1 为蓝色;33P 高，Q4 为红色）。左图（a，b）包括所有患者（管腔样和基底样; n = 852）;右图仅包括管腔 A 患者 （n = 466） （c， d）。将患者分为未接受放疗（a，c）或接受放疗（b，d）的患者。 组间生存差异采用双侧对数秩检验进行评估。
02
研究结论
综上所述，我们在蛋白质组学水平上的发现表明，人类乳腺癌的缺氧分析揭示了代谢和其他适应性变化的不同反应，并且肿瘤亚组之间存在差异。重要的是，应进一步探索 33P 与放疗的关系。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。
01
研究背景
癌症通常与缺氧和代谢重编程有关，导致肿瘤进展加快。在这里，我们旨在研究乳腺癌缺氧反应，重点关注缺氧前后低级别（管腔样）和高级别（基底样）细胞系的分泌蛋白。我们检查了来自分泌组分析的蛋白质组学数据与激光显微解剖的人乳腺癌基质之间的重叠，并确定了基于33种蛋白质基质的缺氧曲线（33P），该谱捕获了管腔样和基底样肿瘤之间的差异。33P 特征与缺氧后的代谢差异和其他适应有关。我们观察到 33P 的 mRNA 值独立于分子亚型和基本预后因素预测患者生存率，在低级别管腔样肿瘤中也是如此。我们发现 33P 与放射治疗之间存在显着的预后相互作用。
见图一
实验室和数据分析的研究示意图。
图一
方法 乳腺癌细胞系（BCCL）条件培养基（a）和福尔马林固定石蜡包埋（FFPE）肿瘤样品（b）蛋白质组学实验的工作流程。从缺氧 BCCL 分泌组实验中，150 种蛋白质显示出缺氧分泌增加 （Hx）。从显微解剖的 FFPE 材料中，283 种蛋白质仅在基质区室（基底样 （BL） 与管腔样 （LL） 亚型）中表现出亚型差异。33 种蛋白质缺氧基质特征 （33P） 由 150 种缺氧增加蛋白（BCCL 分泌组实验）和 283 种显示基质排他性亚型差异的蛋白质（显微解剖乳腺癌患者材料）之间的重叠蛋白产生 （c）。通过生物信息学分析和实验验证（d）验证了缺氧反应蛋白和33P特征。采用生物信息学分析（基因本体分析（GO）、基因集富集分析（GSEA）、独创性通路分析（IPA）、Cytoscape网络生物学分析）对缺氧反应蛋白进行研究。通过生物信息学（GSEA、连接图分析（CMAP）、Cibersort、基于搜索的表达纲要探索（SEEK））探索33P特征，并通过外部临床验证（METABRIC-Discovery，n = 852; KMplotter 合并队列）用于生存分析和排列测试，以及扩展细胞系验证 （BCCL;LL n = 6，BL n = 6）。33P：33 蛋白缺氧基质特征。BCCL乳腺癌细胞系。BL基底样乳腺癌亚型。CMAP连通性图分析。ELISA酶联免疫吸附试验。FFPE福尔马林固定石蜡包埋组织。GO基因本体分析。GSEA基因集富集分析。病史缺氧。IHC 免疫组化。LL 管腔样乳腺癌亚型。MS质谱。Nx 常氧。SEEK基于搜索的表达纲要探索。
见图二
乳腺癌细胞分泌组中氧条件和亚型之间分泌蛋白的分布。
图二
在常氧 （a） 和缺氧 （b） 条件下，以及管腔样 （c） 和基底样细胞系 （d） 的常氧和缺氧条件下分泌蛋白的相对分布。彩色圆圈代表比较之间显着差异分泌的蛋白质（双侧学生 t 检验，p < 2.2）。源数据以源数据文件的形式提供。
见图三
缺氧反应蛋白的相互作用网络。
图三
150 种缺氧上调蛋白的蛋白质-蛋白质关联网络 （PPI 富集 p 值 < 1.0 × 10−16).蓝色节点代表管腔样缺氧反应蛋白，红色节点代表基础样缺氧反应蛋白。淋巴结的颜色强度代表每个亚型（管腔样细胞系，n = 2;基底样细胞系，n = 2）中与常氧 条件相比的倍数变化 （Log2）。带有黑色边框的节点表示两种亚型中因缺氧而分泌增加的蛋白质，其中颜色代表倍数变化最大的亚型。节点大小表示连接数（度），节点大小越大表示连接数越多。该网络包含三个高度互连蛋白的亚簇 （MCODE 1.4.2），具有 TCA 循环、糖酵解和细胞氧化还原稳态的过度代表性，由 10、15 和 7 个蛋白质组成，分别具有 36、52 和 12 个连接，连接每个亚簇内的节点。
见图四
比较管腔样和基底样乳腺癌细胞系中的缺氧和常氧分泌组。
图四
分泌组数据的基因集富集分析使用双侧 t 检验从缺氧增加（蓝色）到缺氧减少（绿色）对管腔样 （a， c， e， g） 和基底样 （b， d， f， h） 细胞系进行排名。 选定的分析显示 KEGG 通路糖酵解、TCA 循环、氧化磷酸化和血管生成 （GOID 1525） 在管腔样缺氧分泌组中显着富集。基础样缺氧分泌组在任一基因集中均未富集。在常氧 （i） 和缺氧 （j） 条件下，将分泌组数据从基底样（红色）到管腔样（蓝色）进行排序，显示两种氧气条件下基础样亚型的血管生成蛋白富集。P值未针对多重测试进行调整。GSEA基因集富集分析。RES 运行扩充分数。KEGG京都基因和基因组百科全书。GO基因本体分析。
见图五
按 33P 缺氧基质特征评分的乳腺癌患者的生存图（METABRIC-Discovery 队列）。
图五
Kaplan-Meier 在 METABRIC-Discovery 队列中被诊断为管腔样和基底样乳腺癌 （n = 852） （a）、仅管腔样亚型 （n = 734） （b） 和仅基底样亚型 （n = 118） （c） 的患者的乳腺癌特异性生存期。根据 33P 特征评分将患者分为四分位数（33P 低，Q1 为蓝色;33P 高，Q4 为红色）。这些图显示，对于被诊断为管腔样和基底样乳腺癌的患者，高 33P 评分 （Q4） 与生存率低之间存在显着关联。组间生存差异采用双侧对数秩检验进行评估。
见图六
33P 特征与放疗之间的相互作用（METABRIC-Discovery 队列）。
图六
METABRIC-Discovery 队列患者乳腺癌特异性生存期的单变量生存分析（Kaplan-Meier 方法）。患者被分为四个 33P 评分四分位数（33P 低，Q1 为蓝色;33P 高，Q4 为红色）。左图（a，b）包括所有患者（管腔样和基底样; n = 852）;右图仅包括管腔 A 患者 （n = 466） （c， d）。将患者分为未接受放疗（a，c）或接受放疗（b，d）的患者。 组间生存差异采用双侧对数秩检验进行评估。
02
研究结论
综上所述，我们在蛋白质组学水平上的发现表明，人类乳腺癌的缺氧分析揭示了代谢和其他适应性变化的不同反应，并且肿瘤亚组之间存在差异。重要的是，应进一步探索 33P 与放疗的关系。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。
