撰文：榴莲不酥
IF=47.728
推荐度：⭐⭐⭐⭐⭐
亮点：
1. 使用概括转移性前列腺癌异质性的类器官、PDX和细胞系的多种生物库，创建了去势抵抗性前列腺癌（CRPC）的染色质可及性和转录组景观图。
2. 展示了如何使用转录组将CRPC 患者分层为四种亚型，从而可能为适当的临床决策提供信息。
2022年5月27日，在Science杂志上发表了一篇名为“Chromatin profiles classify castration-resistant prostate cancers suggesting therapeutic targets”的文章，验证了AP-1与YAP/TAZ和TEAD蛋白之间的相互作用，以维持亚型特异性染色质的可及性和转录组景观。这种分子分类共同揭示了药物靶标，并可以潜在地指导治疗决策。
未经处理的前列腺癌依赖于雄激素受体（AR）信号传导生长和生存，为雄激素剥夺治疗（ADT）的初始功效构成了基础。然而，该疾病可以复发并发展为致命的阶段，称为CRPC。AR信号的重新激活代表了CRPC生长的最常见驱动力，而下一代AR信号抑制剂（ARSI）现在与ADT一起用作一线治疗。但是，ARSIS也会导致选择性压力，从而产生非AR依赖性肿瘤。CRPC中的机理研究受到概括疾病谱系的遗传定义的患者衍生模型的限制。为了解决这个问题，研究团队开发了由患者活检产生的类器官的生物组，以研究转移性CRPC的景观并允许进行功能验证测定法。
染色质可及性景观揭示了转移性前列腺癌的四个分子亚型
研究团队对35个转移性前列腺癌模型进行了ATAC-SEQ（转座酶可访问染色质测序的测定）测定法，包括22种患者衍生的类器官，6个患者衍生的异种移植物（PDX）和7个细胞系（每种生物学重复）。总体而言，研究团队确定了861,195个可再现峰。大多数ATAC-SEQ峰映射到远端基因间和内含子区域，类似于其他组的报告。使用其他方法获得了相同的四组，例如分层聚类和UMAP（均匀的歧管近似和投影）。为了进一步的生物学表征，研究团队将ATAC-SEQ数据与RNA-Seq和DNA测序数据集成在一起。图1：将转移性前列腺癌分类为染色质可及性的四个分子亚型
在四个CRPC亚型中的基因组表征和肿瘤抑制子的丧失
接下来，研究团队使用UMAP分析了40个样品的转录组，发现簇与使用ATAC-SEQ识别的亚型一致。基因集富集分析（GSEA）和选择性标记基因表达用于命名四个亚型，（i）CRPC-AR；（ii）CRPC-WNT；（iii）CRPC-NE；（iv）CRPC-SCL。
CRPC-AR中的样品富含AR扩增和/或AR突变。在CRPC-WNT中，所有四个样品均显示Wnt信号通路的改变。三个CRPC-WNT样品在CTNNB1（β-catenin）中显示了热点突变。肿瘤抑制剂TP53、PTEN和RB1的丧失与CRPC中的谱系可塑性和攻击性疾病有关。研究发现TP53是最常见的突变基因， RB1和PTEN分别在20％和43％的样品中具有双重变化。总体而言，与CRPC-AR相比，结果发现Ar-Con/Low样品中RB1损失的富集；CRPC-AR和其他人之间的PTEN和TP53改变没有统计差异。 AR非依赖性CRPC的预后较差，因此这些结果与最近的研究一致，表明RB1改变，而不是TP53和PTEN改变与CRPC中较短的生存有关。这进一步凸显了转录组和表观遗传分析在定义CRPC亚型中的重要性。图2：由ATAC-SEQ定义的四个CRPC亚型的转录组和基因组表征
监管网络的构建和关键TFS的识别
为了识别驱动亚型特异性转录组的关键TF，研究团队首先鉴定了针对给定样品中大量基因的调节网络中的集线器。通过集成ATAC-SEQ和RNA-SEQ数据构建了调节网络，并基于ATAC-SEQ峰处的染色质访问性与±0.5 MB内基因表达之间的相关性构建了峰值链接。为了发现可访问区域中的TF-DNA结合位点，他们使用了一种称为Hint-ATAC的足迹方法和一个由CIS-BPS的809 TF的序列结合基序的集合集合。通过结合峰值基因和TF-peak链接，构建了TF基因链接并生成了样品特异性的调节网络。
接下来，研究团队将每个亚型的关键TFS鉴定为基因调节层次结构顶部的密钥。每个TF根据三个指标的组合进行排名：（i）其微分出度O_diff，（ii）其主题A_DIFF的差异染色质可访问性和（iii）的差异基因表达E_DIFF在给定的亚型相对于其他亚型。他们根据三个指标独立地将排名分配给TFS，并将三个等级加起来以获得最终的TF_RANK。图3：识别每个亚型的关键转录因子（TFS）
使用四个亚型的转录组特征对CRPC患者进行分类
接下来，研究团队检查了来自366名CRPC患者的RNA-SEQ数据集，以将每个患者分配给四个亚型。基因组改变，标记基因表达和病理分析提供了患者分类的验证。与其他组相比，CRPC-AR患者显示出AR扩增的富集，并且具有更高的AR表达和AR评分。与其他人相比，CRPC-NE患者的SYP表达和NE评分更高。该类别中的大多数患者也被诊断为基于组织学分析的小细胞、NEPC或腺癌具有NE特征的小细胞。在 266 名 SU2C 患者中，56 名拥有下一代 ARSI 恩杂鲁胺和醋酸阿比特龙的治疗时间数据。他们发现，被归类为CRPC-SCL的患者使用COX Log-Rank统计数据在ARSI治疗上表现出较短的时间，表明ARSI治疗对CRPC-SCL患者的有效性较低。分类为CRPC-SCL的患者比例是联合SU2C和WCM队列中的第二大。因此，他们进一步探索了该亚型中的样品。并专注于MSKPCA3，一种AR-LOW类器官和DU145，即AR-Cell系，作为用于实验验证的CRPC-SCL模型。图4：使用四个亚型的转录组特征对CRPC患者进行分类
为了进一步研究AP-1对CRPC-SCL样品的调节，他们研究了从染色质可及性概况中鉴定出的其他顶级TF。从ATAC-SEQ数据和已发表的文献中，他们假设YAP、TAZ、TEAD和AP-1（FOSL1）可以共同起作用以促进CRPC-SCL肿瘤的致癌生长。为了验证AP-1（FOSL1），TEAD，YAP和TAZ的共同结合，他们在MSKPCA3和DU145中进行了ChIP-Seq。结果发现，在MSKPCA3和DU145中，这些蛋白质的芯片序列之间的重叠显着富集，指向它们的结合。所有这四种蛋白质的ChIP-Seq峰都表现出与CRPC-SCL ATAC-SEQ峰的大重叠，但几乎没有CRPC-AR峰。相应地，他们还观察到相对于其他三个亚型的CRPC-SCL特异性ATAC-SEQ峰上的ChIP-Seq信号强烈富集。作为阴性对照，与CRPC-SCL相比，它们在CRPC-AR峰上显示出更大的重叠和信号富集的趋势与CRPC-SCL相反。图5：AP-1与CRPC-SCL中的YAP、TAZ和TEAD一起发挥作用
FOSL1和YAP/TAZ的敲低显示对染色质的可及性和基因表达的影响
研究团队用FOSL1、YAP、TAZ和YAP/TAZ一起在MSKPCA3细胞中进行了ATAC-SEQ和RNA-SEQ。结果观察到在CRPC-SCL特异性开放染色质位点以及在FOSL1、TEAD、TEAD、YAP和TAZ绑定的区域上，从FOSL1、YAP、YAP和YAP/TAZ敲除区域绑定的区域显著降低了染色质的可及性。该信号在FOSL1和Double YAP/TAZ敲低时最强，并突出了它们在维持CRPC-SCL组的染色质可及性景观方面的重要作用。与ATAC-SEQ结果一致，发现在所有敲低测定中RNA-Seq数据中YAP/TAZ靶标的下调。YAP和TAZ的双重敲低表现出对规范下游靶标和细胞周期调节基因CCND1的更强抑制作用，已报道为YAP/TAZ靶标在各种模型系统，相对于YAP或TAZ的个体敲低。
YAP/TAZ和FOSL1之间的积极反馈回路
研究团队发现，YAP/TAZ双重敲低导致MSKPCA3和DU145的RNA和蛋白质水平在RNA和蛋白水平上引起FOSL1的强大耗竭。此外，在他们针对CRPC-SCL样品的监管网络中，FOSL1被预测为FOS/JUN本身和TEAD的目标，Tead在他们建议的模型中与FOSL1合作，类似于其他癌症的观察结果。使用CHIP-SEQ数据还发现CRPC-SCL特异性FOSL1增强子由TEAD、YAP、TAZ和FOSL1结合。结果共同表明，YAP、TAZ、TEAD和FOSL1增加了FOSL1本身的表达，形成了一个正反馈回路以进一步开放染色质。图6：FOSL1、YAP、TAZ和YAP/TAZ敲除的影响
FOSL1的外源表达改变了CRPC-AR到CRPC-SCL的染色质的可及性和基因表达
为了确定FOSL1是否可以改变染色质的可及性景观并激活CRPC-SCL特征，研究团队单独表达了FOSL1或与LNCAP细胞中的YAP或TAZ结合使用。观察到在CRPC-SCL特异性开放式染色质位点的染色质可及性在所有分析中具有FOSL1的外源表达，提供了其作为潜在谱系可塑性中的开创性因子的作用的证据。还观察到在所有FOSL1过表达测定中，在CRPC-AR特异性开放式染色质位点上的染色质可及性降低，进一步指向谱系转化。 RNA-seq结果与ATAC-SEQ结果一致，我们观察到具有FOSL1过表达的CRPC-SCL特征基因的显著上调，无论是单独或YAP或TAZ。
YAP/TAZ途径富含CRPC-SCL患者
最后，研究团队检查了来自SU2C和WCM的CRPC患者的转录组数据中的YAP/TAZ活性。 CRPC-SCL患者相对于所有样品的YAP/TAZ途径活性显著较高。他们还观察到所有SU2C样品中AR表达与YAP/TAZ途径活性之间存在显着的负相关性。图7：AP-1、YAP和TAZ在过表达、小分子抑制和患者转录组发现中作用的证据
总体而言，研究团队已经展示了如何使用转录组特征将 CRPC 患者分层为四种亚型的方法可能为适当的临床决策提供信息。
作者介绍
Ekta Khurana博士，计算生物医学研究所计算基因组学副教授，梅耶癌症中心遗传学和表观遗传学项目的联合负责人，计算生物学和医学三机构博士项目副主任。研究兴趣属于基因组学、计算生物学和系统生物学的广泛类别。参与了多个国际基因组学联盟，并与威尔康奈尔大学的科学家合作，开发新的方法来了解序列变异在人类疾病中的作用。开发了多种计算方法（例如，FunSeq 和RegNetDriver），整合了来自多种资源的大规模数据，以识别导致人类疾病（尤其是癌症）的蛋白质编码基因和非编码调控区域中的 DNA 点突变和重排。
参考文献
Tang F, Xu D, Wang S, et al. Chromatin profiles classify castration-resistant prostate cancers suggesting therapeutic targets. Science. 2022 May 27;376(6596):eabe1505. doi: 10.1126/science.abe1505. Epub 2022 May 27. PMID: 35617398.
联系客服
