《Clinical and Translational Medicine》：Multi-omic profiling defines three distinct molecular subtypes of urothelial carcinoma with implications for precision therapy
编辑推荐：
本文基于对4439例尿路上皮癌（UC）样本（包括NMIBC、MIBC）及33株细胞系的转录组和蛋白质组数据，通过自组织映射（SOM）和正则化半监督聚类，成功定义了三种具有显著异质性的分子亚型（Cluster #1, #2, #3）。每个亚型在分子特征、生物学通路、代谢模式、预后及预测的治疗脆弱性方面均展现出独特轮廓。其中，基质富集、高风险的Cluster #1可能对特定细胞毒性药物、铁死亡诱导剂和PARP抑制剂敏感；快速增殖、具有基底/鳞状分化特征的Cluster #2对细胞毒性药物及靶向EGFR/ERBB、MEK/ERK通路的疗法有反应；而以管腔乳头状表型为主、风险较低的Cluster #3则对表观遗传药物或EGFR/FGFR抑制剂显示出潜在应答。该研究建立的跨组学、跨临床分期的新型分子分类框架，有望推动UC的精准风险分层、临床试验设计和个体化治疗。
研究背景与方法
尿路上皮癌（UC）是全球第九大常见癌症，具有显著的生物学异质性，现有分子分类方案在整合到临床决策中面临挑战。为了推进UC的精准肿瘤学，本研究旨在建立一个适用于非肌层浸润性膀胱癌（NMIBC）、肌层浸润性膀胱癌（MIBC）和尿路上皮癌细胞系的转录组和蛋白质组数据的分子分类框架。研究团队收集并分析了来自20个独立队列、超过4000个UC样本（共4439个转录组和蛋白质组样本）以及33个UC细胞系的数据。通过结合全转录组自组织映射（SOM）和正则化半监督聚类的方法，识别出三个分子UC集群。研究利用in silico（计算机模拟）和in vitro（体外）方法，为每个集群筛选了有前景的治疗策略。
三个分子UC集群的识别与特征
研究最终定义了三个在生物学和临床上截然不同的UC集群（Cluster #1, #2, #3）。它们在mRNA、蛋白质、生物学过程、代谢和关键驱动基因的表达谱上均显示出独特的特征，并且在预后以及通过机器学习预测的治疗脆弱性和耐药性方面也存在差异。
- •
高风险、基质富集的Cluster #1：此集群癌症富含基质，被预测可能对特定的细胞毒性药物、铁死亡诱导剂和PARP抑制剂产生应答。
- •
侵袭性、快速增殖、免疫浸润的Cluster #2：此集群肿瘤具有基底/鳞状分化特征，且存在免疫浸润，研究建议使用细胞毒性药物以及靶向EGFR/ERBB和MEK/ERK通路的疗法。
- •
以管腔乳头状表型为主的Cluster #3：此集群癌症基质和免疫浸润稀少，富含NMIBC和低风险恶性肿瘤。对于Cluster #3肿瘤患者，选择的表观遗传药物或EGFR/FGFR抑制剂可能是具有吸引力的治疗选择。
与现有分类系统的关联
新的分子集群与现有的UROMOL（NMIBC）和共识（MIBC）分类系统存在对应关系。Cluster #1和#2主要包含更具侵袭性的UC（如UROMOL 2b类，MIBC中的基质富集型、基底/鳞状型），而Cluster #3则主要包含侵袭性较低的肿瘤（如UROMOL 1, 2a, 3类，MIBC中的管腔乳头状型）。在TCGA泛癌分析中，Cluster #2绝大多数（85%）被归类为PAM50基底型，进一步证实了其基底表型。然而，PAM50系统未能很好地区分管腔型UC的异质性，突显了本分类框架在捕捉UC特异性生物学特征方面的价值。
临床、病理及预后特征
三个集群在临床和病理特征上存在显著差异。Clusters #1和#2在T2、T3/T4分期、淋巴结转移（N1+）、远处转移（M1）以及高级别肿瘤中的比例更高，接受膀胱切除术的比例也更高，这与它们更具侵袭性的生物学行为一致。预后分析证实，Clusters #1和#2的患者总体生存期和肿瘤特异性生存期更短，而Cluster #3的患者预后最好。
独特的分子与生物学特征
深入的分子分析揭示了每个集群的特有标签：
- •
Cluster #1：高表达细胞外基质（ECM）、上皮-间质转化（EMT）、血管生成和缺氧相关基因。免疫细胞浸润分析显示其富含癌症相关成纤维细胞（CAF）、内皮细胞和M2型巨噬细胞。
- •
Cluster #2：高表达与细胞周期、DNA复制、基底/鳞状分化、角质化相关的基因。该集群表现出最高的细胞增殖活性，并富含细胞毒性T细胞和NK细胞。
- •
Cluster #3：高表达尿路上皮分化、叶酸代谢、过氧化物酶体增殖物激活受体（PPAR）信号通路相关的基因。其细胞增殖活性最低，免疫和基质浸润也最为稀少。
代谢特征与关键驱动基因
代谢建模（RECON2）显示，各集群的代谢活动存在差异：Cluster #1的糖酵解和丝氨酸代谢活跃；Cluster #2的氧化磷酸化、核苷酸和谷氨酰胺代谢增强；Cluster #3的脂肪酸代谢和氧化通路活跃。遗传学分析发现，TP53、RB1、KDM6A等基因的改变在Clusters #1和#2中富集，而FGFR3改变在Cluster #3中富集。CRISPR-Cas9基因敲除筛选数据进一步支持了这些基因在相应集群中的重要性。
预测与验证的治疗脆弱性
基于转录组的药物敏感性预测（RIDGE模型）结合体外药物筛选，为每个集群提出了潜在的治疗策略：
- •
Cluster #1：预测对多种化疗药物（如吉西他滨、顺铂）、铁死亡诱导剂（RSL-3）和PARP抑制剂敏感。体外实验证实，RSL-3能有效抑制代表该集群的UMUC3细胞生长。
- •
Cluster #2：预测对多种化疗药物、EGFR/ERBB抑制剂（阿法替尼、来那替尼）和MEK抑制剂（曲美替尼、考比替尼）敏感。体外实验证实，阿法替尼和曲美替尼能有效抑制代表该集群的5637细胞生长，并下调ERBB和MAPK信号通路。
- •
Cluster #3：预测对表观遗传药物（地西他滨）和FGFR抑制剂（厄达替尼）敏感。体外实验证实，厄达替尼能有效抑制代表该集群的RT112细胞生长，并下调FGFR信号通路。
结论与意义
本研究通过多组学整合分析，建立了一个新颖、稳健的UC分子分类法，成功定义了三个具有独特分子、临床和预后特征的亚型。该框架不仅适用于NMIBC和MIBC，还能兼容转录组、蛋白质组数据及细胞系模型。更重要的是，研究通过计算机预测和体外实验，为每个亚型验证了潜在的有效治疗策略，为UC的精准医疗实践提供了有前途的路线图。这一分类方案有望促进基于转录组和蛋白质组的个性化风险评估、临床试验设计以及新型疗法的开发。
