一种由G6PD和SHMT2基因定义的代谢-免疫亚型乳腺癌：从单细胞分析到双靶点治疗

【中文摘要】本研究通过整合 bulk 和 single-cell 转录组学、机器学习及计算药物筛选，系统解析了乳腺癌氨基酸代谢（AAM）图谱，揭示高侵袭性 CL2 亚型由代谢合成增强与免疫抑制微环境协同驱动，发现 G6PD 和 SHMT2 作为连接代谢与免疫逃逸的双功能枢纽，并鉴定 piceid 为潜在双重抑制剂。研究建立了包含 11 个基因的预后签名，为乳腺癌分子分型及靶向治疗提供新策略。

　　

王玉萌|李佳|严燕|孙丽

中国辽宁省沈阳市辽宁中医药大学基础医学系

摘要

乳腺癌的异质性限制了当前预后和治疗策略的准确性，这凸显了需要能够捕捉潜在代谢驱动因素的分子框架。在这里，我们通过整合批量和单细胞转录组学、机器学习、计算机模拟敲除以及计算药物筛选，系统地分析了乳腺癌中的氨基酸代谢（AAM）状况。在379个与AAM相关的基因中，我们识别出了48个与生存相关的AAM基因，这些基因在53%的患者中发生了基因组改变。无监督共识聚类定义了三种具有不同代谢-免疫表型的稳定亚型。其中，侵袭性强的CL2亚型表现出高度合成状态，并且与免疫抑制微环境紧密相关，其特征是M2巨噬细胞富集和CD8? T细胞的排斥。我们开发并验证了一个由11个基因组成的预后标志物，在不同队列中具有77.8%的一致性，能够定量捕捉合成途径和93.8%的分解途径的CL2表型。单细胞分析显示，这种代谢程序是上皮细胞内在的，并且积极地调控免疫排斥：高风险上皮细胞优先通过APP信号通路与巨噬细胞相互作用，而与细胞毒性淋巴细胞的相互作用最小。在这一通路中，G6PD和SHMT2被确定为连接合成输出与免疫逃逸的双功能枢纽，其过表达通过qPCR和免疫组化得到证实。最后，分子对接和动态模拟确定了piceid作为G6PD和SHMT2的潜在双重抑制剂，其结合自由能分别为–35.53和–56.49 kcal/mol。我们的研究确立了一个先前未被认识的由AAM驱动的亚型，提供了一个强大的预后工具，并提出了一种首创的双靶向策略，强调了针对侵袭性乳腺癌代谢脆弱性的治疗潜力。

引言

乳腺癌仍然是全球主要的健康负担，在全球女性中发病率和死亡率最高[1]。实现有效治疗结果的一个关键障碍是这种疾病的深刻异质性，即使在具有相似临床病理特征的患者中，也会导致临床行为、治疗反应和转移潜力的显著差异。尽管传统的分子分类通过将乳腺肿瘤分为不同的内在亚型（包括Luminal A（ER⁺PR⁺Her2^-Ki67^low）、Luminal B（ER⁺PR⁺Her2^-/+Ki67^high）、HER2富集型和基底样型（大多数ER^-PR^-Her2^-）[2]，在根本上推进了我们的治疗进展，但它经常无法捕捉肿瘤生物学的关键功能方面，如代谢重编程和免疫微环境活性。因此，被归类为同一内在亚型的患者往往表现出明显不同的临床结果[3]、[4]、[5]。因此，迫切需要将额外的功能层面整合到当前的乳腺癌预后和治疗分层框架中。

代谢重编程是癌症的一个已知特征，它支持增殖肿瘤细胞的增加的生物合成和能量需求[6]。在代谢途径中，氨基酸代谢（AAM）占据中心位置，为大分子合成提供必需的前体，并作为肿瘤进展和肿瘤免疫微环境（TIME）的关键调节器[7]。特定的AAM途径，包括丝氨酸/甘氨酸代谢、支链氨基酸分解和谷氨酰胺分解，已被机制性地牵涉到乳腺癌的进展和治疗抵抗中[7]、[8]。除了它们的合成作用外，失调的AAM途径还表现出强烈的免疫调节效应。例如，从色氨酸分解产生的犬尿氨酸会抑制效应T细胞和NK细胞的活性，同时扩增免疫抑制性调节T细胞（Tregs）和M2样肿瘤相关巨噬细胞（TAMs）[9]、[10]。改变的精氨酸代谢同样促进巨噬细胞向免疫逃逸表型的极化[11]，而TIME内氨基酸的营养竞争是免疫逃逸的关键机制[12]、[13]。

越来越多的证据表明，AAM的失调并不是均匀的，而是在不同的乳腺癌亚型中表现出不同的模式。三阴性乳腺癌（TNBC）经常上调谷氨酰胺转运蛋白（SLC1A5、SLC7A5）和谷氨酰胺酶GLS1以维持增殖，而在Luminal亚型中GLS2的上调与转移潜力相关[14]、[15]。半胱氨酸/谷氨酸反向转运蛋白SLC7A11的上调在TNBC和ER阳性癌症中增强了谷胱甘肽合成和化疗抵抗[16]，而在TNBC和HER2阳性肿瘤中IDO1/TDO2的上调通过色氨酸耗竭和AHR通路激活促进免疫逃逸[17]、[18]。重要的是，与AAM相关的基因如PHGDH、BCAT1、TDO2、HPD和SLC7A5的表达与临床结果密切相关[19]、[20]、[21]，这使得AAM成为细化分子分类和结果预测的一个有前景的轴心。尽管有这些发现，之前的研究主要关注单个AAM途径，无法从系统层面理解协调的AAM重编程如何共同定义不同的功能亚型。此外，这些代谢程序仅仅是适应性反应，还是基因组硬编码的并且能够调控免疫排斥，目前仍不完全清楚。

为了解决这些差距，我们通过结合批量转录组学、机器学习、单细胞分辨率分析、计算机模拟敲除和计算药物筛选的整合框架，系统地分析了乳腺癌中与AAM相关的基因。我们首先研究了AAM基因的改变是否是基因组硬编码的，以及它们是否定义了具有预后意义的独特代谢-免疫亚型。然后，我们开发并验证了一个临床可用的标志物，能够定量捕捉高风险亚型。利用单细胞分析，我们研究了这种代谢程序是否是肿瘤细胞内在的，以及它是如何调控免疫排斥的。最后，我们寻找针对这种侵袭性表型的核心代谢驱动因素的候选治疗剂。我们的发现确立了一个先前未被认识的乳腺癌亚型，该亚型由同时发生的过度合成和免疫抑制定义，揭示了G6PD和SHMT2作为将代谢输出与免疫逃逸联系起来的双功能枢纽，并提名piceid作为这两种酶的潜在双重抑制剂，为解码和靶向乳腺癌中的AAM驱动异质性提供了一个精细的框架。

数据收集和预处理

TCGA-BRCA队列的转录组谱型和相应的临床数据来自GDC数据门户（https://portal.gdc.cancer.gov）。排除重复样本、男性患者和生存信息不完整的病例后，保留了1,173个样本（1,061个肿瘤组织和112个相邻正常组织）。使用了三个独立的数据集进行验证：GSE202203（n=3,602）和GSE199633（n=647）来自GEO数据库（https://www.ncbi.nlm.nih.gov/geo），以及METABRIC

乳腺癌中的SAAM基因及其体细胞改变景观

从KEGG数据库中，我们检索了379个与AAM相关的基因（表S1）。对TCGA-BRCA队列（n=1061）进行单变量Cox回归分析，确定了48个与患者生存显著相关的基因，我们将这些基因指定为SAAM基因（图1A）。与正常组织相比，18个SAAM基因在肿瘤中上调，23个下调，7个没有表达差异（图1B）。

53%的患者存在SAAM基因的体细胞改变，其中扩增是最主要的

讨论

乳腺癌的异质性仍然是精准肿瘤学的主要障碍[3]、[4]、[5]、[38]。在这里，我们系统地描述了AAM重编程如何促成这种异质性。通过整合批量和单细胞转录组学、计算建模和计算机模拟药物筛选，我们证明了一种特定的过度合成状态，通过我们的SAAM标志物被捕获，定义了一个具有协调的代谢激活和免疫逃逸的侵袭性乳腺癌亚型。

结论

我们的研究确立了AAM重编程作为乳腺癌异质性的一个基本轴心。识别出三个保守的SAAM亚型，特别是以过度合成代谢和协调的免疫抑制为特征的侵袭性CL2表型，为理解代谢-免疫相互作用提供了一个概念框架。我们的11个基因预后标志物将这种生物学现象转化为一个临床可用的工具，能够定量捕捉CL2亚型的特征，而计算方法

伦理批准和参与同意

不适用。

资金来源

本研究得到了中国国家自然科学基金（编号82174460）、辽宁省教育厅（编号2024-JYTCB-096和LJ222510162011）以及全国大学生创新创业培训计划（202410162013）的支持。

出版同意

所有作者都已阅读并批准了最终手稿。

利益冲突

作者声明他们没有利益冲突。

CRediT作者贡献声明

严燕：验证、监督。孙丽：写作——审稿与编辑、项目管理、资金获取、概念化。王玉萌：写作——初稿、调查、正式分析。李佳：写作——初稿。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。