如何系统性地研究药物敏感性？这篇高分文章给你模板！

一.研究背景

• 目前研究表明肿瘤内有多个突变基因共存，而仅基于肿瘤分子特征的有效治疗方法的发展已受到越来越多的限制，因此可以采用常规癌细胞系模型的大规模药物敏感性概况来鉴定可用于治疗的临床相关生物标志物。

• 胃癌是全世界癌症致死率排第三位，绝大多数胃癌被诊断为腺癌。尽管目前对胃腺癌的综合分子表征研究已鉴定出导致胃癌恶性的主要遗传突变和致癌通路，但分子靶向治疗的临床应用潜力仍然不清楚。

二.分析流程

三.结果解读

1.胃癌的突变景观

• 作者选用了131例手术切除的胃肿瘤标本或恶性腹水标本进行试验。为了确认基因组变异（单核苷酸突变、插入/缺失、拷贝数改变），作者对102个肿瘤标本进行了靶向测序，涵盖癌症驱动基因的编码外显子，并筛选出等位基因突变频率> 5％和> 20个读数的突变。

• 图S1:作者基于拷贝数改变将41个肿瘤转录组测序数据分成高拷贝数改变组（HSCNA）、低拷贝数改变组（LSCNA）、EBV阳性组和高MSI。

图S1. 对肺癌样本进行分类

• 图1A：展示了41例胃癌的突变景观，作者展示了41例胃癌的分子亚型、WHO分型、组织学分型以及基因突变的情况，发现HCNA组表现出TP53突变高发；而LCNA组则为CDH1突变高发；EBV阳性组则为IK3CA突变高发。同时，在LCNA肿瘤中NF1基因也相对高发，这提示以RAS / MAPK为靶基因的疗法有潜在的治疗效果；而HCNA组的HER2阳性发生率高。

• 图1B：通过三元图展示了EBV阳性组、LCNA组和HCNA组的突变频率，其大小代表的具有对应突变的肿瘤数量，颜色代表在相对的频率

• 作者通过培养患者来源的肿瘤细胞（PDC）评估各种疗法的可行性。作者培养了128个胃PDC并采用60种靶向致癌通路的药物进行药敏性筛选

• S3A：展示了60种药物的药敏性，通过治疗7天的剂量反应曲线下面积（AUC）评价药敏性

• S3B：使用t-SNE对药物进行聚类，发现RTK抑制剂有分层聚类

图S3. 药敏实验

• 图1C：作者对128个胃PDC进行测序，通过癌症驱动基因突变与肿瘤标本检测到的突变高度相似，验证了这些在驱动癌基因在胃癌的突变情况。

图1. 基因突变情况

2.基于分子、组织学和病理学分型的药物敏感性差异

• 图2A：基于胃PDC实验，展示了药物与各个分型癌症的敏感性（红色为敏感、蓝色为耐药），发现混合亚型（Mixed）癌症大多对RTK抑制剂耐药，

• 图2B：展示了而弥漫性亚型（Diffuse）大多对RTK抑制剂敏感；同时印戒亚型（signet ring）的PDC对EGFR抑制剂相对敏感，而管状亚型（tubular）对EGFR抑制剂耐药；HER2阳性对PAM通路类药物敏感。

图2. 不同亚型的药敏情况

3.胃癌的药物基因组学研究

• 由于基因组变异可以用作预测对靶向治疗的临床反应的可靠生物标志物，作者进行了基因突变与药物敏感性的研究。

• 图3A：通过火山图展示了PDC中基因组或分子突变与药物敏感关系。发现具有KRAS扩增的肿瘤对BRAF抑制剂敏感；ERBB2突变的肿瘤对EGFR和PI3K抑制剂更敏感；

• 图3B：此前的研究已经提出了使用PAM通路抑制剂治疗ALK突变的肿瘤，但作者发现ALK突变与多种治疗药物的耐药性密切相关包括PI3K-AKT-mTOR（PAM）通路的治疗药物

• 图S6：作者对ALK突变型和ALK野生型肿瘤进行了全基因组的比较转录组分析，发现LEF1在具有ALK突变被激活，同时ssGSEA分析发现WNT信号通路的在ALK突变型中上调

图S6. ALK突变

• PIK3CA的体细胞突变编码了PI3K复合体的催化亚基，促进原致癌信号通路的激活，使细胞易于发生恶性转化；同时为AKT抑制反应的关键成分，因此作者进一步探究PIK3CA突变型肿瘤中药物对PI3K化合物的敏感性。

• 图3CD：E542K的单核苷酸突变对AKT抑制剂（AZD5363）的敏感性最强

• 图3E：进行WB实验验证AZD5363在不用细胞株中对PI3K / AKT / mTOR信号通路的影响

• 图3F：作者对具有PIK3CA-E542K突变的胃癌患者进行AZD5363治疗，肿瘤减小，通过临床数据进一步验证了结论。

• 图S7A：在PIK3CA-E542K突变型、PIK3CAE545K突变型和PIK3CA野生型胃癌细胞系进行实验，验证了PDC模型的结论，PIK3CA-E542K突变型对AZD5363更敏感

• 图S7B：紫杉醇与AZD5363联用可进一步增加凋亡活性

图3. E542K突变导致药敏性增强

图S7. 体外细胞系验证

3.吉非替尼药物敏感性的决定因子

• 此前研究表明胃癌患者中EGFR的过表达与更多的恶性表型状态和不良的临床结局相关，作者进一步探究舒尼替尼sunitinib、 伊马替尼imatinib和吉非替尼gefitinib的治疗效果。

• 图4A：作者首先使用弹性网回归模型的分析，结合基因表达谱与先前已知的药物靶点、蛋白质-蛋白质相互作用网络和基因组特征，发现与吉非替尼反应的多个转录组分子（RNF11，NTPCR和RNF220）

• 图4B：展示吉非替尼AUC和RNF11转录组表达之间的相关性，发现它们之间有很强的相关性

• 图4CD：采用沉默RNF11的siRNA后，发现对吉非替尼的敏感性增加

• 图4E：siRNA与吉非替尼联用进一步减弱EGFR及下游分子p-AKT的磷酸化水平

图4. 以EGFR为靶点的潜在药物

小结

最后小结一下，作者根据组织病理学和分子亚分类确定了特定于谱系的药物敏感性，其中弥散型和印戒型胃肿瘤对VEGFR和EGFR抑制疗法的敏感性很高。同时作者确定了确定了在ALK突变肿瘤中WNT通路抑制剂的潜在治疗作用；PIK3CA-E542K突变与药物AZD5363之间的有很强的相关性以及RNF11的表达作为对吉非替尼反应的潜在预测因子。