人类血浆代谢组学鉴定差异代谢物及预测乳腺癌分子亚型

Human plasma metabolomics for identifying differential metabolites and predicting molecular subtypes of breast cancer
 

期刊：Oncotarget   IF=6.359
 

发表时间：2016.2.3
 

研究背景：
 

乳腺癌（BC）是全球妇女死亡的主要原因。人表皮生长因子受体2（HER2）和雌激素受体（ER）是2种关键的生物标记物用于区分乳腺癌的生物学亚群。HER2和ER的特性可以大致将乳腺癌划分为4 种主要的分子亚型，包括Luminal A，Luminal B，HER2-enriched和 Basal-Like。针对乳腺癌亚型特征进行治疗的病人有更好的治疗效果。目前诊断乳腺癌及分类其亚型采用的方法主要为重复活检和连续的组织病理学检查。该法具有创伤性，且较为费时。迫切需要迅速和高灵敏性的分析方法对乳腺癌进行分群。代谢组学可以反映生物系统中代谢物的变化，且其具有高通量的特点，能被用于筛选诊断标记物。代谢组学研究目前主要有3大平台，GC-MS，LC-MS 和NMR。LC-MS是最兼容、灵敏的生物分子检测技术。GC-MS提供了一个比较强大的色谱，具有更高的分离效率和可参考的化合物库。GC-MS和 LC-MS 的联合使用是分析不同种类的化合物最好的选择。
 

研究材料：
 

本研究收集了96例乳腺癌（BC）患者和79例正常对照组（NC）的血浆，诊断为HER2 (−), HER2 (+)或HER2 (+ +)无基因扩增患者被定义为HER2阴性乳腺癌患者。诊断为HER2 (+++)或HER2 (+ +)基因扩增患者被定义为HER2阳性乳腺癌患者。所有样本随机分类为训练集和测试集，采用UPLC-Q/TOF-MS和GC-Q/MS进行分析。
 

技术平台：LC-MS，GC-MS
 

方案设计：
 

本研究收集96例乳腺癌（BC）患者和79例正常对照组（NC）的血浆样品，首先寻找乳腺癌组和正常对照组的差异代谢物，然后分别对HER2阴性和HER2阳性患者的差异代谢物进行分析，随后再进行ER阴性和ER阳性患者的差异代谢物分析，并总结相关的代谢通路图，最后挑选在ER和HER2平台中VIP>2.5 的差异代谢物作为具有潜在诊断价值的代谢物，将这些代谢物组成一个小组，在训练集和测试集下进行 ROC 分析，并分析这组代谢物对预测4种亚型乳腺癌的准确度。
 

研究结果：
 

1. 找到乳腺癌组和正常组的差异代谢物
 

采用二组分的PLS-DA模型发现乳腺癌组和正常组的血浆中有64个代谢产物有明显区别。其中32个化合物采用参考的化合物进行进一步验证。64个差异代谢物在乳腺癌组和正常对照组的热图如图1。
 

图1. 乳腺癌组和正常组64种差异代谢物热图

2. 将乳腺癌患者血浆中差异代谢物进行相关性网络图分析
 

将64个差异代谢物进行相关性网络图分析，研究发现糖酵解相关的代谢产物位于网络中心，且有升高的趋势。此外，糖酵解相关的代谢产物与脂肪酸之间存在正相关，这表明癌症中脂肪酸生物合成时的有氧糖酵解产生很高的能量消耗。脂类，特别是溶血磷脂，在网络图中表现为数量明显减少，而大多数氨基酸之间呈负相关规则。乳腺癌患者血浆中差异代谢物的相关性网络图见图2.

图2. 乳腺癌组和正常对照组之间的差异代谢物的相关性网络图
 

3. 分析HER2阴性和HER2阳性乳腺癌患者的代谢物差异
 

本研究采用PLS-DA法（VIP>1）和T检验发现HER2阴性和HER2阳性乳腺癌患者存在明显区别，产生了40种差异代谢物，与改变代谢通路显著相关的HER2代谢物见图3.
 

图3. HER2相关的代谢通路图

4. 分析ER阳性和ER阴性乳腺癌患者的代谢物差异
 

本研究采用PLS-DA法（VIP>1）和T检验发现ER阳性和ER阴性乳腺癌患者之间存在明显区别，产生了22种差异代谢物，与ER相关的干扰代谢通路图如图4.
 

图4. ER阴性和ER阳性乳腺癌患者之间的干扰代谢通路图
 

5. 分析差异代谢物对于乳腺癌亚型分类的诊断价值
 

首先在HER2和ER平台中选取VIP>2.5 的差异代谢物作为具有诊断价值的代谢物。将其中的 8 个差异代谢物组成一个小组，作为候选的生物标记物。随后，将这 8 个差异代谢物组成的小组进行ROC分析（训练集 51 例，验证集 45 例），训练集 AUC 平均值为 0.925（95%CI0.867-0.983），测试集 AUC 平均值为 0.893（95%CI0.847-0.939），结果如图 5。
 

图 5.  8 个生物标记物及其诊断结果
 

基于图 5的结果，分析这 8 个差异代谢物对预测乳腺癌 4种亚型结果的准确度，Luminal A 组训练集和测试集的预测准确度分别为 88.3%，84.4%；Luminal B 组训练集和测试集的预测准确度分别为 92.2%，88.9%；HER2-enriched 组训练集和测试集的预测准确度分别为 89.3%，82.2%； basal-like 组训练集和测试集的预测准确度分别为 84.3%，86.7%，如图 6。
 

图 6. 基于 8 个生物标记物的乳腺癌亚型预测结果准确度

研究创新点：
 

1. 该研究首次描述了血浆代谢组学与乳腺癌亚型的特异相关性。GC-MS和LC-MS的联合使用是分析不同种类的化合物最好的选择，有利于发现更多的代谢产物。
 

2. 本研究发现了对诊断乳腺癌亚型具有潜在价值的 8 个小分子生物标记物，该研究是乳腺癌亚型分类的首次临床代谢组学研究，对于乳腺癌临床亚型分类具有重要意义。
 

文章延伸：
 

1. 采用更大的样本量可以进一步验证该项研究的准确性，靶向代谢组学和其他系统生物学方法相结合可用于分析乳腺癌的亚型机制，这些分析方法可推广到临床用于诊断乳腺癌亚型，针对其不同亚型机制研发出不同的药物治疗，可能具有更好的治疗效果。
 

2. 广泛靶向代谢组学技术平台建立了 LC-MS/MS 代谢物数据库，区别于现有代谢物检测方法，整合非靶向和靶向代谢物检测技术的优点，创造性实现了高通量、高灵敏度靶向代谢物检测。迈维代谢创新了广泛靶向代谢组学技术，为定性、定量检测大批量、低丰度代谢物提供了高效的方法，将广泛靶向代谢组学应用于更大样本量的乳腺癌亚型分类研究具有重要意义。