摘要

Erastin是一种合成的致死性抗癌化合物。铁死亡是一种非细胞凋亡的细胞死亡形式。

在本研究中，作者基于从CCLE和CTRP数据集获得的泛癌细胞系的基础基因表达和药物反应谱，构建了一个有效的erastin敏感性预测模型。该模型揭示了富含核受体的基因信号是erastin诱导的细胞铁死亡的重要决定因素。

介绍

Erastin是一种小分子，首次报道其通过强RAS-RAF-MEK信号传导下的氧化应激机制，在表达RAS癌基因的癌细胞中诱导合成致死性。细胞死亡的作用方式随后被确定为铁死亡，一种独特的铁依赖性非凋亡细胞死亡形式。Erastin抑制系统Xc-(XCT)，从而损害了参与从进口胱氨酸合成谷胱甘肽(GSH)的胱氨酸/谷氨酸反转运体(由SLC7A11编码)，并在抗氧化防御中产生空隙，导致铁死亡。此后，铁死亡的小分子抑制剂被开发用于各种治疗应用，以抑制病理性细胞死亡，包括治疗神经退行性疾病、中风和缺血性损伤。特别是，铁死亡诱导剂(FINs)如erastin已经作为新的抗癌疗法被广泛研究。依赖于细胞和分子特征，通过XCT或GPX4抑制，癌细胞对铁死亡的易感性的变化还没有被完全理解。在这方面，建立一个能够预测erastin脆弱性的独特特征将有助于患者分层，这将最大限度地提高使用erastin类似物的抗癌治疗的疗效，并将毒性降至最低，目前正在临床试验中进行测试。在本研究中，作者基于从CCLE和CTRP数据集获得的泛癌细胞系的基础基因表达和药物反应谱，构建了一个有效的erastin敏感性预测模型。该模型揭示了富含核受体的基因信号是erastin诱导的细胞铁死亡的重要决定因素。作者的方法根据癌细胞系的基础基因表达准确预测了它们对erastin的敏感性，这表明它将有助于识别可能对erastin治疗有反应的患者。

结果

图一间充质肺癌细胞对铁死亡的敏感性较高。

1.间充质肺癌细胞对铁死亡的敏感性更高

为了检查治疗抗性间充质癌细胞中的选择性铁死亡，作者使用erastin触发铁死亡。与A相比，在TD细胞中，谷胱甘肽还原形式的基础水平较低，间充质和治疗抗性基因信号上调，导致对erastin诱导的铁死亡高度敏感。此外，erastin诱导的细胞死亡被铁死亡抑制素-1显著阻断，但未被pan-caspase抑制剂阻断。

图二由于NOX4诱导引起的氧化还原不平衡导致的谷胱甘肽消耗。

2.NOX4诱导氧化还原不平衡引起的谷胱甘肽消耗

为了解释TD细胞中还原形式的谷胱甘肽水平持续降低，作者首先检测了A和TD细胞中的活性氧水平，如何研究A和TD细胞中全局基因表达的变化。在TD细胞中，NOX4表达提高，诱导ROS水平提高，高得多基础ROS水平和erastin处理诱导的ROS水平。

图三：NOX4作为对erastin灵敏度的不足标记

3.NOX4作为对erastin灵敏度的不足标记

作者检测了7个有和没有RAS突变的内部肺癌细胞系的erastin敏感性。KRAS的致癌突变与erastin敏感性或基础ROS水平无关。在erastin处理后，对于Calu1细胞，用GKT-预处理显著挽救了Calu1细胞中的细胞死亡，而NOX4在erastin抗性A和H细胞中的异位表达使它们对erastin处理敏感。在TD细胞中高水平表达的NOX4似乎是erastin诱导的铁死亡的原因，作者假设高水平表达NOX4的癌细胞对erastin诱导的铁死亡敏感。结果发现ZEB1和GPX4的表达，NOX4和其他NOXs的表达水平与erastin敏感性没有强相关性。这些基因的个体表达水平不能用于指示癌细胞对erastin诱导的铁死亡的易感性。

图四：预测导致erastin敏感性的分子机制。

4.erastin反应相关分子机制的系统研究

为了进一步研究erastin敏感性与多种癌细胞系中已知基因组特征之间的联系，作者研究了来自CCLE和CTRP的细胞系组学概况和药物反应数据。结果表明RAS突变和间充质信号都不适合作为erastin敏感性的指标。作者采用两步法，利用pan-br癌症转录组数据来确定导致erastin敏感性的分子途径。正则化回归优于一般线性回归和ssGSEA，表明erastin敏感性可以通过这些途径中一组指定基因的整合表达来预测。特别是，基于核受体元途径的弹性网(以下称为NRM)具有最强的相关性。

图五：预测模型揭示的核受体与erastin抗性的关系

5.预测模型揭示的核受体与erastin抗性之间的关系

为了确定NRM最具预测性的基因特征，作者利用NRM涉及的基因的表达，利用癌细胞系构建了一个弹性网络模型。其中，NRF2和AhR通路所占比例最大。NRF2途径通常与对erastin和II类FINs的抗性相关。与NRF2途径不同，AhR途径被发现是与对erastin的抗性相关的唯一因素。敲除AHR导致了erastin抗性癌细胞系的脆弱性，而NFE2L2的缺乏增加了对erastin和GPX4抑制剂抗性细胞的敏感性。这表明，与NRF2信号互补的AhR信号解释了抗erastin细胞的独特依赖性，从而增加了NRM模型对erastin反应的预测能力。

图六：NRF2活性与erastin抗性高度相关

6.NRF2活性与erastin抗性高度相关

从CCLE蛋白质组数据中，作者观察到NRF2蛋白表达与肺癌细胞系中的erastin抗性显著正相关。在TD细胞中，NRF2下游基因CHAC1的诱导显著较低，典型NRF2靶基因的显著下调。由叔丁基氢醌(tBHQ)激活Calu1细胞中的NRF2依赖性基因反应，Calu1细胞的erastin敏感性显著降低。相反，在erastinR细胞中NFE2L2的敲除使它们对erastin处理敏感。KEAP1的突变与erastin抗性显著相关，而RAS、TP53或NFE2L2的突变不相关。参与抗氧化活性的六个典型NRF2靶基因的表达与肺癌细胞和所有癌细胞中erastin敏感性显著相关。这些结果支持了NRF2相关基因是erastin敏感性主要决定因素的推测。

7.AhR依赖性和erastin抗性之间的关系

作者试图确定在erastinR组和S组之间AhR活动是否不同。在用AhR的配体犬尿氨酸(Kyn)处理后，CYP1A1在erastinR组的三个细胞系中的两个中被Kyn处理强烈诱导，而在伊拉斯汀S组的所有三个细胞系中仅被中度诱导。结果发现AhR耗竭，提高了对erastin的敏感性，促进了细胞的铁死亡。

图7：erastin灵敏度的NRM模型的评估

8.NRM模型对erastin敏感性的预测性能

接下来，作者评估了NRM信号在预测erastin反应方面的特异性。结果表明，NRM信号允许对erastin诱导的铁死亡的细胞脆弱性进行具体预测，但不能对FIN或STATIN诱导的铁死亡进行具体预测。为了使用独立数据集评估预测性能，作者将NRM模型应用于A和TD的基因表达数据，并显示了对每个细胞系中erastin敏感性的准确预测，还预测了种未用于NRM建模的癌细胞系的erastin敏感性，并选择了9种测试细胞系和3种对照细胞系。结果发现NRM模型是普遍适用的，能够根据不同队列产生的转录组数据准确预测erastin敏感性。

在这里，作者发现NOX4是erastin灵敏度的不足标记。NRF2和AhR在内的转录因子的活性是erastin抗性的重要标志。基于核受体元通路(NRM)中基因的整合表达，作者构建了NRM模型，并使用独立的药物基因组学数据集验证了其稳健性。作者的药物基因组学方法有可能为使用erastin进行治疗干预的患者的有效分类铺平道路。

Thankyou！

扫码