代谢重编程是癌症核心特征之一,其作用不仅体现在代谢通路的变化,并可以通过复杂的代谢物-蛋白质相互作用传播到其他生物学过程。本工作中研究人员基于代谢物-蛋白质相互作用网络和肝癌多组学数据,综合利用复杂网络和机器学习分析方法,识别了两种在疾病预后具有显著差异性的肝癌亚型。在代谢方面,研究发现预后较差的亚型与缺氧、代谢酶的高度甲基化、众多代谢通路的下调及多种脂肪酸的累积密切相关。此外,众多免疫相关通路在预后较差的亚型中呈现显著上调的趋势。研究人员进一步通过代谢物-蛋白质相互作用预测发现不饱和脂肪酸与多个免疫调控蛋白(例如SRC和CTLA4)存在潜在相互作用,不饱和脂肪酸的累积可能是免疫通路上调的潜在原因。上述肝癌亚型及其生物学特征在多组独立的肝癌队列上得到了验证。同时,研究人员利用肝癌细胞系,通过转录组学和代谢组学实验验证了主要计算分析结果。本工作为肝癌精准医疗提供了重要线索。
相关成果以“Identification and Characterization of Robust Hepatocellular Carcinoma Prognostic Subtypes based on an Integrative Metabolite-protein Interaction Network”为题,于近日发表在《先进科学》(Advanced Science)上。该工作的并列第一作者是我所1821组副研究员陈迪、2019级硕士研究生张怡然、2021届博士王稳。该工作得到国家自然科学基金、我所创新基金、辽宁省自然科学基因等项目的资助。(文/图 陈迪)
文章链接: http://doi.org/10.1002/advs.202100311
文章来源:大连化物所
朴海龙,博士,中国科学院大连化学物理研究所研究员。2003年和2009年于韩国国立庆尚大学分别获理学硕士和博士学位,2009.9-2014.1在美国M.D.安德森癌症中心从事博士后研究。2014年2月全职回国到大连化学物理研究所转化医学科学研究中心工作。2015年5月获得中国科学院“百人计划”择优支持项目,聘任为生物技术部转化医学科学研究中心研究员。