靶向治疗耐药：揭示RNA甲基化调控因子与TG-101,209在全癌种新辅助治疗中的潜力——一项多中心、多组学整合研究
主要作者及单位： 该研究由Yaoyao Zhou、Ziyun Liu（共同第一作者）以及通讯作者Zhenyu Shi、Yongjie Xie、Li Bao等人领衔，其所属核心机构为天津医科大学肿瘤医院及研究所（National Clinical Research Center for Cancer）。该研究报告发表于《Journal of Experimental & Clinical Cancer Research》期刊（2024年，卷43，文章编号232），文章从投稿到接收于2024年内完成。
研究背景： 肿瘤的治疗抵抗，尤其是在新辅助化疗和免疫治疗中的耐药，是导致患者肿瘤复发和死亡率居高不下的主要障碍。新辅助治疗，即在根治性手术前进行的药物治疗，旨在缩小肿瘤体积、提高手术切除率并清除残余肿瘤细胞，以降低复发风险。然而，多种生理和病理因素可导致肿瘤细胞产生耐药性，且临床缺乏精确的分子表型来指导治疗。近年来，RNA修饰，特别是RNA甲基化修饰（如m6A, m5C, m1A, m7G），已被广泛报道在驱动肿瘤进展和治疗耐药中发挥关键作用。RNA甲基化修饰由“写入器”（Writers）、“擦除器”（Erasers）和“阅读器”（Readers）这三类调控因子（RNA Methylation Regulators, RMRs）共同调控。尽管已有研究表明某些特定的RNA甲基化调控因子与特定化疗药（如顺铂、5-FU）的耐药相关，但对于泛癌种背景下，全盘的RMRs表达与治疗响应之间的关系，以及能否基于RMRs对肿瘤进行精准分层以指导新辅助治疗，在学术界仍属空白。本研究旨在系统性地探究全癌种RMRs与化疗及免疫治疗疗效的关联，并尝试构建基于RMRs的分子分型，为克服治疗耐药提供新的分层策略与治疗靶点。
研究流程与方法： 该研究的设计是多中心、多队列、多组学整合的转化研究，其工作流程可概括为以下几个核心环节：
1. 单细胞层面探索与关联发现： 研究者首先收集了来自GEO数据库的7个包含新辅助治疗（化疗或免疫治疗）信息的泛癌单细胞RNA测序数据集。通过“Seurat” R包进行数据清洗、降维和细胞聚类，并根据已知标志物将细胞群体注释为上皮细胞、T细胞、B细胞、髓系细胞、成纤维细胞等不同亚群。研究者对比了治疗应答者（Responders）与非应答者（Non-responders）之间细胞亚群比例的差异，并对治疗应答相关的差异表达基因（DEGs）进行了通路富集分析。结果发现，这些差异基因持续富集在RNA甲基化修饰通路上。同时，研究者又对约1000个肿瘤细胞系的表达数据进行了分析，评估了RMRs表达与药物半数抑制浓度（IC50）的相关性。本环节证实RNA甲基化调控功能与治疗反应显著相关。
2. 全基因组、转录组与蛋白组层面描绘RMRs图谱： 研究者下载了TCGA数据库中33种癌型、近万例样本的多组学数据（包括mRNA表达、体细胞突变、拷贝数变异、临床信息）。他们系统分析了46个RMRs在泛癌水平的基因组变异（CNV、SNV）和转录失调情况，并利用RT-PCR在10种癌型的配对组织样本中验证了其表达水平，同时从人类蛋白图谱（HPA）数据库获取了其蛋白表达的免疫组化证据。通过生存分析，该步骤确定了RMRs的基因组和转录组异常在肿瘤中普遍存在，且与不良预后广泛相关。
3. 基于机器学习的RMRs分子分型及其特征解析： 这是研究的核心创新环节之一。研究者对46个RMRs的表达数据进行标准化后，使用“ConsensusClusterPlus” R包进行无监督一致性聚类，将一万多例TCGA泛癌样本分为三个亚型：Cluster1（高表达）、Cluster2（中表达）和Cluster3（低表达）。研究利用随机森林（Random Forest）机器学习算法，基于RMRs表达谱构建了一个91%准确度、AUC>0.9的预测模型来区分这三个亚型，并识别出NOP2等贡献度最高的九个核心调控因子。随后，研究者系统比较了三个亚型在基因组变异特征（如TP53突变率、CNV负荷）、恶性通路活性（如Hallmark通路）、临床病理特征（如PAM50分型、肿瘤分期）和患者生存预后上的差异。
4. 肿瘤微环境免疫浸润与细胞通讯分析： 利用xCell和ssGSEA算法，研究者量化了三个RMRs亚型和基于九个核心因子分组的单细胞样本中的免疫细胞浸润丰度。通过分析免疫评分、基质评分及28种免疫细胞类型的相对丰度，描绘了不同亚群的免疫微环境景观。此外，研究还对单细胞数据进行了高/低RMRs表达分组的再分析，包括细胞组成差异、差异基因功能和利用“CellChat” R包进行的细胞通讯分析，重点探究了肿瘤实质细胞与免疫/基质细胞之间的MIF和MK信号通路交互作用。
5. 药物敏感性预测与小分子药物筛选： 为寻找能克服高RMRs肿瘤耐药的药物，研究者首先在多个含疗效信息的独立数据集中验证了高RMRs组具有更高比例的非应答者。接着，利用连通图（Connectivity Map，CMap）分析，将临床样本中与RMRs高表达正相关的基因表达谱反褶积，以发现能够反转这种转录图谱的化合物。结果JAK抑制剂 tg-101,209 被预测为潜在靶向RMRs的药物。
6. 体内外实验验证： 最后，研究团队通过一系列体内外实验验证生信分析的发现。这包括：（1）对天津医科大学肿瘤医院的16例胰腺癌标本进行RNA测序和验证。（2）使用SW480、MCF-7、MC38、KPC1等涵盖乳腺癌、肺癌、结直肠癌、肝癌、胰腺癌的多种高表达RMRs的鼠源和人源细胞系。（3）在裸鼠和C57BL/6小鼠上构建皮下移植瘤模型，设置对照组、单独化疗组、单独免疫治疗组（抗PD-1）、单独tg-101,209组以及联合治疗组。通过测量肿瘤体积、记录生存期、多重免疫荧光染色（ki67）、CCK8细胞活力实验及药物协同作用分析（SynergyFinder），评估联合疗法的效果。（4）通过流式细胞术分析肿瘤组织中CD8+T细胞及其分泌IFNγ、TNFα、GzmB、Perforin的功能状态和耗竭状态（PD-1+）的变化。
主要研究结果：
1. RMRs表达与治疗反应及预后的关联： 单细胞分析揭示，治疗非应答者与应答者的差异基因显著参与RNA甲基化过程。泛癌层面，高表达RMRs的肿瘤与更高的恶性程度、更强的基因组不稳定性（如更高频率的TP53突变和拷贝数变异）显著相关。生存分析显示，高表达RMRs（Cluster1）的患者在多种癌型中表现出更差的总生存期、疾病特异性生存期和无进展生存期。
2. RMRs分子亚型揭示不同的免疫微环境特征： Cluster1（高RMRs组）表现为免疫耗竭（Immune-depleted）表型，其特征是Th2细胞、幼稚T细胞浸润水平较高，而具有杀伤功能的CD8+T细胞和NK细胞浸润较少，呈现“冷肿瘤”特征。相反，Cluster3（低RMRs组）则表现为免疫富集和纤维化表型，拥有更高的整体免疫评分和基质评分，充满更多肿瘤杀伤效应细胞。单细胞层面的通讯分析进一步证实，高RMRs组的肿瘤上皮细胞通过MIF和MDK信号通路与微环境中的其他细胞发生更活跃的交互，这可能与其免疫抑制微环境的形成密切相关。
3. 高RMRs表达肿瘤对化/免治疗耐药及靶向药物发现： 分析表明，高RMRs的肿瘤对常规化疗药物（如顺铂、5-氟尿嘧啶等）IC50值更高，且对免疫治疗的反应率更低，TIDE评分显示其具有更高的免疫排斥评分。通过CMap药物预测，JAK2选择性抑制剂tg-101,209能够显著负向调控RMRs的表达特征。基因集富集分析则证实RMRs与JAK-STAT信号通路存在正相关。
4. tg-101,209增敏化免联合治疗的实验验证： 体内外实验结果表明，在胰腺癌模型中，tg-101,209与吉西他滨（Gem）联合使用，其ZIP协同评分高达33.619，能显著抑制肿瘤细胞活力和增殖（Ki-67降低）。与单独使用PD-1抑制剂相比，联合tg-101,209能显著延长荷瘤小鼠的生存期，并重塑免疫微环境。具体表现为：流式细胞术检测显示，联合治疗组肿瘤内的总CD8+T细胞和效应性CD8+T细胞（分泌IFNγ、TNFα、GzmB、Perforin）比例增加，而耗竭性CD8+PD-1+T细胞比例显著减少。这一增敏效果在结直肠癌、肝癌、乳腺癌和肺癌的多种细胞系和小鼠模型中也得到了重复验证，证实了该策略的泛癌种潜力。
研究结论与价值： 本研究系统阐明了RNA甲基化调控因子（RMRs）在全癌种新辅助治疗耐药中的核心地位。其科学价值在于，首次整合所有主要类型的RMRs，利用多组学和机器学习构建了一个能够精准指导治疗分层的泛癌分子分型体系，揭示了高RMRs肿瘤的“免疫冷”本质是其耐药的关键机制。其应用价值在于，筛选并验证了小分子药物tg-101,209能够有效增敏高RMRs肿瘤对化疗和免疫治疗的敏感性，为临床上那些预后差、现有治疗无效的肿瘤患者提供了一种极具转化潜力的联合治疗新策略。
研究亮点： 1. 概念的创新与系统性整合：该研究并非孤立地分析单个RNA甲基化修饰酶，而是首次系统整合m6A、m5C、m1A、m7g四大类共46个调控因子，构建了全面的泛癌种RMRs图谱。 2. 从数据挖掘到实验验证的完整闭环：研究工作流程设计缜密，实现了从多中心单细胞测序和批量多组学生信分析，到机器学习分子分型，再到高通量药物筛选，最终回到体外细胞和体内动物模型进行多癌种、多方案的实验验证这一转化研究完美闭环。 3. “老药新用”的精准治疗策略：研究不仅指出了耐药问题所在，更通过计算生物学手段精准预测出JAK2抑制剂tg-101,209可作为破解之道，并在泛癌种水平验证了其与化疗/免疫治疗的协同效应，为特定分子亚型——“冷肿瘤”——提供了变“热”并增敏治疗的实用方案。