众所周知，癌症具有很强的异质性，癌症的分型对其诊断治疗具有重要意义，也是癌症研究的一个经典方向。目前研究已经发现，乳腺癌可以划分为不同亚型，它们之间具有巨大差异，而同乳腺癌相似，膀胱癌和前列腺癌等上皮性恶性肿瘤都可根据基因组或表型特征区分亚型。因此小编今天和大家分享一篇今年五月刚刚发表在Clin Cancer Res（IF:12.531）杂志上的关于前列腺癌分型的文章。文章从数据到核心分型方法都是从公共资源获取的，却发了12+，是一篇非常具有参考意义的生信分型文章。

Therapeutic Implications for Intrinsic Phenotype Classification of Metastatic Castration Resistant Prostate Cancer

转移去势抵抗性前列腺癌固有表型分类的治疗

摘要

研究将转移性去势抵抗性前列腺癌(mCRPCs)划分为与固有分化状态相对应的分子表型，并分析了这些亚型的用药特征与治疗结果。研究使用RNAseq数据、数字空间谱系(digital spatial profiling，DSP)和组织学评估结果，将mCRPCs队列通过PAM50乳腺癌分类算法定义亚型。并探索了亚型与临床前模型和患者治疗反应之间的关系。文章利用PAM50算法，最终将270例mCRPC肿瘤划分为LumA、LumB和Basal亚型，这些分类主要由增殖率和雄激素受体(AR)活性决定。同时，文章也介绍了基于细胞分化状态的mCRPC亚型在识别具有不同治疗靶点和系统治疗反应患者方面的潜在临床应用价值。

有用的背景介绍

在介绍文章主要内容前，小编先补充下，文章中提到的PAM50乳腺癌分类算法。在癌症分型中，比较简单的癌症分类是根据一个基因来划分，比如ER阳性或者ER阴性乳腺癌。然而，并不是所有人类蛋白编码基因都可以用作常用的分类，乳腺癌常用的就是ER,HER2,PR等，如果这3个基因都不表达，就是临床里面比较恶性的三阴性乳腺癌。目前乳腺癌通过IHC分型（检查具体基因表达量）方法被划分为激素受体（ER、PR）阳性组和阴性组，然后各自划分2个组，最终划分为：激素受体（ER、PR）阳性组，包括：LumA型、LumB型。以及激素受体（ER、PR）阴性组，包括HER2过表达型及Basal型。可以发现，IHC检测的是蛋白表达水平，而研究通常是拿到的mRNA水平的表达矩阵，阳性和阴性这样的二元分类会量化成为具体的表达量数值，进而根据表达矩阵来进行癌症亚型的划分，也就是分子分型(GEP)，其中乳腺癌领域应用最广泛的就是基于PAM50的GEP分型，其可将乳腺癌分为不同的亚型。简单介绍一下它的分型原理：研究使用4个基因表达芯片数据集，定义1906个固有（intrinsic）基因，并对189个患者的这些基因的表达矩阵进行层次聚类，使用SigClust对层次聚类结果划分，得到9个cluster，包含 luminal A , luminal B, HER2-enriched , normal-like，和 Basal-lik类。然后进行基因集精简，每个分组选择top10的基因，最终得到5个分组的共50个基因。

数据及方法

1. 转录组分析：文章在转录组层面收集了四套数据1）2019年Abida等人发表的SU2C/PCF队列中活检组织的RNAseq数据并进行了排序和对齐。2）Brady等人发表的UW mCRPC队列肿瘤组织的RNAseq数据和DSP数据，并进行了排序和对齐。3）Kumar等人2016发表的UW mCRPC队列的肿瘤芯片数据。4）Labrecque等人所述的LuCaP PDX RNAseq数据，也进行了测序和比对。此外，研究使用转录丰度作为R包edgeR和limma的输入，来评估差异表达。研究将肿瘤划分为PAM50类别，并将分类限制在LumA, LumB和Basal，去除了Her2和Normal样本。

2. 基因组分析：文章在基因组层面通过外显子组数据确定SU2C/PCF队列中RB1和TP53双等位基因缺失、AR扩增和AR突变。此外，研究也确定了CDK12的双等位基因缺失和核心同源性DNA修复基因(HRG)以及COSMIC突变的“Signature3”(CSig3)状态以及TMPRSS2-ERG (T2-ERG)融合状态。AR剪切则是使用STAR包中的sjFromSAMcollapseUandM awk脚本从STARaligned BAM文件中提取。

3. 组织形态学评估：研究中两位病理学家对142例有相应RNAseq数据的肿瘤组织切片进行独立评估。所有切片均使用扫描仪进行数字化，进而评估肿瘤形态并将其分为腺癌、未特别指定的高级别癌(NOS)、高级别神经内分泌癌等。

主要内容及结果

1.根据PAM50基因表达特征对转移性前列腺癌进行分类

在文章的第一部分，作者对mCRPC的分型进行了介绍。文章分析了SU2C及TCGA等多个队列的mCRPC患者转录数据,使用PAM50算法，通过PAM50基因组中基因的表达水平，将mCRPCs归为Basal,LumA, LumB三类(图1A)。此外，作者也在Basal mCRPCs中观察到AR水平的显著降低及AR活性的丧失（图1B,C）。作者分析也发现LumB和Basal癌的增殖指数明显更高(图1D,E)。接下来，作者分析了基于PAM50的分类与基于AR/NE程序活动的mCRPC分类之间的关系。结果发现NE相关基因的表达在Basal肿瘤中略微富集，不过Basal肿瘤中包括具有和不具有NE特征的肿瘤（图1F）。而SU2C队列中，大多数mCRPCs被归类为AR+/NE-，近50%归类为LumA，其余分为LumB和Basal（图1G）。作者进一步观察也发现对于大多数常见的基因组改变，如TP53肿瘤抑制因子缺失和同源定向DNA修复(HRR)基因突变，在PAM50亚型之间的表达没有显著差异（图1H）。

2. PAM50分类的mCRPCs具有明显的特征

在文章的第二部分，作者试图识别基于PAM50分类的肿瘤亚型的其他特征。作者首先确定了每个PAM50亚型特有的差异表达基因（图2A）。结果发现，Basal亚型有3889个基因上调，3892个基因下调，LumA亚型有2252个基因上调，1924个基因下调，LumB亚型有2902个基因上调，3222个基因下调（图2B,C）。作者也发现Basal亚型中AR调控基因差异减少，而增殖相关基因在LumA亚型中差异减少（图2D-F）。进一步分析作者也发现LumA亚型富集的通路包括TGFß信号、血管生成和NOTCH信号，而DNA修复和糖酵解通路活性降低(图2G)。LumB亚型肿瘤显著增加MYC活性、脂肪酸代谢、胆固醇稳态、氧化磷酸化、糖酵解等通路(图2G,H)。Basal亚型肿瘤表现为TNFA通路活性升高、炎症反应以及与成体干细胞状态相关的基因表达增加(图2G,I)。此外，研究也观察到具有筛状特征的腺癌在 LumA亚型中显著富集（图2J,K）。

3. PAM50分类在个体和肿瘤内的一致性和不一致性

在文章的第三部分，作者为了确定在不同转移部位的单个患者中PAM50分类是否存在差异，评估了58例mCRPC男性患者的肿瘤，并获得了多个转移瘤，作者在图3A 概括了SU2C的PAM50分类谱，作者发现60%患者的所有肿瘤都接受了相同的PAM50分类，即肿瘤个体内异质性总体程度较低(图3B)。接着作者为了评估原发肿瘤表型和相应转移瘤之间的关系，分析了UW队列中的19名患者，这些患者分析了尸检时原发肿瘤和转移瘤的转录谱，最终分型结果如图3C所示。为了进一步评估PAM50分类的异质性程度，作者继续分析了通过转移性CRPC肿瘤间和肿瘤内多个感兴趣区域(ROIs)的DSP获得的基因表达数据集，结果发现RNAseq和基于DSP的PAM50分类基本一致(图3D,E)。通过DSP分析，也观察到11名男性所有肿瘤的ROIs均为相同的PAM50分型（图3F）。

4. PAM50分型相关的药物靶点和治疗结局

在文章的最后一部分，作者对PAM50分型相关的药物靶点和治疗结局进行了分析。分析发现PAM50亚型之间有1134个基因差异表达，这表明其可用药通路和基因存在显著差异（图4A）。作者也发现，MYC通路在LumB肿瘤中显著增加(图2H)， CDK4的表达(图4B)也是如此。此外，糖皮质激素受体在LumA肿瘤中差异上调(图4C)。分析也发现布鲁顿酪氨酸激酶( BTK)表达在Basal肿瘤中差异增高(图4D)。此外，结果也展示几个细胞表面蛋白在不同的PAM50亚型中差异表达，包括STEAP在LumA和LumB肿瘤中高表达，FOLH1/PSMA在LumA亚型肿瘤中高度表达(图4E-J)。接下来作者为了确定前列腺癌亚型是否与治疗反应相关，利用RNAseq数据对一组前列腺癌异种移植(PDX)患者应用PAM50分类器，分类结果如图5A所示。接下来，作者评估了PAM50组在PDX肿瘤中的差异表达，结果发现在PDX和LumA患者肿瘤中均有905个基因上调，在LumB中有1055个基因上调，在Basal中有2502个基因上调(图5B)。此外研究也发现分类为LumA和LumB的PDXs对ADT的缓解率明显高于Basal亚型肿瘤(图5D)，且对SPT的反应趋于显著(图5E)。对于多西他赛，LumA肿瘤表现出较高的缓解率(图5F-H)。研究也发现在SU2C mCRPC队列中，有99例患者接受了AR通路信号抑制剂，被归类为LumA的肿瘤患者在开始使用这些药物治疗后的总生存期为30.7个月，而LumB肿瘤患者为17.6个月，Basal肿瘤患者为17.7个月（图6A），且LumA亚型肿瘤患者治疗的中位时间也更长（图6B）。作者也对58例患者进行了多个肿瘤评估(图6C)。结果发现与Basal亚型相比，LumA患者接受多西他赛治疗的时间更长(图6D)。当LumA和LumB合并时，Basal肿瘤患者多西他赛治疗时间明显短于Luminal肿瘤(图6E)。

到这里这篇文章的主要内容就介绍完了，文章纳入多套公共数据集，借鉴乳腺癌的分类算法对转移性去势抵抗性前列腺癌进行了分型分析。由于癌症具有非常强的异质性，因此癌症的分型一直是癌症研究的经典方向，这篇文章用到的方法并不复杂，分析的也基本是公共数据，却发到了12+，是一篇非常值得参考借鉴的纯生信分型文章。此外，文章假设合理，逻辑清晰，内容充实，也同样值得我们学习。