了解乳腺癌复发、转移扩散

辛辛那提大学和辛辛那提儿童医院医学中心的研究人员在《PLoS ONE》杂志上发表了关于代谢特征的新发现，这些特征有助于预测乳腺癌的结果，并可能为新的治疗方法开辟道路。

　　

   

   

Susan Waltz博士。    

尽管在癌症检测和治疗方面取得了进步，但乳腺癌复发或扩散仍然是研究人员和肿瘤学家面临的挑战。

美国癌症协会估计，2021年有44130名美国人死于复发或转移性乳腺癌。当癌症复发时，患者的10年存活率从93%下降到27%，当癌症复发并扩散到身体其他部位时，10年存活率下降到7%。

来自辛辛那提大学和辛辛那提儿童医院医学中心的研究人员正在研究乳腺癌复发的生物学机理。由加州大学的Waltz博士和辛辛那提儿童大学的Susanne Wells博士领导的研究小组在9月6日的《PLoS ONE》杂志上发表了关于生物标志物的最新发现，这些标志物有助于预测结果，并可能成为新的治疗方法的靶点。

研究背景

Waltz说，与Wells实验室的合作大约始于15年前，当时两个研究小组都在研究不同的致癌基因，即帮助加速癌细胞生长的基因，称为罗恩和DEK。

加州大学医学院癌症生物系教授、辛辛那提大学癌症中心成员Waltz说:“我们表明，Ron和DEK在乳腺癌中都非常重要，而且Ron和DEK都独立地与乳腺癌患者较差的总体生存期有关。我们知道，Ron和DEK作为基因在预测乳腺癌复发方面非常重要，但目前还没有最好的药物至少可以针对DEK。”

目前的研究主要集中在代谢可塑性的作用，也就是体内的代谢是如何不断变化的，这在癌症如何生长和复发中起着重要的作用。

加州大学儿科教授、辛辛那提儿童中心上皮癌变和干细胞项目主任、癌症中心成员Wells说:“我们的新陈代谢在不断变化，这取决于我们的基因结构，也取决于我们摄入和接触的物质。癌细胞喜欢某种被称为癌症代谢的代谢，并促进癌症的形成和扩散。”

研究结果

研究小组发现，Ron和DEK基因可以调节新陈代谢过程中分解食物、药物、化学物质时产生或使用的某些代谢物，从而帮助癌细胞生长和扩散。

Waltz说:“所以我们四处寻找，发现了代谢物的变化，然后利用这些变化，回去找出哪些酶参与了这些代谢物的调节。”

通过研究相关的酶，该团队确定了一种代谢特征，可以帮助更好地预测患者的预后。除了作为一个有用的生物标志物，代谢特征本身可能是一个新的治疗的潜在目标。

Waltz说:“我们可以利用这些代谢途径来了解如何更好地治疗癌症患者，从而使他们不容易患乳腺癌复发。这可能是饮食，可能是治疗患者的不同方式，与我们现在给患者使用的有毒药物相比。”

例如，如果某种酶的高水平预示着更好的结果，营养补充剂或其他治疗可以帮助促进这种酶的活性。或者，如果某一代谢物水平高预示着更糟糕的结果，治疗可以通过阻断该通路中相关酶的功能来减少该代谢物。

“调节代谢物比调节基因容易得多，”Wells说。“现在我们真的开辟了一条更广阔的道路，而不仅仅是针对Ron和DEK。希望有一天，我们可以通过针对癌症代谢来治疗癌症的这些最糟糕的特征。”

Waltz说，进一步的研究将包括观察罗恩和DEK如何影响其他分子，如脂质或脂肪酸，这些分子也在新陈代谢中发挥作用。通过进一步定义与乳腺癌患者结果一致的更具体的代谢特征，可能会发现更多的新治疗途径。

“换句话说，哪一种代谢物是导致这些不良结果的最重要因素，以及我们如何针对它，”Wells说。

持续的合作

Waltz和Wells说，他们实验室的合作已经超越了研究，包括更多的合作讨论和对学生和实验室工作人员的培训。

Waltz说:“这对我的实验室来说很有趣，因为我认为研究最好不要在真空中进行，当你有对事物持不同观点的合作者时，这真的很棒。这有助于激发实验室成员的活力，因为他们知道科学不是在泡沫中完成的。这对我们意义重大，因为我们都有一个想法，我们一起努力，让这个想法成为现实。”

Wells补充说:“一起写作、一起思考真的很有趣，让学生和教职员工走到一起也很有趣。这并不是说我们把每个实验室的贡献加在一起，实现了多一点，而是我们的工具和专业知识的协同效应。”

研究人员还得到了辛辛那提儿童中心基于核磁共振的代谢组学核心的帮助，该中心为进行代谢相关研究的研究人员提供了最先进的技术。

“这个代谢组学设施真的是一个伟大的桥梁，不同的小组和实验室做代谢组学的工作，在中间汇合，与辛辛那提儿童和UC，所以这是非常重要的，”Wells说。

Waltz和Wells特别注意到Sara Vicente-Muñoz的工作，她是该研究的共同第一作者，也是辛辛那提儿童代谢组学核心的研究助理，在取得研究进展。

“Sara真的推动了这个项目的发展，”Waltz说。“在合作的基础上，我们必须想出办法，把加州大学和辛辛那提儿童学院还没有做的事情做到。莎拉为我们做到了这一点。”

NMR-based metabolomic analysis identifies RON-DEK-β-catenin dependent metabolic pathways and a gene signature that stratifies breast cancer patient survival