急性髓系白血病中转录后调控网络的解码：PTR保守性分析及POSTCODE工具开发揭示新的精准医疗策略

《Communications Biology》：Integrated analysis of post-transcriptional regulations reveals insights into acute myeloid leukemia

本文推荐研究人员针对急性髓系白血病（AML）中转录后调控机制不清的问题，开展了整合转录组与蛋白质组的PTR（Protein-to-mRNA Ratio）分析。研究通过多变量回归识别了影响PTR的关键特征，发现PTR在AML样本与人体组织中高度保守，并开发了POSTCODE工具用于解析omics数据中的转录后调控变化。该研究为理解AML的基因表达调控提供了新视角，有助于发现新的精准医疗策略。

　　

在肿瘤生物学研究领域，基因表达调控长期以来主要聚焦于转录水平的变化。然而，越来越多的证据表明，转录后调控机制在决定最终蛋白质表达水平中扮演着至关重要的角色。特别是在急性髓系白血病（AML）这种高度异质性的血液恶性肿瘤中，转录组与蛋白质组之间的相关性往往较弱，提示存在复杂的转录后调控网络。然而，由于缺乏系统性分析工具，这些调控机制在很大程度上仍处于研究的"盲区"。

蛋白质-mRNA比值（PTR）作为一个能够综合反映转录后调控过程的指标，包括mRNA稳定性、翻译效率、蛋白质降解等多个环节，为理解这一复杂调控网络提供了独特视角。尽管在健康人体组织中已有PTR的相关研究，但在AML中这一指标的特征和调控机制尚不明确。

为了解决这一问题，研究人员开展了一项整合性研究，通过对44个AML样本的转录组和蛋白质组数据进行系统分析，揭示了PTR在AML中的保守性规律及其调控决定因素。研究发现，PTR值在不同的AML样本和人体组织间表现出惊人的保守性，暗示其受到广泛保守的转录后调控机制驱动。

为了深入解析这些调控机制，研究团队收集了超过1000个与转录后调控相关的"代理指标"（proxies），涵盖了mRNA sequestration、翻译效率、RNA/蛋白质稳定性等多个方面。通过多变量回归分析，他们识别出了影响PTR值的关键特征因素。

研究中最有趣的发现之一是"阴影蛋白质组"（shadow proteome）现象——即那些在质谱分析中经常检测不到的蛋白质，可以部分归因于其预测的PTR值较低。这一发现为理解蛋白质组学数据中的检测盲点提供了新解释。

鉴于现有工具的缺乏，研究人员开发了名为POSTCODE的新工具，能够为组学数据集注释PTR相关代理指标，从而检测转录后调控的变化。将该工具应用于AML数据集，可以更好地理解差异表达背后的机制，包括蛋白质稳态、翻译、RNA稳定性或转录本定位等方面的改变。

关键技术方法包括：从TCGA数据库获取44个AML样本的转录组和蛋白质组数据，使用Label-Free Quantification（LFQ）和"proteomic ruler"方法计算PTR值；整合超过1000个代理指标进行多变量回归分析；开发POSTCODE工具用于组学数据注释和分析；应用fGSEA（fast Gene Set Enrichment Analysis）进行功能富集分析。

PTR在44个AML样本和30种不同人体组织中高度保守

研究人员首先分析了来自TCGA数据库的44个AML患者原始细胞以及3名健康供者（HD）的CD34+细胞的转录组和蛋白质组数据。结果显示，虽然RNA或蛋白质表达单独分析时样本间相关性较高，但转录组与蛋白质组之间的相关性较弱，表明AML中存在显著的转录后调控作用。

通过计算6669个基因的PTR值，研究发现PTR值在样本间高度相关，且在French-American-British（FAB）亚型和European Leukemia Net（ELN）分类亚组间也显示出强烈的保守性。更重要的是，AML和HD CD34+细胞的PTR与29种不同人体组织（来自Human Proteome Atlas，HPA）的PTR高度一致，表明转录后调控机制在不同组织间具有广泛的保守性。

5'UTR代理指标影响翻译起始并影响PTR

研究发现5'UTR区域的多个特征与PTR值相关。较长的5'UTR与较低的PTR值相关，而5'UTR的RNA二级结构（通过RNA折叠能量ΔG衡量）也与PTR值显著相关。低PTR基因的5'UTR具有更高的全局ΔG值，表明其结构更加复杂。即使将ΔG值按序列长度标准化后，这种关联仍然存在。

研究人员重点关注了两种关键的解旋酶EIF4A1和DDX3X，它们促进5'UTR解旋。通过分析这些解旋酶功能受损细胞的核糖体分析数据，发现无论使用治疗性抑制剂（Hippuristanol和Silvestrol）、siRNA、shRNA还是auxin degron构建体，EIF4A1和DDX3X的靶标都具有结构化的5'UTR和相应的低PTR。

此外，研究还发现含有rG4（RNA G-四链体）序列的转录本与低PTR显著相关，而含有IRES（内部核糖体进入位点）序列的转录本未显示与高或低PTR的显著富集。上游开放阅读框（uORF）和上游AUG（uAUG）与低PTR强烈相关，而5'TOP（寡嘧啶束）和帽子非依赖性转录本与高PTR显著相关。

编码序列（CDS）中的PTR代理指标揭示翻译效率与转录本稳定性之间的相互作用

研究发现CDS长度是一个关键因素，较长的CDS与较低的PTR相关。非AUG起始密码子的存在与特别低的PTR值相关。与5'UTR中观察到的关系相反，起始密码子下游的高度结构化区域与较高的PTR值相关，尽管差异较小。

密码子适应性指数（CAI）分析显示，极端PTR具有不同的CAI，非常低的PTR具有低CAI，而非常高的PTR具有高CAI。对每个氨基酸的密码子使用频率分析发现，与高PTR相关的基因富含某些密码子（如CTG和CTC），而与低PTR相关的基因则富含非最优密码子。

研究发现密码子偏好性通过影响翻译速率、延伸和转录本稳定性来影响PTR。密码子稳定系数（CSC）和解码时间与PTR值有明显的对应关系，而tRNA适应指数（tAI）、tRNA基因组拷贝数以及tRNA表达与PTR的相关性较弱。

3'UTR中的PTR代理指标揭示转录后抑制中心

研究发现较长的3'UTR与较低的PTR值相关，而较短的3'UTR对应较高的PTR。较高的3'UTR全局ΔG与较低的PTR相关。利用来自284个RBP的CLIP-seq数据，研究人员通过fGSEA分析对RBP进行了分类，发现具有正标准化富集分数（NES>0）的RBP与高PTR相关，主要参与RNA代谢、核糖体生物发生和翻译；而具有负NES（NES<0）的RBP与低PTR相关，主要参与转录本稳定性、降解、 sequestration和基因表达抑制。

研究发现mRNA表观遗传标记与PTR的关系：3'UTR或CDS中含有m⁶A标记的转录本，以及含有m⁵C或ψ（假尿苷）修饰的转录本与较低的PTR显著相关；而含有Nm修饰的转录本在高PTR基因中富集。3'UTR中的其他开放阅读框（dORF）与较高的PTR相关。

miRNA介导的基因沉默与PTR的关系分析显示，除一个miRNA基因集外，所有miRNA基因集均表现出负的标准化富集分数（NES<0），表明miRNA靶标通常具有低PTR值，与miRNA的抑制功能一致。

蛋白质组成和结构影响PTR水平

研究发现某些氨基酸（如缬氨酸V、甘氨酸G、异亮氨酸I、丙氨酸A、赖氨酸K、苯丙氨酸F、蛋氨酸M和酪氨酸Y）在高PTR基因中富集，而其他氨基酸（如丝氨酸S、脯氨酸P、组氨酸H、谷氨酰胺Q、半胱氨酸C和苏氨酸T）在低PTR基因中更普遍。氨基酸稳定系数（AASC_prot）可以解释为什么某些氨基酸在高PTR中富集，而其他氨基酸在低PTR中富集。

蛋白质半衰期与PTR在PTR值达到约10⁴之前呈现强相关性，对于更高的PTR值相关性较弱。RNA和蛋白质半衰期决定因素AASC_prot与AASC_RNA非常接近，后者估计不同氨基酸对mRNA稳定性的影响。

代理指标整合实现PTR预测并解释阴影蛋白质组

研究发现与低PTR最强烈相关的连续代理指标包括5'UTR、CDS和3'UTR长度、转录本在应激颗粒（SGs）或处理小体（PBs）中的隔离以及丝氨酸或脯氨酸等氨基酸的相对丰度。与高PTR最强烈相关的代理指标包括RNA和蛋白质半衰期、翻译效率（TE）、翻译速率（TR）、延伸速度指数（EVI）以及某些氨基酸（如甘氨酸或丙氨酸）的相对数量。

通过多元线性回归使用48个选定的代理指标，建立的模型可以解释PTR方差的36.5%。该模型为阴影蛋白质组（在蛋白质组学实验中仍未检测到的编码基因蛋白质）提供了见解。研究表明，阴影蛋白质组中的基因往往比在蛋白质组学实验中检测到的基因具有更低的预测PTR。

POSTCODE：用于解读组学数据集中转录后调控复杂性的流程

研究人员开发了POSTCODE流程，使用这些代理指标来检测差异基因表达（DGE）分析中的转录后调控失调。将该流程应用于各种AML数据集，可以揭示转录后调控并避免组学数据分析解释中的偏差。

应用POSTCODE对44个原发性AML样本的蛋白质组学数据进行分析，揭示了广泛的亚型特异性多个代理指标的富集。将AML蛋白质组与健康供体来源的CD34+细胞进行比较时，观察到AML中PTR-high基因的一致上调。这种上调与高mRNA稳定性、高翻译效率和低P-bodies隔离相关的代理指标富集相关。

研究结论与意义

这项研究通过对AML中转录后调控的综合分析，揭示了PTR在不同组织和AML亚型中的保守性规律，并识别了影响PTR值的关键调控因素。研究发现不仅证实了许多已知的转录后调控机制，还提供了新的见解，特别是关于阴影蛋白质组的形成机制。

开发的POSTCODE工具为研究人员提供了一个强大平台，用于分析和解释组学数据中的转录后调控变化，有助于更全面地理解基因表达调控网络。该工具的应用揭示了AML中亚型特异性的转录后调控程序，为开发新的精准医疗策略提供了重要资源。

这项研究的重要意义在于它将多种转录后调控代理指标整合到一个统一的分析框架中，使研究人员能够更系统地理解这些复杂调控网络之间的相互作用。通过提供预测PTR值和识别转录后调控变化的方法，该研究为未来在AML和其他疾病中的转录后调控研究奠定了坚实基础，有望推动新的治疗策略的开发。