《Molecular Medicine》基于药物基因组学解锁胰腺癌分子亚型，精准指引治疗新方向

为解决胰腺癌治疗预后差、缺乏有效分层管理和个体化治疗策略的问题，郑州大学第一附属医院等单位研究人员开展基于药物基因组学的胰腺癌亚型研究，发现三种亚型并明确其特性。这为精准治疗提供方向，强烈推荐科研读者阅读。

　　

胰腺癌（Pancreatic adenocarcinoma，PAAD），这个隐匿在身体深处的 “健康杀手”，正以越来越高的频率出现在人们的视野中。随着肥胖问题的加剧和人口老龄化，它的发病率一路攀升，可治疗预后却始终让人揪心。全球范围内，胰腺癌的 5 年生存率仅为 11%，是癌症相关死亡的第七大原因，在西方国家，预计到 2030 年它将成为癌症死亡的第二大负担 。大部分患者在确诊时，病情已经发展到局部晚期或发生转移，即便那些幸运的、处于可切除或临界可切除阶段的患者，术后 5 年生存率也只有 20% 。

目前，针对胰腺癌的治疗手段十分有限。虽然 PARP 抑制剂奥拉帕利（olaparib）的出现，给携带 BRCA 突变的转移性胰腺癌患者带来了新的希望，显著延长了他们的无进展生存期，但由于胰腺癌复杂的间质和高度异质的肿瘤微环境（Tumor microenvironment，TME），治疗过程中常常伴随着各种问题。比如，不恰当的治疗会导致 40% 的患者出现 3 级或更高级别的药物不良反应，而且化疗耐药问题也日益严重，就连一线药物吉西他滨（gemcitabine）在化疗初期几周内都可能产生耐药性。此外，现有的一些分子亚型分类在临床应用上也受到很大限制，因此，迫切需要开发新的分层管理和个体化治疗策略，来改善胰腺癌患者的临床结局。

在这样的背景下，郑州大学第一附属医院等单位的研究人员在《Molecular Medicine》期刊上发表了题为 “Pharmacogenomics-based subtype decoded implications for risk stratification and immunotherapy in pancreatic adenocarcinoma” 的论文。他们的研究发现，基于药物基因组学可以将胰腺癌分为三种亚型，这三种亚型在预后、生物学特性、免疫微环境、基因组变异、免疫治疗反应和个体化管理策略等方面都存在显著差异。这一成果为胰腺癌的精准治疗提供了新的方向，意义重大。

研究人员在开展这项研究时，用到了几个关键的技术方法。首先，他们从多个公共数据库（如 GEO、TCGA、ICGC 等）收集了大量的胰腺癌样本数据，包括基因表达数据、临床信息以及药物反应数据等。接着，利用非负矩阵分解（Non - negative matrix factorization，NMF）算法对数据进行处理，识别出与药物反应相关的特征基因，并据此将胰腺癌分为不同的亚型。之后，通过加权基因共表达网络分析（Weighted correlation network analysis，WGCNA）寻找各亚型的特征基因模块，利用最近模板预测（Nearest template prediction，NTP）算法验证亚型分类的稳定性和可靠性 。此外，还运用了基因集变异分析（Gene set variation analysis，GSVA）、基因集富集分析（Gene set enrichment analysis，GSEA）等方法来探究各亚型的生物学功能和信号通路。

下面我们来详细看看这项研究的结果。

1. 识别药物反应特征基因：研究人员依据 PRISM 和 GDSC 数据集，找出了 17 种候选药物对应的敏感、部分缓解和耐药的胰腺癌细胞系。经过分析，发现 5 - 氟尿嘧啶（5 - fluorouracil）、顺铂（cisplatin）等 7 种经典药物在敏感和耐药组之间存在一致的基因表达差异，进而得到了 46 个药物反应特征基因。

2. 基于药物反应特征基因建立三种亚型：将 46 个药物反应特征基因输入 NMF 算法进行计算，确定了最佳聚类数为，也就是将胰腺癌分为了三种亚型。从共识图能看出，各亚型内部一致性强，不同亚型之间差异明显。而且，这三种亚型的生存曲线差异显著，其中亚型 3 预后最好，亚型 1 最差，亚型 2 处于中间水平。

3. 验证亚型在两个队列中的重复性和可靠性：研究人员用 WGCNA 算法找到了各亚型的模块 - 性状基因，再结合差异分析得到的亚型特异性上调基因，获得了各亚型的特征基因。通过 NTP 算法在 TCGA - PAAD 和 ICGC - Meta 队列中进行预测，发现模块 - 性状基因在相应亚型中显著富集，两个验证队列中亚型的分布与训练集一致，Submap 分析也表明训练集和验证队列中相应亚型的转录模式相似，生存曲线也显示出良好的一致性。这说明研究人员成功地在不同队列中捕捉到了稳定的亚型分类。

4. 各亚型的特定生物学功能：通过 GSEA 算法对三种亚型的生物学功能进行研究，发现亚型 1 主要富集在与细胞周期调控相关的增殖通路，比如 E2F、E2A 和 E2F3 靶点相关通路；亚型 2 则在免疫相关通路中富集，像 B 细胞受体信号通路、免疫复合物和 T 细胞受体复合物相关通路等；亚型 3 在代谢通路方面表现突出，例如与 α - 氨基酸分解代谢过程、钙离子调节的胞吐作用等相关的通路。GSVA 分析也证实了这些结果，亚型 1 在增殖和干性方面得分高，亚型 2 体现为免疫功能，亚型 3 则侧重于代谢功能。

5. 多种免疫微环境：对三种亚型的免疫微环境进行分析时发现，亚型 2 的几乎所有免疫细胞浸润都很显著，肿瘤纯度在三种亚型中最低，与免疫细胞的高浸润情况相符。而亚型 1 和 3 的免疫细胞浸润密度较低，肿瘤纯度较高。通过癌症免疫周期（Cancer - immune cycle，CIC）理论分析，发现亚型 2 在免疫过程的各个步骤中活性都更高。此外，亚型 2 中多个免疫检查点分子（如 PD - L1、PDCD1、CTLA - 4 等）和共刺激分子表达广泛，多个免疫治疗相关指标（如 TIS、APS 等）也显著高于其他亚型。在纳入的六个扩展队列中进行 Submap 分析，结果显示亚型 2 与免疫治疗反应人群的转录模式相似，这表明亚型 2 的患者可能对免疫治疗反应更好。

6. 三种亚型的分子特征：对三种亚型的多组学特征进行分析，发现 KRAS、TP53、CDKN2A 和 SMAD4 这四种驱动基因突变在三个亚型中均有出现。在肿瘤突变负荷（Tumor mutation burden，TMB）、基因组改变比例（Fraction of genome alteration，FGA）等指标上，亚型 1 的突变在全基因组中占比最大，具有高染色体不稳定性（Chromosome instability，CIN）的特征，这也与它最差的预后以及增殖和干细胞样的特性相符。此外，还发现了各亚型在染色体片段的扩增和缺失方面存在差异，以及一些经典致癌基因在特定亚型中的突变情况。

7. 亚型 1 和 3 的药物敏感性：针对对免疫治疗无反应甚至耐药的亚型 1 和 3，研究人员开发潜在的敏感药物。结果发现，多种常规胰腺癌治疗药物在亚型 3 中的 IC50 值较低，说明亚型 3 对这些药物可能更敏感；而亚型 1 对多种常规化疗药物不敏感，尤其是 5 - 氟尿嘧啶，在六个队列中有五个队列中其 IC50 值都很高。通过相关性分析发现，ITGB6 与 5 - 氟尿嘧啶的 IC50 值呈正相关，意味着它可能促进了耐药性。体外实验也证实，敲低 ITGB6 可以增强胰腺癌细胞对 5 - 氟尿嘧啶的敏感性。

8. 临床精细化管理：研究人员收集了 86 个已发表的胰腺癌预后模型，根据不同亚型在训练集和验证集上的平均 C 指数，找到了最适合各亚型的预后生物标志物。例如，Li Z 等人建立的五 mRNA 风险预后特征在亚型 1 中 C 指数最高，Demirkol Canli S 等人开发的 20 - 基因预后评分与亚型 2 匹配度较高，Chen B 等人基于差异表达免疫相关基因（DEIRGs）建立的特征对亚型 3 的预后预测效果较好。

在讨论部分，研究人员指出，尽管癌症治疗技术在不断进步，但胰腺癌的死亡率却在上升，目前的一线治疗药物仍存在化疗耐药和不良反应等问题。他们基于药物基因组学将胰腺癌分为三种亚型，这为胰腺癌的分层管理和个体化治疗提供了重要依据。亚型 1 具有高 CIN 表型、对化疗耐药且预后最差；亚型 2 具有免疫活性表型，对免疫治疗有潜在响应；亚型 3 预后最好，对临床指南中的常规药物更敏感 。不过，这项研究也存在一些不足，比如没有考虑新辅助化疗和放疗对研究结果的影响，药物反应特征基因也未在分子水平上进行全面验证，还需要更多的研究来支持基于药物基因组学的亚型分类。

总的来说，这项研究建立了三种具有分层预后特征、可重复的药物基因组学分型，每种亚型都有不同的生物学功能。这不仅有助于深入了解胰腺癌的分子异质性，还为不同亚型的患者制定了更有针对性的治疗策略，在筛选免疫治疗的潜在药物方面也有重要意义，为胰腺癌的精准治疗开辟了新的道路，有望在未来显著改善胰腺癌患者的治疗效果和生存质量。