多模态多组学综合分析揭示肺癌肿瘤的表观遗传和转录重编程：为精准诊疗照亮新方向

《Communications Biology》：Comprehensive multimodal and multiomic profiling reveals epigenetic and transcriptional reprogramming in lung tumors

为深入探究非小细胞肺癌（NSCLC）的分子机制，研究人员对 18 例 I 和 II 期肿瘤及 20 例非肿瘤组织进行多模态多组学分析。他们发现肿瘤与非肿瘤组织在组蛋白修饰、转录组等方面存在差异，这有助于理解 NSCLC 发病机制，为治疗提供新靶点。

　　在肺癌研究领域，非小细胞肺癌（NSCLC）一直是人们关注的焦点。它作为癌症死亡的主要原因之一，占据了所有肺癌病例的 85%。尽管多年来在 NSCLC 的诊断和治疗方面取得了一定进展，但要更有效地指导临床治疗决策，仍需深入了解其分子基础。过去，对原发性肿瘤样本的研究虽然揭示了一些关键信息，但由于技术限制，在对人类肿瘤组织进行全基因组水平的组蛋白修饰分析时存在困难，尤其是对抑制性组蛋白标记如 H₃K27me³和 H₃K9me³的研究较少。因此，为了填补这些知识空白，来自美国加利福尼亚大学圣地亚哥分校和弗吉尼亚理工大学的研究人员展开了一项重要研究。他们的研究成果发表在《Communications Biology》杂志上，为我们理解 NSCLC 的发病机制和寻找潜在治疗靶点提供了新的视角。

研究人员为了深入剖析 NSCLC 的分子机制，开展了一项综合多组学研究。他们运用了低输入技术 MOWChIP-seq 和 Smart-seq2，对 18 例 I 和 II 期非小细胞肺癌（肺腺癌亚型）肿瘤组织以及 20 例非肿瘤组织进行研究。通过这些技术，他们对 5 种关键组蛋白修饰标记（激活标记 H₃K4me³、H₃K4me¹、H₃K27ac；抑制标记 H₃K27me³、H₃K9me³）和基因表达进行检测。

研究结果主要分为以下几个方面：

1. 多模态多组学分析数据质量高：MOWChIP-seq 技术在检测不同组蛋白修饰时，产生的平均独特读数分别为：H₃K27ac 约 1220 万、H₃K4me³约 1700 万、H₃K4me¹约 1220 万、H₃K27me³约 2550 万、H₃K9me³约 3780 万，且背景噪声低。RNA-seq 数据集平均获得约 1110 万唯一比对读数，映射率达 69.3%。这些数据表明研究人员成功通过低输入技术获得了高质量数据。
2. 差异分析揭示变化：研究人员利用 DiffBind 和 DESeq2 分别识别差异修饰的表观遗传区域（DMERs）和差异表达基因（DEGs）。结果发现，肿瘤与非肿瘤组织之间在组蛋白修饰和基因表达谱上存在显著改变。共鉴定出大量差异修饰区域，如 27233 个 H₃K27ac 区域、44677 个 H₃K4me¹区域等，以及 1053 个 DEGs。这些差异基因在癌症和细胞增殖 / 凋亡相关通路中显著富集，同时多个信号通路如 Rap1 信号通路、PI3K-Akt 信号通路等在肿瘤发生过程中发挥重要作用。
3. 聚类分析显示基因组区域特征：通过 EpiSig 进行无偏的无监督整合分析，研究人员将基因组区域分为 6 个不同部分。其中，I 和 II 部分富含活性组蛋白标记，包含大量 DMERs，表明 NSCLC 与非肿瘤组织之间的差异受活性基因组区域动态变化影响。IV 和 V 部分为抑制区域，V 部分富含 H₃K9me³，与 chrX 和 chr19 相关。III 和 VI 部分为转录区域，富含 RNA-seq 信号。
4. 整合分析发现染色质组织变化：运用 findRAM 方法，研究人员识别出肿瘤组和非肿瘤组的共识调节相关模块（cRAMs），分别为 760 个和 759 个，其中 682 个是两组共享的。此外，还有 88 个差异 cRAM 区域，这些区域功能分析发现富集了多种癌症相关通路，如 ECM - 受体相互作用通路等，表明染色质结构变化在 NSCLC 中具有重要意义。
5. 基因调控网络分析确定关键分子：通过构建基因调控网络（GRN），研究人员计算转录因子（TFs）的 PageRank 得分，识别出 68 个差异 PageRank 得分的 TFs。其中，SPDEF 在肿瘤样本中表达较高，其调节的分子包括早期生物标志物、治疗靶点等多种生物分子，涉及 SUMOylation、调节 IFNγ 信号等多个与 NSCLC 发展相关的通路。

研究结论和讨论部分强调了该研究的重要意义。研究人员利用低输入技术实现了对少量组织样本中 5 种组蛋白标记和转录组的高质量分析，建立了完整的多组学研究流程。通过对活性和抑制性组蛋白标记的全面分析，揭示了染色质结构变化不仅仅是单一表观遗传标记的修饰。差异 cRAMs 分析为研究肿瘤发生过程中的基因组变化提供了重要依据，而 GRN 分析确定的关键 TFs 和调节分子，为进一步理解 NSCLC 的发病机制和寻找潜在治疗靶点提供了有力支持。然而，研究中发现的分子特征还需要更大样本队列的进一步验证。这项研究为深入理解实体肿瘤的复杂性提供了帮助，有望推动癌症治疗的发展，为精准医疗提供新的思路和方向。

在研究方法上，研究人员获取了美国加利福尼亚大学圣地亚哥分校 Moores 癌症中心生物样本库的 18 例非小细胞肺癌（肺腺癌）和 20 例非肿瘤肺组织样本。运用 MOWChIP-seq 技术检测组蛋白修饰，Smart-seq2 技术进行转录组分析。通过多种生物信息学方法，如 DiffBind、DESeq2、EpiSig、findRAM、Taiji 等对数据进行处理和分析，从而得出上述研究结果。