Identifying Personalized Metabolic Signatures in Breast Cancer.
Identifying Personalized Metabolic Signatures in Breast Cancer.
复制标题
DOI：
10.3390/metabo11010020
复制
发表时间：
2020-12-30
期刊：
影响因子：
4.1
通讯作者：
Price ND
中科院分区：
文献类型：
--
作者：
Baloni P;Dinalankara W;Earls JC;Knijnenburg TA;Geman D;Marchionni L;Price ND
癌细胞擅长重新编程能量代谢，这种代谢重新编程的精确表现表现在个体之间（以及细胞与细胞之间）表现出异质性。在这项研究中，我们分析了人际异质性癌症表型之间的代谢差异。我们对来自癌症基因组图谱（TCGA）的1156个乳腺正常和肿瘤样本的基因表达数据进行了差异分析，并将这些信息与人类代谢的基因组规模重建相结合，以生成个性化的，特定于背景的代谢网络。使用这种方法，我们将样本分为四个不同的组的基础上，他们的代谢谱。富集分析的子系统表明，氨基酸代谢，脂肪酸氧化，柠檬酸循环，雄激素和雌激素代谢，活性氧（ROS）解毒区分这四个组。此外，我们开发了一个工作流程，以确定潜在的药物，可以选择性地靶向与感兴趣的反应相关的基因。MG-132（一种蛋白酶体抑制剂）和OSU-03012（一种塞来昔布衍生物）是从我们的分析中鉴定出的排名最高的药物，已知具有抗肿瘤活性。我们的方法有可能提供对癌症特异性代谢依赖性的机制性见解，最终能够独立地识别每个患者的潜在药物靶点，为合理的个性化药物方法做出贡献。
Cancer cells are adept at reprogramming energy metabolism, and the precise manifestation of this metabolic reprogramming exhibits heterogeneity across individuals (and from cell to cell). In this study, we analyzed the metabolic differences between interpersonal heterogeneous cancer phenotypes. We used divergence analysis on gene expression data of 1156 breast normal and tumor samples from The Cancer Genome Atlas (TCGA) and integrated this information with a genome-scale reconstruction of human metabolism to generate personalized, context-specific metabolic networks. Using this approach, we classified the samples into four distinct groups based on their metabolic profiles. Enrichment analysis of the subsystems indicated that amino acid metabolism, fatty acid oxidation, citric acid cycle, androgen and estrogen metabolism, and reactive oxygen species (ROS) detoxification distinguished these four groups. Additionally, we developed a workflow to identify potential drugs that can selectively target genes associated with the reactions of interest. MG-132 (a proteasome inhibitor) and OSU-03012 (a celecoxib derivative) were the top-ranking drugs identified from our analysis and known to have anti-tumor activity. Our approach has the potential to provide mechanistic insights into cancer-specific metabolic dependencies, ultimately enabling the identification of potential drug targets for each patient independently, contributing to a rational personalized medicine approach.
登录
查看更多内容
影响因子：
4.1
作者：
Cazzaniga P;Damiani C;Besozzi D;Colombo R;Nobile MS;Gaglio D;Pescini D;Molinari S;Mauri G;Alberghina L;Vanoni M
通讯作者：
Vanoni M
优化屎肠球菌下一代序列数据的杂交组装：一种具有高度差异基因组的微生物
影响因子：
--
作者：
Wang Y;Yu Y;Pan B;Hao P;Li Y;Shao Z;Xu X;Li X
通讯作者：
Li X
影响因子：
11.5
作者：
Jerby, Livnat;Ruppin, Eytan
通讯作者：
Ruppin, Eytan
影响因子：
14.8
作者：
Heirendt, Laurent;Arreckx, Sylvain;Fleming, Ronan M. T.
通讯作者：
Fleming, Ronan M. T.
影响因子：
4.3
作者：
Agren R;Bordel S;Mardinoglu A;Pornputtapong N;Nookaew I;Nielsen J
通讯作者：
Nielsen J