Basic Information

• 英文标题： Multi-scale signaling and tumor evolution in high-grade gliomas
• 中文标题：多尺度信号和高级别胶质瘤的肿瘤演化
• 发表日期：NA
• 文章类型：Article
• 所属期刊：Cancer Cell
• 文章作者：Jingxian Liu | Clinical Proteomic Tumor Analysis Consortium
• 文章链接：https://www.sciencedirect.com/science/article/pii/S1535610824002290

Highlights

Para_01

• 代谢组和糖蛋白组数据揭示了驱动因素的相互作用及复发标志

• TERTp、PTEN或TERTp/EGFR的改变产生了类似的分子特征

• PTPN11信号传导将EGFR、PDGFR和IDH1与下游效应物联系起来

• IDH突变的HGG中发现了低水平的缺氧特征和减少的AMPKA活性

Summary

Para_01

1. 虽然胶质母细胞瘤（GBM）中的基因组异常已在过去十年中得到深入研究，但其五年生存率仍低于5%。
2. 我们旨在通过整合蛋白质组学、代谢组学、脂质组学及翻译后修饰（PTMs）与基因组和转录组测量，来拓展高级别胶质瘤的分子景观，该胶质瘤包括IDH野生型GBM和IDH突变型4级星形细胞瘤，借此揭示调控肿瘤发展和演化的多尺度调节交互作用。
3. 通过对228个肿瘤样本（212个GBM和16个IDH突变型4级星形细胞瘤），包括28个复发样本，以及18个正常脑组织样本和14个脑转移瘤样本作为对照进行14种蛋白质基因组和代谢组平台分析，我们发现了在蛋白质组学和代谢组学层面汇聚于共同下游事件的异质性上游改变，以及在复发时蛋白-蛋白相互作用和糖基化位点占有率的变化。
4. PTPN11上的反复遗传变异和磷酸化事件映射到三维空间中的重要调控域，表明PTPN11信号通路在高级别胶质瘤中发挥着核心作用。

Graphical abstract

Keywords

• CPTAC; glioblastoma; glycoproteomics; tumor recurrence; lipidome; metabolome; proteomics; single nuclei RNA-seq; single nuclei ATAC-seq

Introduction

Para_01

1. 胶质母细胞瘤（GBM）和其他高级别星形细胞瘤是最常见且致命的脑肿瘤之一，尽管数十年来进行了基因组分析，但5年生存率仍徘徊在5%以下。
2. 自从2008年癌症基因组图谱项目首次对GBM基因组进行表征以来，研究人员已投入大量努力探究基因组和转录组数据，以寻找新的治疗靶点，从而改善临床结果。
3. 深度基因组剖析对临床分类的贡献巨大，最终导致了世界卫生组织重新将IDH1或2突变肿瘤归类为4级星形细胞瘤，而非GBM。
4. 尽管如此，对于高级别胶质瘤的治疗进展甚微。
5. 鉴于靶向治疗药物很大程度上依赖于调节蛋白质功能，我们对来自200名患者的228个人类GBM和4级星形细胞瘤中的蛋白质及翻译后修饰（PTMs）进行了广泛研究，旨在识别影响高级别胶质瘤行为的调控网络，进而促进能够改变疾病进程的小分子抑制剂的发展。

Para_02

1. 蛋白质基因组学，如临床蛋白质肿瘤分析联盟对成人GBM2和儿童脑肿瘤的分析所示，侧重于将高质量的基因组、转录组和蛋白质组测量应用于前瞻性获取的大量(低百位数)肿瘤样本，以揭示可能影响细胞功能和肿瘤进展的信号传导和调控过程。
2. 在这项研究中，我们将先前的结果扩展到了一个独立的200名患者队列，并增加了一组来自同一患者的配对原发-复发性肿瘤，以初步了解与进展相关的蛋白质基因组变化。
3. 在可行的情况下，我们增加了有限的实验，旨在验证IDH1变异体和PTPN11变异体对下游信号事件的关键观察结果的功能有效性，同时使用CODEX平台提供了基于免疫组织化学的正交测量，该平台提供了与肿瘤微环境(TME)作用相关的空间信息。

Results

Para_01

1. 我们对200名高级别胶质瘤(HGG)患者的228个肿瘤样本以及18个不匹配的正常脑样本、14个脑转移样本和从25名纵向队列患者在多个时间点采集的切除样本进行了蛋白质基因组和代谢图谱分析（图1A和补充图S1；补充表S1）。
2. 总体而言，我们生成了一个全面的数据集，包括全外显子组测序(WXS)、全基因组测序(WGS)、DNA甲基化、miRNA、mRNA、单核RNA测序(snRNA)、蛋白质组、磷酸化蛋白质组、乙酰化蛋白质组、糖蛋白组、选择性反应监测(SRM)、PRISM（高压、高分辨率分离与智能选择及多重检测）-SRM、IMAC（固定金属亲和色谱）-SRM、代谢组和脂质组数据（图1B）。
3. 这使得我们可以利用53个纵向样本研究肿瘤复发时的蛋白质基因组变化，并利用整个队列研究超出遗传改变之外发生的共享和独特的分子及翻译后事件（图1C）。

• 图1. 研究队列概览、技术平台和检测方法 (A) 队列概览。
• (B) 在14个数据平台上量化的特点（不包括单核测序和多重成像）。
• 每个平台具体量化的特定特点如下：WXS-体细胞变异，WGS-体细胞变异，DNA甲基化-CpG探针，RNA-RNA转录本，miRNA-miRNA转录本，蛋白质组-蛋白质，磷酸蛋白质组-磷酸蛋白，乙酰蛋白质组-乙酰蛋白，糖蛋白质组-糖蛋白，PRISM SRM-蛋白质，IMAC SRM-磷酸蛋白，直接SRM-蛋白质，代谢组-代谢物，脂质组-脂质。
• PRISM：高压、高分辨率分离与智能选择及多重化。
• IMAC：固定金属亲和色谱。
• SRM：选择性反应监测。
• (C) 每项分析中使用的子队列。
• 另见补充图S1和补充表S1。

High-grade glioma evolution from diagnosis to recurrence is associated with genomic and proteomic drivers

从诊断到复发，高级别胶质瘤的演变与基因组和蛋白质组驱动因素相关

Para_01

1. 我们分析了一个纵向队列，该队列包含从25名4级IDH野生型（GBM）和IDH突变型星形细胞瘤患者身上采集的53个肿瘤样本（无进展生存期为1个月至四年；图2A），目的是识别复发性肿瘤中差异表达的蛋白质（图2B）。
2. 蛋白质丰度的变化与RNA变化大致相关（补充图2A），并且最显著的丰度差异蛋白质在大多数病例中都有所共享（补充图2B）。
3. 对复发时上调的蛋白质进行的途径分析揭示了与氧化磷酸化、活性氧物质以及肌细胞生成相关的生物过程的富集。
4. 而在复发时下调的蛋白质则在细胞周期、MYC靶标以及DNA修复途径中富集。

• 图2. 肿瘤演化的蛋白质基因组学 (A) 对25名四级星形细胞瘤患者的原发性和复发性肿瘤样本收集。
• (B) 复发性与原发性肿瘤之间差异丰富的蛋白质 (FDR < 0.05, log2FC > 0.5)。
• (C) 当前队列以及GLASS和GSAM队列中差异富集的途径。
• (D) 激酶库富集分析的工作流程。
• (E) 比较复发性和原发性肿瘤的激酶活性分析。
• (F) 具有代表性的变异等位基因频率 (VAF) 相关图，指示观察到的驱动突变进展的4种模式：稳定 (所有突变持续存在，12例)，丢失 (所有独特的突变仅存在于原发性肿瘤中，4例)，获得 (所有独特的突变仅存在于复发性肿瘤中，5例)，再获得 (同一基因中的不同突变既有获得也有丢失，4例)。不同时点共享的突变数量，仅存在于原发性或复发性肿瘤的独特突变已标记。代表性案例随机选择。
• (G) 无进展生存期与基于体细胞突变的肿瘤克隆相似性统计 (MaxKsi) 呈负相关 (R² = 0.63, p值 < 0.001)。
• (H) 体细胞突变中具有SBS11特征的比例与每个肿瘤样本中的体细胞突变总数之间的关系，根据患者是否在接受复发性肿瘤样本采集前接受了TMZ治疗进行分类。显示GLASS和GSAM队列作为比较。灰色线条连接来自同一患者的肿瘤样本。另见补充图S2和补充表S2。

Para_01

1. 我们通过研究差异调控的磷酸化位点，探索了复发性肿瘤与原发性肿瘤中的激酶活性，使用的是激酶库，一个包含三百多种丝氨酸/苏氨酸激酶实验验证的底物特异性图谱（图2D）。
2. 如CLK1-4和SRPK1-3等剪接激酶在原发性肿瘤中显著更为活跃，这与我们的转录组学数据相一致（图2E；补充表S2）。
3. 此外，蛋白激酶2家族（CK2A1和CK2A2）以及G蛋白偶联受体激酶家族（GRK1至7）成员在原发性肿瘤中表达更高，提示G蛋白偶联受体（GPCR）信号通路可能参与肿瘤进展。
4. 相反，在复发性肿瘤中，通常在炎症和缺氧等压力因素下被激活的c-Jun氨基末端激酶（JNK）家族则上调了表达。

Para_02

1. 为了研究肿瘤遗传进化，我们检查了每对原发-复发肿瘤中的突变变化（图2A）。
2. 我们计算了所有突变的变异等位基因频率（VAF），并在每对肿瘤中观察到了共享和独特的突变。
3. 由于整体肿瘤纯度可能对VAF产生偏倚，我们比较了变异的存在（所有驱动基因中的变异，以及其他通过VAF > 0.05的变异）而非绝对的VAF值。
4. 关注随时间变化的驱动基因突变的存在，我们观察到四种模式：稳定性、丢失、获得以及重新获得驱动突变（图2F和补充图S2C）。
5. 没有单一模式或任何驱动基因改变的累积主导整个队列，表明复发与异质性的机制相关（补充图S2D）。
6. 将焦点扩展到所有体细胞突变，我们发现进展时间较短的患者在其原发和复发肿瘤之间有更多的共享突变（图2G）。
7. 我们通过克隆相似性统计（maxKsi）量化了这一趋势，该统计描述了在背景GBM突变频率分布下独立观察到共享突变的可能性。
8. 克隆相似性与进展时间呈负相关，表明复发肿瘤持续地从其原发肿瘤进化（皮尔逊R2 = 0.63，p < 0.001）（图2G）。
9. 我们在两个已发表的纵向高级胶质瘤队列上进行了相同的分析，即胶质瘤纵向分析联盟（GLASS）和胶质母细胞瘤，可操作突变的稳定性（GSAM）。
10. 虽然GLASS队列显示了类似的负相关性（补充图S2E），但GSAM队列未显示出相关性（补充图S2F），这可能是由于靶向面板测序检测到的突变数量较少所致。

Para_03

1. 对原发性和复发性肿瘤的突变特征分析确定了两种主要的特征，SBS1和SBS11，它们分别与年龄和替莫唑胺治疗相关。
2. SBS1与患者年龄呈正相关（皮尔逊R值=0.56，p值=0.002）。
3. SBS11是一种与替莫唑胺诱导的DNA损伤相关的特征，在一名接受过十一轮替莫唑胺治疗并在四年后面临复发的患者的复发性肿瘤中高度存在。
4. 这名患者的原发性和复发性肿瘤表现出不同的突变谱，复发性肿瘤中有4,439个突变，而原发性肿瘤中只有68个突变，包括POLE、MSH2和MSH6基因中的突变。
5. 这种具有高SBS11特征的超突变现象也在GSAM和GLASS队列中接受替莫唑胺治疗的一部分患者中观察到，但在未接受替莫唑胺治疗的患者中则没有观察到。
6. 之前的研究报道，SBS11相关的超突变与低级别胶质瘤向高级别转化有关。
7. 我们在复发性四级星形细胞瘤中也发现了同样的情况。

Tumor-intrinsic and TME-associated features in primary and recurrent high-grade glioma

原发性和复发性高级别胶质瘤中的肿瘤内在特征和肿瘤微环境相关特征

Para_01

1. 为了在复发时界定肿瘤固有特征和肿瘤微环境相关特征，我们对10对原发性和复发性HGG进行了snRNA分析，代表了13.4万个细胞核。
2. 原发性和复发性胶质瘤之间的snRNA谱系重叠程度各不相同，其中一个极端案例（患者C229764）显示，原发性和复发样本中的肿瘤细胞簇截然不同（图3A），这与该患者的高突变负担量从整体WXS得出的结果一致。
3. RB1和MSH6突变从snRNA转录本中被检测出来，这些突变分别仅存在于患者的原发性和复发性肿瘤细胞中，进一步支持了驱动突变的转变（图2F）。

• 图3. 单核测序揭示复发性4级星形细胞瘤中的恶性细胞内在及肿瘤微环境(TME)相关特征 (A) 来自10对原发-复发样本的snRNA-测序数据的UMAP图。
• 显示在复发和原发肿瘤之间差异丰度蛋白的缩放平均snRNA表达的热图。前两行：整体蛋白质和RNA的对数倍变化。中间八行：来自snRNA的相同基因在指示细胞类型中的平均表达量，按行和列进行缩放。最底行：具有最高snRNA表达特定基因产物的细胞类型。
• 通过snRNA基础上的差异表达基因(DEG)检测复发肿瘤中的恶性细胞内在失调途径。条形图中的红色表示：至少在3个案例中差异表达的基因数量。
• 可接近染色质区域(ACR)可接近性和恶性细胞中基因表达之间的相关性（链接得分）分布。与GeneHancer重叠的ACRs被注释。显示的链接数目位于右侧。
• 两个基因在原发和复发恶性细胞中的染色质可接近性和snRNA表达的例子。
• 差异ACRs中的基序富集。红色（原发肿瘤中的DACRs）、蓝色（复发肿瘤中的DACRs）以及灰色（两组DACRs）表示显著富集的基序（超几何检验加上Benjamini-Hochberg多重检验校正，FDR < 0.05）。
• 从代表TME细胞类型组成的整体RNA-seq获得的细胞类型富集分数比较，在复发和原发肿瘤之间的差异富集（FDR < 0.1）。
• 从snRNA细胞计数和整体RNA及整体蛋白质解卷积比例来看，复发肿瘤中内皮细胞在整个肿瘤微环境人口中的组成减少。箱线图显示四分位间距(IQR；箱子跨越第一到第三四分位，中间线表示中位数，须部分显示1.5倍IQR内的最接近值）。同一患者的配对样本用线条连接。Wilcoxon p值已计算。
• 三对原发-复发肿瘤的多色免疫荧光结果(CODEX)。
• 从6对匹配的原发-复发肿瘤切片中量化1 mm × 1 mm瓷砖中的内皮细胞比例和Ki67+恶性细胞的比例。箱线图显示四分位间距。Wilcoxon p值已计算（ns: p > 0.05, ∗p ≤ 0.05, ∗∗p ≤ 0.01, ∗∗∗∗p ≤ 0.0001）。参见图S3以及表S3和S4。

Para_01

1. 为了理解不同细胞类型如何贡献到差异丰富的蛋白质（图2B），我们计算了每种细胞类型的平均转录表达量，使用单核RNA测序数据（图3B）。
2. 包括恶性细胞、免疫细胞和基质细胞在内的多种细胞类型都参与到了上调和下调的蛋白质中（图3B）。
3. 为了研究恶性细胞内在的转录变化，我们在队列层面和患者层面对原发性和复发性肿瘤中的恶性细胞进行了差异表达分析（排除了一个少于50个恶性细胞的样本）。
4. 原发性和复发性恶性细胞之间差异表达的基因(DEGs)富集在上皮间充质转化、紫外线反应、雄激素反应以及缺氧途径中，并且这些DEGs在不同患者间具有共享特征（图3C）。
5. 通过匹配的snATAC-seq数据，我们鉴定了78,787个可接近的染色质区域(ACRs)，这些区域与已知的基因调控元件如启动子和增强子重叠，这些元件在GeneHancer数据库中有注释（补充表S3，方法部分）。
6. ACR可接近性与基因表达数据之间的相关性分析鉴定出14,280个ACRs作为调控元件，涉及31,302个ACR-基因相关性（补充表S3）。
7. 其中31%的ACRs此前已在GeneHancer数据库中有描述，并显示出更强的关联得分；而69%是之前未报道过的（图3D）。
8. 原发性和复发性恶性细胞在NDRG1和KIF1B等基因的启动子和增强子区域的差异可接近性提示了复发性恶性细胞中可能存在的表观遗传调控（图3E）。
9. 基序富集分析表明复发过程中不同的转录因子活性（图3F）。
10. 原发性恶性细胞显示出更高的NRF1、Sp/KLF家族和E2F家族转录因子活性，这些因子与GBM中代谢活跃和增殖状态有关。
11. 复发性恶性细胞则显示出SOX4、SOX10和HIF1A的活性，这表明治疗后可能转向了一种类似干细胞的状态（补充表S3）。

Para_02

1. 复发也与肿瘤微环境(TME)的变化相关。通过对整体RNA测序进行细胞类型富集分析显示，在正常和邻近正常的组织中神经元含量如预期般高于高级别胶质瘤(HGG)，而在上皮来源的脑转移瘤中上皮细胞含量则高于HGG（图S3A）。比较复发性和原发性肿瘤发现，复发肿瘤中内皮细胞和第一型辅助T细胞(Th1)的富集评分显著下降（配对Wilcoxon检验，p = 0.0048 和 p = 0.0012），而调节性T细胞(Treg)的富集评分显著增加（p = 0.0032）（图3G）。内皮细胞数量减少的情况也得到了在同一纵向肿瘤样本上的单核RNA测序(snRNA-seq)和蛋白质去卷积数据分析的支持（图3H和S3B），并且在GLASS和GSAM队列中得到了证实（图S3C）。通过带有索引共检测(CODEX)的多重成像技术对12个样本进行分析，指示了大脑中的主要细胞类型（图3I和S3D；表S4）。全片量化显示，在复发时，6名患者中有5名患者的非恶性细胞中内皮细胞的比例下降（图3J）。然而，复发性肿瘤表现出高度异质性的血管形态，例如嵌入密集恶性细胞的大血管（C1230738）、被坏死和正常邻近组织包围的扩张血管（C1245129），以及总体细胞密度低的稀疏微血管（C761370）（图S3E）。此外，我们还观察到，在6名患者中的5名患者密集肿瘤区域（GFAP+ 和/或 OLIG2+，即富含恶性细胞的区域）中，胶质谱系细胞的增殖率下降（图3J），这与从整体RNA测序和蛋白质组学观察到的细胞周期途径下降一致（图2C）。综上所述，复发性高级别胶质瘤展示了恶性细胞和肿瘤微环境在转录和表观遗传方面的变化。

Impact and association of genetic alterations on proteomics and metabolomics in HGG

遗传改变对HGG中的蛋白质组学和代谢组学的影响及关联

Para_01

1. 评估了与进展相关的事件后，我们在原发肿瘤中进行了变异关联分析。
2. 队列中的驱动基因概况快照展示了哪些基因变异显著共存或互斥。
3. 顺式分析突出了每个高度变异的驱动基因对其自身相关RNA、蛋白质和PTM水平的影响。
4. 反式效应分析描绘了变异对远端分子事件的影响。
5. 最后，通过成对评估驱动基因，识别出单独与相似下游效应相关的驱动基因

Para_02

1. 我们在这一队列中确定了13个高度改变的驱动基因（补充表S5）。
2. 对这13个驱动基因的所有可能配对进行改变共现分析证实了TCGA中的几个观察结果，例如RB1和TP53改变的高度共现。
3. 我们还观察到EGFR和PTPN11改变的互斥性，回顾性地，在TCGA队列中也存在这种现象（图4A）。
4. 在顺式分析中，当基因发生改变时，诸如ATRX和RB1等肿瘤抑制基因显示出相对较低的RNA和蛋白质表达水平，而EGFR和PDGFRA等癌基因则表现出RNA和蛋白质水平的升高（图4B）。
5. 对蛋白质翻译后修饰(PTMs)的分析表明，当ATRX发生改变时，其在S784位点的磷酸化增加，而突变型IDH1在K224位点的乙酰化减少（图4B）。
6. 尽管表皮生长因子受体(EGFR)的改变与Y316位点轻微增加的磷酸化相关，但在N603位点的N2H8F0S0G0糖基化是观察到的EGFR最强的顺式PTM效应（图4B）。

• 图4. 顺式和反式结果突出了不同组学水平下原发肿瘤之间的相似性 (A) 体细胞变异互斥性分析。共现的显著性由不透明度和星号表示。使用Fisher精确检验计算了Benjamini与Hochberg调整后的p值（∗：p < 0.05，∗∗：p < 0.01，∗∗∗：p < 0.001）。(B) 13个常见驱动基因的顺式效应展示了基因变异如何影响自身的RNA和蛋白质（顶部），以及相对于给定基因野生型肿瘤的翻译后变化（底部）。热图反映了顺式结果得分（RNA和蛋白质得分上限为+/-10，无法测量的地方为灰色）。(C) 反式分析：体细胞改变基因对其他蛋白质、翻译后修饰（PTMs）、代谢物和脂质水平的影响。每对体细胞改变基因的反式效应进行了测量。每对反式效应均进行了评分，并计算了各对之间的相关性。(D) 在蛋白质/PTM和脂质/代谢物水平上评估了驱动基因相似性得分。颜色表示Pearson相关系数（∗p < 0.05，∗∗p < 0.01，∗∗∗p < 0.001）。(E) TERTp和PTEN在蛋白质/PTM水平（p < 1e-100）及脂质/代谢物水平（p < 8.96e-81）上的反式得分之间的Pearson相关性。根据数据类型标记并着色排名前五位的正向和负向得分事件。参见补充图S4和补充表S5。

Para_02

1. 为了理解肿瘤内常见的下游信号传导途径，我们探究了哪些驱动因子在发生改变时会产生相似的下游效应。
2. 我们以配对的方式对所有可能的驱动因子组合进行了跨分析。
3. 对于某个特定驱动因子的改变对跨效应的影响，我们在进行反向评估另一驱动因子前，先在缺乏比较驱动因子改变的样本中进行了评价（图4C）。
4. 为了进行比较评估，我们将跨效应主要分为两大类。
5. 第一类包括对蛋白质和蛋白质翻译后修饰(PTMs)的影响；第二类包括对脂质组和代谢组的影响。
6. 那些在蛋白质/PTM后果上表现出强烈一致性的一对驱动因子，在它们对脂质和代谢物的影响上也显示出同样的正相关性（图4D；补充表S5）

Para_03

1. 在所有研究的驱动基因对中，TERTp和PTEN的改变在其对蛋白质和蛋白质翻译后修饰（PTMs）的转效应关联最为强烈（图4E，左侧，皮尔逊相关系数R=0.62，p<1e-100）。
2. 在大量的下游蛋白质和PTMs特征相似性中，这两个基因与降低的PDCD4表达和升高的CASP3表达相关联，这表明它们各自对细胞死亡途径有着类似的影响（补充图4A）。
3. PTEN和TERTp改变对代谢组和脂质组的影响也显示出类似的强正相关（图4E，右侧，皮尔逊相关系数R=0.78，p<8.96e-81）。
4. EGFR和TERTp的改变展示了类似的情况。
5. 当这两个基因中的任何一个发生改变时，我们观察到了在蛋白质和PTMs效应上的正相关（补充图4B，左侧，皮尔逊相关系数R=0.53，p=0）；其中包括相对双基因野生型样本而言，SUPV3L1蛋白水平较低而MTARC2蛋白水平较高（补充图4C）。
6. 在代谢组和脂质组尺度上比较时，EGFR和TERTp之间的正相关同样很强（补充图4B，右侧，皮尔逊相关系数R=0.68，p<3.10e-57）。

Associations between glycosylation and phosphorylation in EGFR activities and tumor recurrence

糖基化与磷酸化在EGFR活性和肿瘤复发之间的关联

Para_01

1. 由于蛋白质糖基化参与众多生物学功能，且膜结合或分泌型糖蛋白是潜在的治疗靶点和/或生物标志物，我们对整个队列进行了定量糖蛋白组分析，揭示了与正常脑组织相比，4级星形细胞瘤中有671种上调和674种下调的N-连接完整糖肽（IGPs）（图5A）。
2. 大多数上调的IGPs来源于与细胞外基质-受体相互作用或补体及凝血级联反应相关的糖蛋白（图5A；补充表S6）。

• 图5. 四级星形细胞瘤中改变的糖基化程序及体细胞突变、糖基化位点和EGFR上磷酸化位点之间的拓扑关系 (A) 在四个主要富含肿瘤的途径中，原发性肿瘤与正常大脑之间的差异分析。
• (B) 基于原发性肿瘤（与正常大脑相比）中上调/下调的完整糖肽的糖型分布。
• (C) 与原发性肿瘤中改变的糖基化活性相关的糖基化酶。
• (D) 复发性四级星形细胞瘤（与原发性肿瘤相比）中的糖型分布及其相关生物过程。
• (E) 圆点（与补充图5D中的ROC曲线颜色相匹配）代表可能作为复发性四级星形细胞瘤（与原发性肿瘤相比）潜在生物标志物的糖蛋白和IGP的AUC值。
• (F) 与糖蛋白组亚型相关的完整糖肽簇（IPC）的糖型分布。
• (G) EGFR二聚体，展示了体细胞突变、磷酸化位点和糖基化位点之间的空间关系。参见补充图5和补充表6

Para_01

1. 我们根据鉴定出的糖肽的单糖组成研究了糖类类型：仅含高甘露糖(高甘露糖型)，仅含岩藻糖化的糖类(岩藻糖化型)，含唾液酸化的糖类包括仅唾液酸化和与岩藻糖化共存的(唾液酸化型)，以及不符合前三类的其他糖类。
2. 大多数上调的糖蛋白糖基化位点(原发性对比正常组织)含有高甘露糖型糖类，而下调的糖蛋白糖基化位点则主要是岩藻糖化型(图5B)。
3. 我们发现N-连接的糖蛋白糖基化位点的表达概况主要与相应糖蛋白的全球蛋白质表达呈正相关(图S5A)。
4. 然而，同一蛋白质上的糖基化位点特异性异质性可导致观察到的糖蛋白糖基化位点丰度变化。
5. 此外，糖类的合成和与糖蛋白的结合受糖基化酶调控，表达异常的酶可能成为潜在的治疗靶点。
6. 在这个特定队列中，STT3A、STT3B、GANAB和PRKCSH在原发肿瘤中的过表达与正常组织相比有关联(图5C；表S6)。
7. STT3A和STT3B是寡糖转移酶复合体的催化亚单位，该复合体参与将Glc3Man9GlcNAc2前体从脂质连接的寡糖转移到新生多肽的NXS/T基序上。
8. GANAB和PRKCSH负责从前体去除两个最内侧的α1,2-Glc残基以产生Man9GlcNAc2，并释放N-连接的糖蛋白离开内质网。
9. 这些糖基化酶的上调表明高级别胶质瘤中的N-连接糖基化增加。
10. 大多数含有N2H8或N2H9(其中N=六氨基己糖，H=己糖，图S5B)的高甘露糖型糖基化位点上调进一步表明N-糖基生物合成的不完全/提前终止。
11. 高甘露糖型的升高可能影响糖蛋白的功能，促进癌症进展

Para_02

1. 我们利用糖蛋白组学数据来识别潜在的与复发性高级别胶质瘤(HGG)相关的糖蛋白。
2. 与原发性肿瘤相比，复发性肿瘤过度表达的糖基化位点主要来自涉及生物学过程如神经元投射发育调控和中性粒细胞介导的免疫的糖蛋白中的高甘露糖或岩藻糖基化糖链（图5D；补充表S6）。
3. 我们鉴定了四种糖蛋白（CNTN2、NPTN、ASAH1和NFASC）具有升高的糖基化活性，可能与复发性肿瘤的整体表达有关（补充图S5C）。
4. 这些糖蛋白的丰度通过受试者工作特征(ROC)分析成功区分了复发性和原发性肿瘤（图5E和补充图S5D）。
5. 结合ASAH1和CNTN2的面板获得了0.83的曲线下面积(AUC)。
6. 有趣的是，这两种糖蛋白都与中性粒细胞介导的免疫相关联（补充表S6）。
7. 此外，我们还检查了在复发性肿瘤中（与原发性肿瘤相比）糖基化活性增加但在整体水平上没有变化的糖蛋白。
8. 三个糖基化位点，NRCAM-N276 (N4H5F3)、NTRK2-N254 (N5H5F3) 和 CREG1-N160 (N2H5)，能区分复发性和原发性肿瘤，当组合在一个面板中时，获得了0.89的AUC（图5E和补充图S5D）。

Para_03

1. 专注于原发性肿瘤，我们使用三个完整的糖肽簇（IPC 1-3）对肿瘤进行无偏见的糖蛋白组聚类，定义了三种糖蛋白组亚型（Glyco 1-3）（图 S5E）。
2. Glyco 1 与 IPC 2 相关联，其特征是轴突发育和神经元投射导向（表 S6；图 5F、S5E 和 S5F）。
3. 此外，Glyco 1 中的肿瘤与神经前体细胞亚型相关联（p < 0.05，超几何检验，表 S6）。
4. Glyco 2 与经典亚型相关联，而 Glyco 3 则与间充质亚型相关。
5. 此外，Glyco 3 与 IPC 1 相关联，IPC 1 主要包含唾液酸糖苷，并且其特征是细胞外结构组织和急性炎症反应（表 S6；图 5F、S5E 和 S5F）。

Para_04

1. 作为整合多种数据类型价值的一个案例研究，我们分析了该队列中最常见的EGFR体细胞突变（A289和G598）与顺式分析提示的显著上调磷酸化事件（Y316位点）以及N352和N603位点糖基化的空间关系，使用的是UCSF Chimera软件中的EGFR活性二聚体结构。
2. 在EGFR二聚体上可视化这些修饰表明，Y316残基位于两个EGFR分子胞外域之间的界面上（图5G）。
3. 此外，G598突变与N603糖基化共定位，两者均发生在蛋白质跨膜α螺旋前约47个氨基酸的位置，并且N603与EGFR的自抑制性牵连相互作用相关。
4. 相比之下，当映射到结构上时，N352糖基化位点距离A289突变58个氨基酸，并且邻近EGF和西妥昔单抗的结合位点（图5G和补充图S5G）。
5. 糖基化位点N352对于EGFR维持其功能构象以便于EGF结合至关重要。
6. 尽管糖基化的N352和N603对EGFR改变肿瘤中磷酸化的影响尚不清楚，但我们发现在EGFR改变而非野生型EGFR的肿瘤中，Y316磷酸化与N352（p = 0.043）和N603（p = 0.0069）糖基化之间存在正相关性（补充表S6）。
7. 因此，将这个队列中鉴定出的突变和PTMs映射出来，提示有机会理解驱动事件背后的立体变化生物学机制。
8. 这些数据可能对未来PTM互作/交叉相关性研究有用。

Protein-protein interaction analysis assisted by targeted proteomics and the Kinase Library identifies pathway disruptions

借助靶向蛋白质组学和激酶库辅助的蛋白质-蛋白质相互作用分析识别出的通路中断

Para_01

1. 我们接下来利用全球蛋白质组学数据来检测超出初始EGFR焦点之外的蛋白质-蛋白质相互作用(PPIs)可能受到干扰的迹象，使用蛋白质丰度相关性作为数学代理来估计可能的相互作用。
2. 为此分析，我们优先考虑了在三个以上数据库中得到支持的已知相互作用的蛋白质。
3. 在原发肿瘤中的基线计算表明，在蛋白质亚单位和其他众所周知相互关联的蛋白质之间存在强烈的正相关性，例如PIK3R1和PIK3CA，而在其他蛋白质之间则存在负相关性，例如PKN2和PDPK1。
4. 为了确定PPI异常在高级胶质瘤(HGG)中的可能作用，我们在遗传改变和野生型(WT)原发肿瘤之间的蛋白质相关性差异进行考察之后，在匹配的原发和复发肿瘤中进行了类似的评估。
5. 总体而言，我们发现了在EGFR和血小板衍生生长因子受体α(PDGFRα)信号通路内交互作用者之间许多潜在的中断。

• 图6. 蛋白质-蛋白质相互作用(PPI)差异与体细胞变异及复发状态相关 (A) 左侧，蛋白质相互作用相关性的示意图。右侧，丰度高度相关和丰度负相关的示例。 (B) 在指定条件下，EGFR和PDGFRA信号通路中的推断PPI。 (C) 在原发性肿瘤中，当一个蛋白伴侣发生体细胞变异时，14种显著改变的PPI（线性回归与交互项p值小于0.01）。 (D) 根据RB1和PTPN11变异情况，PPI间的皮尔逊相关系数（皮尔逊R p值小于0.05）。 (E) 所有具有蛋白质数据的匹配样本中，在原发性和/或复发性肿瘤中表现出相关性的蛋白对子集（指示组中皮尔逊R大于0且皮尔逊p值小于0.01）。与补充图S6B相关。 (F) 复发性和匹配的4级星形细胞瘤中RB1和CDK2蛋白丰度的皮尔逊相关性（左侧）。复发性和原发样本中XIAP和AKT1蛋白丰度的皮尔逊相关性（右侧）。 (G) 使用Kinase Library比较与野生型肿瘤差异丰度的磷酸化蛋白，体细胞突变基因（y轴）对激酶活性（x轴）的影响。另见补充图S6。

Para_01

1. 体细胞改变，特别是突变，会中断蛋白质-蛋白质相互作用（PPIs），进而导致肿瘤表型。
2. 我们检查了所有数据库支持的涉及至少一个高度改变基因的PPIs，比较了带有或不带有该编码蛋白体细胞改变的样本中的蛋白伙伴相关性。
3. 当处于体细胞改变样本中时，14种蛋白质关系表现出显著的相关性异常（p < 0.01），其中一半的重要发现涉及到与EGFR的相互作用。
4. 对RB1-MDM4和PTPN11-IRS1进行更细致的考察显示，RB1和PTPN11的改变分别与原发肿瘤中相互作用伙伴之间的强烈负相关蛋白丰度有关，这表明这些蛋白质中的突变破坏了它们之间的相互作用。
5. 相比之下，野生型EGFR-ERBB4和EGFR-CBL相互作用显示出预期的正相关丰度，而具有EGFR改变的样本则失去了这些关联。
6. 总之，我们确定了PPIs的中断是体细胞基因改变的常见效应，这可能为生物学和/或治疗提供了潜在的见解

Para_02

1. 采用类似的蛋白质-蛋白质相互作用分析，我们考察了相互作用的蛋白质在原发性和复发性样本之间是否存在改变的相关性。
2. 特别关注至少涉及一个已知癌症驱动基因的蛋白质-蛋白质相互作用，我们选择了三种蛋白质相互作用隔室：在原发肿瘤中相关而在复发肿瘤中不相关的蛋白质-蛋白质相互作用、在原发和复发肿瘤中均相关的蛋白质-蛋白质相互作用以及在复发但不在原发样本中相关的蛋白质-蛋白质相互作用（图6E）。
3. 这项研究确定了85种与复发状态相关的显著致癌相关蛋白质-蛋白质相互作用，包括在原发和复发肿瘤组中高度相关的蛋白质-蛋白质相互作用（p < 0.01，补充图6C）。
4. 一些例子的检查显示，虽然RB1和CDK2蛋白丰度在原发肿瘤样本中没有显著相关，但在复发肿瘤中却表现出强烈的对应关系（图6F，左侧）。
5. 尽管RB1和CDK6蛋白丰度在原发和复发肿瘤样本中都强烈相关，但CDK2和CDK6只在复发样本中显示出关联（补充图6C）。
6. 同样地，AKT1和XIAP蛋白丰度在复发但不是原发肿瘤中高度相关（图6F，右侧）。
7. 相反，其他蛋白对，如TP53和UBE2I或EGFR和NUMBL，在原发样本中显著相关，而它们的关联在复发肿瘤中缺失（补充图6D）。
8. 这些发现表明，复发肿瘤可能通过蛋白质相互作用的差异与其原发对应物分化，这可能反映了耐药性的表型。

Para_03

1. 我们接下来研究了基因改变如何影响超出其自身同源蛋白的信号传导途径，通过比较五个发生改变的基因在其突变和野生型肿瘤中的磷酸化位点（图6G）。
2. 虽然一些突变激活了相似的激酶，但探索整个人类激酶组揭示了不同突变背景下独特的激酶活性模式。
3. 例如，RB1和TP53均发生突变的肿瘤显示出PI3K-AKT通路的激活。
4. TP53突变的肿瘤显示细胞周期相关激酶（CDK1-6）的激活，而RB1突变的肿瘤与各自野生型肿瘤相比，这些激酶的激活程度较低（图6G）。
5. 同样地，EGFR改变的肿瘤中PI3K-AKT通路的活性较低。
6. 最后，尽管CDKN2A改变的肿瘤表现出细胞周期相关激酶（CDK1-6）和ERK激酶的高活性，但EGFR改变的肿瘤显示ERK激酶的激活程度较低（图6G）。
7. 当比较不同突变对细胞信号传导的影响时，可以在激酶组中检测到更多的共同和独特活性模式（补充图6E）。

PTPN11 may serve as a network hub for EGFR, PDGFRA, and IDH1 signaling

PTPN11可能作为EGFR、PDGFRA和IDH1信号传导的网络中心

Para_01

1. 分析了HGG中体细胞驱动因素的潜在影响后，我们专注于一个特定的驱动因素：PTPN11。
2. 尽管已记录到PTPN11突变在努南综合征和幼年型髓单核细胞白血病等疾病中的功能相关性，但其在四级星形细胞瘤中的重要性一直未被充分认识。
3. 在本研究中，我们在十一位患者（约6%）中发现了PTPN11突变，并在一位患者中观察到了PTPN11的扩增（图7A）。
4. PTPN11突变与EGFR改变互斥（图7A），位于N-末端src同源域2（N-SH2）和激酶磷酸酶（PTP）域（图7B）。
5. 将这些突变映射到部分三维结构上，Y62磷化位点和A72T、E76K、R498W、G503A、G506P、T507K及Q510L突变位于PTP和N-SH2域之间的分子内相互作用位点（图7B），这些位点已知调节PTP催化位点。
6. 突变可能破坏这种相互作用，使PTPN11从抑制状态转变为活性状态。
7. 此外，顺反分析显示，在IDH1突变肿瘤中PTPN11-Y546磷酸化水平较高，这与EGFR改变肿瘤中观察到的PTPN11-Y62磷酸化水平高有所不同（假发现率[FDR] < 0.05且p < 0.001；图7C）。
8. 我们使用IMAC-SRM靶向测定法验证了这些发现（图S7A）。
9. IDH突变肿瘤表现出PDGFRA蛋白丰度高，而PDGFRA蛋白水平升高与PTPN11-Y546磷酸化水平高相关（图S7B），因此导致IDH1突变肿瘤中PTPN11-Y546磷酸化水平高。
10. 有趣的是，PTPN11的突变并未影响其Y62和Y546磷酸化水平（图7C）。

• 图7. 在4级星形胶质细胞瘤中的PTPN11信号中心 (A) 在原发性HGGs中PTPN11、EGFR、IDH1和PDGFRA的改变状态。通过Fisher精确检验计算得到的p值（p < 0.001）。(B) 映射到3D蛋白结构上的PTPN11突变和观察到的磷酸化事件。(C) 磷酸化位点和驱动突变的顺反分析。箱形图显示了标准化蛋白质和磷蛋白丰度的四分位间距。通过Wilcoxon检验计算得到的p值（ns：p > 0.05, **p ≤ 0.01, ****p ≤ 0.0001）。(D) 具有PTPN11-Y62和PTPN11-Y546磷酸化事件样品中的激酶活性。(E) 对于PTPN11-Y62和PTPN11-Y546磷酸化的激酶底物分析。(F) 顺反效应、蛋白质相互作用以及激酶/磷酸酶-底物测量的分析揭示了可能受PTPN11调控的多种蛋白质。超过60%的肿瘤共享以PTPN11为中心的信号中心。参见补充图S7。

Para_01

1. 由于Y62和Y546磷酸化对PTPN11活性的影响尚不明确，我们通过将激酶库基序分析应用于与Y62和Y546磷酸化正相关或负相关的磷酸化位点，来探究这两个磷酸化位点对PTPN11下游信号通路的影响，以此推断出与每个位点磷酸化相关的激酶活性模式。
2. 令人惊讶的是，我们发现了与这两个位点磷酸化相关的相反的激酶活性模式。
3. Y62磷酸化与PI3K/AKT途径活性降低及ERK激酶后续活性减少有关，而Y546强烈地与ERK活性相关联，但PI3K/AKT激酶的活性并不强，这表明了MAPK途径的替代激活（图7D）。
4. 已知激酶激活位点的磷酸化水平进一步支持了推断出的激酶活性（补充图7D）。
5. 我们的分析揭示，Y546的磷酸化而非Y62显著地与缺氧相关激酶（AMPKAs和AMPK相关激酶）活性下降有关（图7D和补充图7E）。
6. 患者中与Y62和Y546磷酸化相关的PI3K-AKT激酶的观察到的活性模式，在与Y-to-F突变相比具有相应磷模拟物的细胞系中也有所体现（补充图7F）。
7. 有趣的是，虽然在肿瘤中与Y546磷酸化相关联时AMPKA和AMPK相关激酶被抑制，但在Y546E细胞系中这些激酶却被激活，这可能展示了对第546位氨基酸上持续存在的负电荷的负反馈循环。
8. 这些现象的一种可能解释是PTPN11-Y546磷酸化与IDH1突变相关联（图7C），并且IDH1突变肿瘤相比野生型IDH1肿瘤表现出较弱的缺氧和细胞应激反应（图7C至7F）。
9. 鉴于PTPN11作用于PI3K-AKT和MAPK途径上游，我们的数据提示Y62的磷酸化具有抑制作用，而Y546的磷酸化则具有激活作用。

Para_02

1. 我们考察了由PTPN11突变调控的下游磷酸化位点，并通过聚焦顺式和反式的蛋白质-蛋白质相互作用（PPI）及激酶/磷酸酶-底物分析，研究了两个磷酸化位点Y62和Y546。
2. 为了发现潜在的PTPN11下游靶标，我们关注了已知相互作用数据库中识别出的PTPN11伴侣蛋白上的磷位点，包括OmniPath、NetworKIN、DEPOD和SIGNOR。
3. 我们观察到PTPN11突变分别调控了不同的磷酸化位点，包括Y62磷酸化和Y546磷酸化（图7C至7E）。
4. 尽管MAP3K5蛋白丰度没有显著差异，我们在PTPN11突变肿瘤中发现了较低的MAP3K5 S82磷酸化水平（图7C）。
5. 相邻的S82和S83位点之间的磷酸化水平呈正相关（图S7C）。
6. 然而，顺式和反式分析并未将S83列为显著性位点，可能是因为只有两名PTPN11突变患者拥有S83磷酸化数据。
7. 根据激酶底物分析，PTPN11 Y62和Y546的高磷酸化与IRS1多个位点及MAP3K5 S958低磷酸化有关（图7E）。
8. 此外，蛋白质-蛋白质相互作用分析表明，PTPN11突变改变了该蛋白与IRS1和PTK2的相互作用（图6C和7F）。
9. 综合来看，我们的整合分析显示超过60%的四级星形细胞瘤通过PTPN11突变或改变PTPN11磷酸化而具有一个以PTPN11为中心的信号枢纽，这表明PTPN11上不同磷酸化位点具有不同的调控作用。

Metabolic enzymes/pathways connected to RTK activation and dysregulated hypoxia signaling in IDH-mutant HGG

与RTK激活和IDH突变HGG中失调的缺氧信号传导相关的代谢酶/途径

Para_01

1. 鉴于胶质母细胞瘤（GBM）与异柠檬酸脱氢酶突变型星形细胞瘤（IDH-mutant astrocytoma）在发病机制和演进过程中涉及的分子途径存在差异，了解每种肿瘤类型的潜在生物学特性对于有效治疗患者至关重要。
2. 我们在队列研究中发现了十五起 IDH1 中的 p.R132H 突变事件及一起 p.R132C 突变事件（图 8A）。
3. 相较于我们先前研究中的发现，IDH 突变型肿瘤数量的增加使我们能够进行胶质母细胞瘤与 IDH 突变型星形细胞瘤之间的比较分析。
4. 差异甲基化和代谢物丰度分析显示，在 IDH 突变型肿瘤中三种代谢物的丰度增加：2-羟基戊二酸（2-HG）、甘油-3-磷酸和肌醇（图 8A）。
5. 在实验测量的 737,419 个 CpG 位点中，与胶质母细胞瘤相比，IDH 突变型肿瘤中有 7,914 个甲基化位点上调和 134 个下调（绝对变化大于 0.5，假发现率小于 0.05，图 8A）。
6. 我们观察到 IDH 突变型肿瘤中与失调途径相关的蛋白质丰度不同于胶质母细胞瘤，包括与癌症相关的受体酪氨酸激酶（RTKs）以及血管形态发生（缺氧）途径（图 8A）。
7. 在 IDH 突变型样本中，包括 CSF1R、MAPK1、PDGFRA、PLCB1、PRKCB、PTPN11 和 SMOC2 在内的 RTK 信号蛋白显著上调（图 8B 和补充图 S8A）。
8. 其中许多也在 RNA 水平上调，包括 PDGFRA、PLCB1、PRKCB 和 PTPN11。
9. 我们在两种肿瘤类型之间对 RTK 基因附近的区域进行了有针对性的 DNA 甲基化分析（±500K 窗口）。
10. 我们发现在 IDH 突变型星形细胞瘤中，靠近几种 RTK 基因的 DNA 甲基化位点上调，包括 PDGFRA（约 2K bps）、PLCB1（约 287K bps）和 PTPN11（约 235K bps）（补充图 S8B）。

• 图8. 四级IDH突变型星形细胞瘤中失调的通路 (A) IDH1 R132H/R132C热点突变导致2-羟戊二酸产生和高甲基化表型。蛋白质基因组学鉴定出IDH突变肿瘤与胶质母细胞瘤相比的失调通路。
• 特定的受体酪氨酸激酶途径基因在IDH突变型星形细胞瘤中上调。箱形图显示了标准化蛋白丰度的四分位数范围。通过Wilcoxon检验和Benjamini & Hochberg校正计算了FDR。
• 与胶质母细胞瘤相比，IDH突变肿瘤中缺氧途径成员的蛋白表达较少。箱形图显示了标准化蛋白丰度的四分位数范围。通过Wilcoxon检验计算p值（ns：p > 0.05，p < 0.05，p ≤ 0.01，**p < 0.001，****p ≤ 0.0001）。
• HIF1A途径基因间的STRING46中的蛋白质-蛋白质相互作用。
• IDH野生型（顶部）和突变患者样本的CODEX图像（中部）。对每个样本进行SERPINE1染色的全滑片细胞面积百分比量化（底部）。
• 基于磷酸化蛋白质组学测量，IDH突变型星形细胞瘤与胶质母细胞瘤之间的激酶活性差异。另见补充图S8和补充表S4

Para_01

1. 蛋白质基因组整合揭示了IDH突变肿瘤与胶质母细胞瘤(GBM)相比具有较低的缺氧特征（图8C）。
2. IDH突变肿瘤的缺氧特征与正常和邻近正常组织(NATs)相似。
3. HIF1A途径相关基因，包括ANXA1、COL5A1、FN1、SERPINE1、SLC13A3和VEGFA，在IDH突变肿瘤中蛋白表达持续较低（图8C）。
4. 我们在IDH突变型星形细胞瘤中观察到这些基因的RNA表达同样较低，与TCGA队列类似（补充图S8C和S8D）。
5. 使用STRING进行的蛋白质相互作用分析支持这些HIF1A途径成员之间的正相关关系（图8D）。
6. 值得注意的是，未检测到HIF1A蛋白的表达。
7. HIF1AN（FIH-1），作为HIF1A的抑制剂，显示在IDH突变型星形细胞瘤中的表达上调。
8. 通过使用涉及H1F1A途径的基因中蛋白表达的中位数作为缺氧评分，我们将肿瘤分为高缺氧（正评分）和低缺氧组（负评分），无论其IDH突变状态如何。
9. 我们队列中低缺氧评分的患者显示出显著更好的生存率（p值 < 0.01；补充图S8E）。
10. 我们进一步将年龄和性别作为生存分析的协变量，并得到了相同的结论（p = 0.05，补充图S8E）。
11. 此外，我们分别检查了GBM和IDH突变肿瘤的生存差异。
12. 我们在GBM患者中观察到了相同趋势（补充图S8G）。
13. 然而，对于IDH突变队列，这些分析未能达到统计学意义，因为只有一个IDH突变肿瘤具有高缺氧评分。

Para_02

1. 为了跟进IDH野生型肿瘤具有更高的HIF1A途径激活这一发现，我们对IDH野生型和IDH突变型星形胶质细胞瘤及NAT切片进行了CODEX分析。
2. 我们发现IDH野生型而非IDH突变型肿瘤中SERPINE1表达量高（图8E）。
3. 我们进一步检查了两个IDH野生型样本（C3L-01046和C3N-03448）中表现出强烈SERPINE1染色的区域，并使用额外的标记物进行细胞类型鉴定（补充表S4）。
4. 通过分割推断细胞边界，我们发现SERPINE1在一部分但并非全部OLIG2+和/或GFAP+细胞以及一小部分IBA1+细胞中表达，而这种情况几乎仅出现在IDH野生型肿瘤中。
5. 随后，我们利用先前报道的来自19个CPTAC胶质母细胞瘤样本的单细胞RNA数据，探究不同细胞类型中的SERPINE1转录表达情况。
6. 与我们的CODEX发现一致，在所观察到的五种最丰富的细胞类型中，巨噬细胞和恶性细胞是SERPINE1表达最高的前两种细胞（补充图S8G和S8H）。
7. 虽然没有单一特异性标志物可以明确标记恶性细胞，但我们之前的单细胞RNA数据表明，OLIG2和GFAP在恶性细胞中表达最高（补充图S8H）。
8. 总之，这些数据与IDH野生型肿瘤中HIF1A途径激活更高相一致，这得到了肿瘤细胞和巨噬细胞中较高SERPINE1水平的支持。

Para_03

1. IDH突变型星形细胞瘤和胶质母细胞瘤之间差异丰富的磷酸化位点在与肌动蛋白相关和细胞间连接途径中富集（图S8I）。
2. 我们进一步比较了IDH突变型星形细胞瘤和胶质母细胞瘤中的miRNA表达，并确定了几种与IDH1突变相关的失调miRNA（图S8J）。
3. 例如，miR-504-5p在IDH突变型星形细胞瘤中上调；先前的研究已证明miR-504过表达延长了携带源自胶质母细胞瘤干细胞异种移植瘤的小鼠的生存期。

Para_04

1. 我们接下来探讨了IDH突变对通过磷酸化和激酶活性介导的细胞内信号传导的影响，利用了激酶库。
2. 与胶质母细胞瘤相比，IDH突变肿瘤显示出AMPKαs和AMPK相关激酶显著较低的活性（图8F）。
3. 从这项分析中的其他有趣观察包括，在IDH突变型星形细胞瘤中免疫相关激酶（TBK1和IKKE）的活性较低，以及TNIK的高激活水平，据报道TNIK参与调控神经元树突延伸和神经元信号传导（图8F和S8K）。

Discussion

Para_01

1. 在本报告中，我们将181例IDH野生型原发性胶质母细胞瘤与16例IDH突变型4级星形细胞瘤进行了比较，后者在手术时曾被误分类为胶质母细胞瘤，重点在于理解与IDH突变显著相关的好转预后的分子基础。
2. 这项工作补充了先前规模较小的GBM CPTAC研究，该研究样本数量较少，并且使用的是蛋白质基因组平台，没有匹配的纵向样本。
3. 那项研究确定了间充质GBM中的EMT特征来源于肿瘤细胞而非基质；识别出四种由不同免疫细胞群驱动的GBM免疫亚型；发现经典型GBM中组蛋白H2B乙酰化富集；并且指出了PTPN11潜在的重要性。
4. 在这里，我们的主要发现包括：(a) 同一患者纵向样本中染色质可及性和RNA表达的单细胞分辨率；(b) 具有不同突变（TERTp/PTEN和TERTp/EGFR）的肿瘤表现出相似的糖蛋白组学、翻译后修饰以及代谢组学特征；(c) EGFR、PDGFR和IDH1下游通路汇聚于PTPN11；(d) IDH突变型肿瘤中低缺氧特征和AMPKα活性降低之间的关联；以及(e) 肿瘤复发的代谢组学和糖蛋白组学标志。
5. 除了表明个体遗传改变下游存在显著汇聚的数据之外，我们认为这里呈现的高质量多组学数据为神经肿瘤学界提供了宝贵的资源。
6. 这些数据可以用于通过转基因小鼠和遗传操作的细胞系等实验模型系统生成可验证的假设，以测试推动肿瘤进展的机制或识别可利用的脆弱点来改善临床结果。

Para_02

1. 在高级别胶质瘤（HGG）中，肿瘤复发几乎是普遍现象，而对肿瘤随时间变化及对治疗反应的理解不断加深可能有助于改善治疗策略。
2. 通过研究25个原发性和复发性肿瘤的单细胞水平以及它们的代谢组、脂质组、糖蛋白组和磷酸化蛋白组，我们发现这些肿瘤随时间及治疗逐渐转变为更间充质的状态，并显示出细胞周期和错配修复基因表达下降。
3. 复发性肿瘤中有一部分蛋白质增加了糖基化，我们还观察到与神经元突触和中性粒细胞介导的免疫相关的特征富集。
4. 这些结果总体上与Kim等人52的研究观察一致，他们使用了更多的纵向样本，观察到了蛋白质丰度水平上的增殖减少和神经元特性的增加。
5. 我们的研究提供了更多机制细节，包括观察到转录因子表达的适当变化，这些变化可能驱动向更神经元状态的转变，以及同时表达类似神经元的糖基化模式。
6. 我们将原发性和复发性肿瘤中的驱动基因突变进行比较，主要显示了进化的异质性模式。
7. 这些发现突出了侵袭性原发性和复发性肿瘤之间的遗传和翻译后修饰差异范围广泛，并提示针对蛋白质相互作用、PTMs和代谢物可能是对抗复发的有效手段

Para_03

1. 本研究的局限性包括样本量相对较小，且族裔和种族多样性有限，以及依赖于批量采样的策略。
2. 小型子集，如脑转移和二次复发的胶质母细胞瘤病例，并未纳入主要分析中，但作为资源提供。
3. 研究结论主要基于分子观察与可获得临床参数之间的统计关联，而机制验证则较为有限。

Para_04

1. 总之，本研究的一个主要成果是发现了携带不同驱动基因变异的肿瘤之间存在的共同特征，这突显了促进肿瘤信号事件的复杂性。
2. 在同一平台上追踪同一患者初始和复发肿瘤的分子景观随时间的变化表明，在治疗过程中肿瘤发生的异质性变化，同时也突出了在复发时频繁富集的通路。
3. 我们希望聚焦于识别协同事件和共同调控网络能为治疗干预提供更多目标，前提是需要进行超出本研究范围的功能验证研究。

STAR★Methods

Key resources table

关键资源表格

Resources availability

资源的可用性

Lead contact

主要联系人

Para_01

1. 更多信息和资源及试剂的请求应发送至通讯作者李丁（lding@wustl.edu），并由其处理。

Materials availability

材料可用性

Para_01

1. 本研究未产生新的独特试剂。

Data and code availability

数据和代码的可获得性

Para_01

1. 本文报告的临床数据、蛋白质组学数据（原始质谱文件和全局蛋白质组学及蛋白质翻译后修饰处理后的数据文件）以及代谢组学数据可通过蛋白质组学数据共享平台（PDC）获取，网址为：https://pdc.cancer.gov/。
2. 基因组学、转录组学和单细胞核RNA测序多组学数据文件可通过基因组数据共享平台（GDC）获取，网址为：https://portal.gdc.cancer.gov/projects/CPTAC-3。
3. 我们建议使用样本ID清单以确保探索完整的数据集，包括转移性样本。
4. 单细胞核ATAC测序多组学数据文件可通过癌症数据服务（CDS）获取，网址为：https://dataservice.datacommons.cancer.gov/。
5. 本出版物中使用的处理数据也可在蛋白质组学数据共享平台、Python包和LinkedOmics中找到。
6. 病理学和CODEX图像可通过癌症影像档案库（TCIA）获取，网址为：https://doi.org/10.7937/K9/TCIA.2018.3RJE41Q1。
7. 影像组学数据可通过影像数据共享平台获取，网址为：https://portal.imaging.datacommons.cancer.gov/explore/filters/?collection_id=CPTAC&collection_id=cptac_gbm

本文由mdnice多平台发布