导语

Shelterin 是一种端粒保护复合物，在癌症中发挥着重要作用。除了维持端粒的完整性，shelterin 在各种生存途径中发挥作用。

背景介绍
泛癌分析一直是热度很高的癌症研究方式，今天小编为大家带来的这篇文章，作者通过泛癌分析解释了shelterin复合物在癌症中的调节模式，并与临床结果关联，文章发表在《Briefings in Bioinformatics》上，影响因子为13.994，文章题目为：Pan-cancer analyses reveal regulation and clinical outcome association of the shelterin complex in cancer。

数据介绍
本研究从 Genomic Data Commons 下载TCGA 泛癌体细胞突变数据、 TCGA mRNA 数据、TCGA DNA甲基化数据与miRNA 表达数据。从 GEO 数据库下载 PDGFB 驱动的 LGG 小鼠模型的表达数据。      
结果解析
01  shelterin在体细胞中的变化景观   为了研究癌症中庇护素成分的基因组特征，本研究首先计算了 33 种癌症类型的 9125 名患者的泛癌队列中的 SCNA 和突变频率。结果发现，shelterin基因的总体 DNA 改变水平在 2% 到 7% 之间。尽管 DNA 改变频率相对较低，但 15% 的肿瘤包含了DNA改变（图 1B）。在基因组水平上，除了突变外，SCNA是癌症中shelterin失调的主要原因，大约 12% 的肿瘤至少有一个 SCNA。在六个基因中，TRF1 显示出最高的改变（7%），大部分来自扩增（6%），而 TRF2、RAP1 和 TPP1 趋向于共同扩增或共同缺失(图 1B)。

图 1

通过分析33种癌症类型的改变模式，本研究观察到一些癌症类型比其他癌症类型显示了更多的改变。例如，UCEC在所有6个基因中都有突变，而TGCT和THYM没有任何突变(图1C)。TRF1的扩增主要发生在LIHC(14.5%)、PRAD(16.5%)和三种Pan-Gyn癌:BRCA(11.3%)、OV(16.4%)和UCS(12.5%)中(图1D)。并且本研究还观察到，在这些癌症类型中，OV和PRAD中TRF2、RAP1和TPP1共缺失的百分比相对较高(图1E)。TRF2、RAP1和TPP1共缺失或共扩增与TRF1扩增呈互斥模式(图1E)，表明TRF1与TRF2/RAP1/TPP1之间存在功能冗余。
02   shelterin的基因表达分析揭示三个患者群和不同癌症的表达水平   接下来本研究通过比较shelterin在癌症组织和正常组织中的表达模式对shelterin进行评估。通过检查肿瘤和正常样本之间的差异表达，本研究发现在这些癌症类型中，shelterin表现出不同的表达模式(图2A)。大多数癌症肿瘤样本中TPP1和POT1上调，而RAP1和TIN2下调。与LIHC和BRCA中较高比例的TRF1扩增相一致，TRF1在肿瘤中过表达(图2A)。在检查的癌症类型中，THCA和UCEC显示所有shelterin基因水平降低，而COAD、HNSC、CHOL表达增强(图2A)。
为了全面了解Shelterin的表达情况，本研究接下来对33种癌症类型的所有肿瘤样本的mRNA表达进行了无监督的一致性聚类。结果出现了三个不同的样本集群，其中集群 A 显示了所有六个Shelterin基因的最高表达（图 2B 和 C）。检查三个集群中癌症类型的分布，本研究发现 DLBC、三种神经相关癌症（GBM、LGG、PCPG）和 THYM 主要位于集群 A，BRCA 和 OV 主要位于集群 B 中，SARC、SKCM、THCA、UCS 几乎均匀地分布在三个集群中（图 2D）。这些数据表明，shelterin 的表达谱以癌症类型依赖性方式失调。

图 2

缺乏shelterin 会导致端粒失去保护，进而促进基因组的不稳定性。因此，本研究接下来评估了三个集群之间的基因组完整性。基因组不稳定性可以通过突变和SCNA水平来表征。本研究使用了一系列的分数来衡量基因组不稳定性。突变负负荷是每Mb非沉默突变(图2E)。SCNA负荷评分由基因组改变的比例决定(图2F)。此外，本研究还纳入了表征非整倍体程度(图2G)、杂合性缺失(LOH)(图2H)和同源重组缺陷(HRD)(图2I)的其他三个评分。结果发现，在所有基因组不稳定性得分中，shelterin表达最高的集群 A显示出最低水平，表明shelterin有助于维持细胞基因组完整性(图2E-I)。
03   shelterin相关的生物学通路与免疫特征   为了探索shelterin相关通路，本研究对shelterin表达和每种癌症类型中所有蛋白质编码基因的表达进行了spearman相关分析。结果发现，在超过 17 种癌症类型中，E2F 靶点和 G2M 检查点等细胞增殖相关通路与Shelterin 呈正相关，证实了Shelterin 是细胞生长和细胞周期的重要调节剂这一事实（图3A 和B ）。P53 通路和脂肪生成大多与Shelterin 呈负相关，表示p53 抑制TRF2 表达并且RAP1 抑制脂肪积累。 为了更好地了解shelterin和肿瘤免疫之间的分子联系，本研究计算了shelterin评分与一组在免疫治疗中至关重要的免疫调节剂的相关性。
结果发现，在不同的癌症中，shelterin评分显示出与免疫调节剂的不同相关性。通过基于相关模式对癌症类型进行聚类，本研究观察到三组：阴性组、阳性组和中间组，并且发现大多数腺癌(READ, COAD, STAD, LUAD, PAAD)在阳性组，而中枢神经系统癌(GBM和LGG)在阴性组(图3C)。

图 3

在建立了shelterin和免疫之间的联系后，本研究进一步研究了shelterin是否会影响癌症对免疫治疗的反应。从晚期黑色素瘤和转移性尿路上皮癌的两项研究中获得基因表达和总生存期数据。在这两个数据集中，shelterin 与治疗前的 PD1 呈中度正相关（图 3D），并且本研究还观察到 shelterin与晚期黑色素瘤的较差反应相关，而在转移性尿路上皮癌与良好反应相关（图 3E）。该数据表明，当将癌症类型作为重要变量时，shelterin 可用于预测 PD1 阻断免疫治疗的结果。
04   DNA甲基化、miRNA和lncRNA调节shelterin的表达   为了评估DNA甲基化水平与shelterin mRNA表达之间的关系，本研究对每种癌症类型的6个成分进行了spearman相关分析。TRF2、RAP1、TPP1、POT1的DNA甲基化水平在大多数癌症中与它们的mRNA表达呈负相关，而TRF1的DNA甲基化水平与它们的mRNA表达呈正相关(图4A)。

图 4

为了全面了解miRNA的shelterin 调节网络，本研究筛选了所有具有shelterin 3'UTR结合潜力的miRNA，结果发现大量的miRNA针对至少两个shelterin 成员，它们形成了一个相互作用网络(图4B)。接下来本研究检查了 p53、shelterin 和 miRNA 之间的串扰。发现一部分 p53 调节的 miRNA 可以靶向shelterin 成员 TRF1、TRF2、TPP1、POT1 和 TIN2（图 4C）。这表明p53可能作为shelterin的抑制剂来抑制肿瘤发生。  
05   shelterin预测患者存活率   鉴于shelterin与癌症的重要关联，本研究评估了shelterin表达是否可以预测患者的存活率。在 33 种癌症类型中，本研究发现 shelterin与 24 种的总生存期显著相关（图 5A 和 B）。在 ACC、GBM、KICH、LGG、MESO、OV、PAAD、SKCM 和 THYM 中，shelterin 被观察为有利的生存因素（图 5A），而在 BLCA、BRCA、COAD、ESCA、HNSC、 KIRC、KIRP、LAML、LIHC、PCPG、PRAD、READ、THCA、STAD 和 UVM中，shelterin与较差的生存期相关（图 5B）。
为了进一步探索shelterin与生存的关系，本研究对所有6个单独的shelterin基因和综合shelterin评分进行了cox回归分析(图5C)。分析结果显示，RAP1具有最多的相关癌症类型，其中9种关联为阳性的，POT1 被发现是 LAML、LGG、READ 和 SKCM 的不良预后因素。

图 5

06   连接图分析识别靶向shelterin标签的潜在化合物   接下来，本研究使用 Connective Map 方法来搜索可能靶向与shelterin相关的通路或可能调节shelterin表达的候选化合物。研究发现18 种化合物呈正相关（图6A）而23种呈负相关（图6B）。在这些化合物中，本研究发现六种蛋白质合成抑制剂与shelterin呈正相关，这意味着抑制蛋白质合成可能会诱导shelterin表达（图 6A）。相比之下，CDK、PLK 和 mTOR 的抑制剂是潜在的负向调节shelterin的化合物（图 6B）。这与先前的研究一致，表明抑制 CDK、PLK 或 mTOR 会降低 TRF1 蛋白水平。

图 6

小编总结
本研究利用TCGA的多组学数据，对33种癌症类型的9125个肿瘤样本进行了shelterin的综合分析，并验证了CGGA和CCLE中肿瘤细胞系的部分发现。为进一步的功能性和治疗性研究提供了广泛的分子特征，也代表了一种表征癌症关键蛋白复合物的系统方法。希望能为从事shelterin或者泛癌多组学研究的工作人员们提供思路。