陳湖星，徐蕾，李靜，郭政，敖露

研究報告

基于結(jié)直腸癌細(xì)胞系MIC50相關(guān)基因?qū)Φ幕A(chǔ)耐藥評分模型構(gòu)建

陳湖星，徐蕾，李靜，郭政，敖露

福建醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院，醫(yī)學(xué)生物信息學(xué)福建省高校重點實驗室，消化道惡性腫瘤教育部重點實驗室，福州 350122

癌細(xì)胞系模型已廣泛用于藥物敏感性測試及耐藥標(biāo)志篩選。然而研究者常忽視癌細(xì)胞系的基礎(chǔ)耐藥性，導(dǎo)致許多藥效標(biāo)志物難以應(yīng)用于臨床實踐。為評估腫瘤細(xì)胞系的基礎(chǔ)耐藥性水平及其與臨床藥效的相關(guān)性，本研究以48種結(jié)直腸癌(colorectal cancer, CRC)細(xì)胞系為例，通過計算265種藥物IC50值之間的相關(guān)性系數(shù)，以每種CRC 細(xì)胞系對上述藥物IC50的中值構(gòu)建可反映基礎(chǔ)耐藥性水平的評估指標(biāo)MIC50，并識別出表達(dá)值與MIC50顯著正相關(guān)的基因。然后基于樣本內(nèi)基因表達(dá)值的相對大小秩序關(guān)系構(gòu)建臨床CRC組織樣本的基礎(chǔ)耐藥評分模型。結(jié)果表明：在藥物兩兩間IC50的相關(guān)系數(shù)中，有99%以上呈顯著正相關(guān)(FDR < 0.05)，證明CRC細(xì)胞系存在基礎(chǔ)耐藥性特征；與MIC50顯著相關(guān)602個基因，富集到4個與腫瘤耐藥密切相關(guān)的功能模塊。根據(jù)5368個MIC50相關(guān)基因?qū)?，篩選出一個由21個基因?qū)M成的5-FU聯(lián)合用藥評分模型，卡方檢驗結(jié)果表明患者基礎(chǔ)耐藥性水平的高低與用藥后的響應(yīng)信息顯著相關(guān)，生存分析顯示低分組患者比高分組患者預(yù)后更好。本研究結(jié)果為CRC聯(lián)合化療耐藥機(jī)制的研究及臨床個體化用藥提供了一定的理論依據(jù)。

癌細(xì)胞系；基礎(chǔ)耐藥性水平；MIC50

癌細(xì)胞系模型被廣泛用于耐藥標(biāo)志物的篩選及耐藥機(jī)制的研究。然而，有研究發(fā)現(xiàn)癌細(xì)胞系通常會呈現(xiàn)對多種藥物普遍敏感或者普遍耐藥的現(xiàn)象，即癌細(xì)胞存在與藥物作用機(jī)制無關(guān)的一般藥物敏感性水平(general levels of drug sensitivity, GLDS)[1]，本文稱之為基礎(chǔ)耐藥性水平(general levels of drug resistance, GLDR)。同時在臨床上，腫瘤細(xì)胞對多種化學(xué)結(jié)構(gòu)不同、作用機(jī)制各異的藥物產(chǎn)生的交叉耐受現(xiàn)象，即多藥耐藥性(multidrug resistance, MDR)，是造成化療失敗的重要原因[2]。以中晚期結(jié)直腸癌為例，目前采用5-氟尿嘧啶(5-fluorouracil, 5-FU)為基礎(chǔ)的多種藥物聯(lián)合化療是臨床一線治療手段，然而因個體差異，約有50%患者對聯(lián)合化療不敏感，進(jìn)而出現(xiàn)MDR現(xiàn)象[3,4]。因此研究者在利用細(xì)胞系模型識別耐藥標(biāo)志或研究耐藥機(jī)制之前，有必要評估腫瘤細(xì)胞系的基礎(chǔ)耐藥性水平，并判斷其與臨床藥效的相關(guān)性。

隨著基因芯片與二代測序等高通量檢測技術(shù)的迅猛發(fā)展，產(chǎn)生了大量的基因表達(dá)譜數(shù)據(jù)。利用這些數(shù)據(jù)，國內(nèi)外研究者已識別出一些耐藥標(biāo)志物[4~6]。但上述基于基因表達(dá)值的藥效評分標(biāo)志物容易受實驗室條件、試劑及實驗操作人員等因素所造成的批次效應(yīng)影響，可重現(xiàn)性較差，難以被應(yīng)用于臨床[7]。但基于樣本內(nèi)基因表達(dá)值的相對大小秩序關(guān)系(rela-tive gene expression orderings, REO)的基因?qū)?biāo)志物不易受到批次效應(yīng)的影響，具有很強(qiáng)的穩(wěn)健性，在癌的分子診斷與預(yù)后評估中應(yīng)用價值明顯[8]。

本研究將根據(jù)CRC細(xì)胞系對不同藥物IC50值的中值，構(gòu)建一個基礎(chǔ)耐藥性水平評估指標(biāo)MIC50，并識別出MIC50相關(guān)基因；然后基于MIC50相關(guān)基因?qū)Φ腞EO構(gòu)建CRC組織的基礎(chǔ)耐藥性評分模型，以評估基礎(chǔ)耐藥性水平與臨床上以5-FU基礎(chǔ)的聯(lián)合化療藥效的相關(guān)性，以期為CRC聯(lián)合化療耐藥機(jī)制的研究及臨床個體化用藥提供一定的理論依據(jù)。

1 材料與方法

1.1 材料

本研究所用到的細(xì)胞系數(shù)據(jù)來自Genomics of Drug Sensitivity in Cancer (GDSC, http://www. cancerrxgene.org/)數(shù)據(jù)庫，該數(shù)據(jù)庫共收錄1074例腫瘤細(xì)胞系(含48例CRC細(xì)胞系)的基因表達(dá)譜數(shù)據(jù)及對應(yīng)265種藥物的IC50值。265種藥物包括24種化療藥物與241種靶向藥物。接受5-FU基礎(chǔ)的聯(lián)合化療的CRC組織表達(dá)譜數(shù)據(jù)來自Gene Expression Omnibus (GEO)數(shù)據(jù)庫，具體信息如表1所示。

表1 CRC組織樣本數(shù)據(jù)描述

a：68個聯(lián)合用藥樣本，包含37個響應(yīng)樣本和31個不響應(yīng)樣本，有生存信息；b：28個聯(lián)合用藥樣本，包含14個響應(yīng)樣本和14個不響應(yīng)樣本，有生存信息；c：56個聯(lián)合用藥樣本，包含31個響應(yīng)樣本和25個不響應(yīng)樣本，無生存信息。

1.2 評估細(xì)胞系基礎(chǔ)耐藥性水平

構(gòu)建指標(biāo)MIC50表示細(xì)胞系對所有藥物的基礎(chǔ)耐藥性水平(公式1)：

其中代表第個癌細(xì)胞系，代表第種藥物，IC50(,)為第個癌細(xì)胞系經(jīng)藥物處理的IC50值，利用Spearman相關(guān)性分析計算CRC細(xì)胞系中265種藥物中任意兩種藥物間IC50值的相關(guān)系數(shù)。

1.3 MIC50相關(guān)基因的篩選及蛋白質(zhì)互作分析

在CRC細(xì)胞系的基因表達(dá)譜中，利用Spearman相關(guān)識別表達(dá)值與MIC50顯著相關(guān)的基因(<0.05)，其中將相關(guān)系數(shù)大于0.3的基因定義為基礎(chǔ)耐藥相關(guān)基因。使用基因注釋工具M(jìn)etascape (http://metascape. org/gp/index.html#/main/step1)對基礎(chǔ)耐藥相關(guān)基因進(jìn)行蛋白質(zhì)互作與功能富集分析[12]。

1.4 基于MIC50相關(guān)基因?qū)?gòu)建基礎(chǔ)耐藥評分模型

將上述基礎(chǔ)耐藥相關(guān)基因進(jìn)行兩兩組合，構(gòu)成基因?qū)?gene pair, GP)。假設(shè)某一相關(guān)基因?qū)τ苫騛和基因b組成，Ea和Eb分別表示該基因的表達(dá)值，根據(jù)每個GP的REO，將48種CRC細(xì)胞系分為1或0的兩組。例如，Ea> Eb，分類標(biāo)簽為1；反之，分類標(biāo)簽為0?？刂艶DR < 0.2，采用T檢驗判斷兩組細(xì)胞系的MIC50是否存在顯著的差異。若存在顯著的差異，則判定該基因?qū)Φ腞EO與MIC50相關(guān)。定義所有MIC50相關(guān)基因?qū)榛A(chǔ)耐藥相關(guān)基因?qū)?，并將其方向調(diào)整一致(即以Ga> Gb表示基礎(chǔ)耐藥模式，支持結(jié)直腸癌細(xì)胞系具有較高基礎(chǔ)耐藥水平)。

以GSE72968為訓(xùn)練集，評價基礎(chǔ)耐藥相關(guān)基因?qū)Φ腞EO與臨床CRC組織樣本聯(lián)合用藥響應(yīng)狀態(tài)間的對應(yīng)關(guān)系。若Ga> Gb，則支持CRC組織具有相對較高的基礎(chǔ)耐藥水平，將樣本標(biāo)記為不響應(yīng)；反之，則標(biāo)記為響應(yīng)。將判定的分類標(biāo)簽與CRC組織樣本真實的響應(yīng)狀態(tài)進(jìn)行比較，分別計算每個基礎(chǔ)耐藥相關(guān)基因?qū)Φ拿舾行?sensitivity)、特異性(specificity)和F-score (公式2)，判斷其對CRC組織樣本聯(lián)合化療響應(yīng)狀態(tài)的分類效能。

提取F-score> 0.5的基礎(chǔ)耐藥相關(guān)基因?qū)?，采用順序前向搜?sequential forward selection, SFS)獲得具有最優(yōu)分類效能的特征基因?qū)M合，定義為5-FU-based基礎(chǔ)耐藥相關(guān)基因?qū)?具體流程詳見圖1)。然后計算上述所有5-FU-based基礎(chǔ)耐藥相關(guān)基因?qū)Φ幕A(chǔ)耐藥模式在組織樣本中的保持頻率，即為CRC組織樣本的5-FU-based基礎(chǔ)耐藥評分。

1.5 統(tǒng)計分析

采用Benjamini-Hochberg(BH)法計算多重假設(shè)檢驗的假陽性發(fā)生率(false discovery rate, FDR)[13]。以每個數(shù)據(jù)集中所有組織樣本基礎(chǔ)耐藥評分的算術(shù)平均值為閾值，將高于閾值的樣本歸為高基礎(chǔ)耐藥組(高分組)，否則歸為低基礎(chǔ)耐藥組(低分組)。通過2檢驗判斷兩組CRC組織樣本對5-FU基礎(chǔ)化療方案的響應(yīng)信息是否存在顯著差異。采用Kaplan- Meier方法評估兩類患者的生存率，繪制患者的生存曲線圖；log-rank檢驗判斷兩組患者的生存率是否存在顯著差異；單變量Cox比例風(fēng)險回歸模型用于計算風(fēng)險比(hazard rate, HR)以及HR的95%置信區(qū)間(confidence intervals, CIs)。使用R軟件3.5.1版進(jìn)行上述統(tǒng)計分析。

2 結(jié)果與分析

2.1 CRC細(xì)胞系基礎(chǔ)耐藥水平評估

采用Spearman相關(guān)性分析，控制FDR<0.05，計算CRC細(xì)胞系中任意兩種藥物的IC50值的相關(guān)性，結(jié)果發(fā)現(xiàn)全部藥物中的8204對藥物組合的IC50值存在顯著相關(guān)性，其中99.80% (8185對)呈顯著正相關(guān)；靶向藥物中6770對藥物組合的IC50值存在顯著相關(guān)性，占比99.76%；化療藥物中藥物間的IC50值相關(guān)系數(shù)則100%呈正相關(guān)(表2)。結(jié)果表明，若CRC細(xì)胞系對某種藥物的IC50值高(或低)，則對其他藥物的IC50值也傾向于高(或低)。藥物之間IC50值普遍存在的正相關(guān)關(guān)系，支持CRC細(xì)胞系存在基礎(chǔ)耐藥性水平的假設(shè)。

表2 CRC細(xì)胞系藥物兩兩間IC50的相關(guān)系數(shù)

2.2 MIC50相關(guān)基因的篩選與蛋白質(zhì)互作分析

控制< 0.05，采用Spearman相關(guān)分析得到1576個表達(dá)與CRC細(xì)胞系MIC50顯著相關(guān)的基因。將相關(guān)系數(shù)大于0.3的602個基因定義為基礎(chǔ)耐藥相關(guān)基因。通過基因注釋工具M(jìn)etascape進(jìn)行蛋白質(zhì)互作分析，并利用分子復(fù)合體(MCODE) 算法識別密切聯(lián)系的網(wǎng)絡(luò)組分[14]，從602個基因中識別出12個功能模塊(圖2)。

根據(jù)網(wǎng)絡(luò)連通度排名，前4個MCODE包含的基因主要涉及的功能通路如表3所示。其中，MCODE1和MCODE3模塊中的基因與G蛋白偶聯(lián)受體(G-protein-coupled receptor, GPCR)關(guān)系密切；MCODE2模塊中的基因涉及嘧啶(pyrimidine)、碳、磷酸核糖等代謝功能，即與細(xì)胞自身代謝相關(guān)；而MCODE4則主要與mRNA 剪接相關(guān)。已有研究表明上述功能與腫瘤耐藥有密切聯(lián)系，如：激活Gli分子可通過平滑受體(smoothened, SMO)介導(dǎo)的GPCR樣信號引起腫瘤細(xì)胞獲得性耐藥的產(chǎn)生[15]；嘧啶代謝通路能夠促進(jìn)化療藥物5-FU的代謝，進(jìn)而導(dǎo)致耐藥[16]；一些特定基因(和)的可變剪接可導(dǎo)致相應(yīng)治療的失敗[17]。

2.3 CRC組織樣本的基礎(chǔ)耐藥水平與臨床藥效的相關(guān)性評價

將602個基礎(chǔ)耐藥相關(guān)基因組合，共得到180 901個基因?qū)Α＠脵z驗，控制FDR < 0.2，從中得到了5368對基礎(chǔ)耐藥相關(guān)基因?qū)?。以GSE72968為訓(xùn)練集，從基礎(chǔ)耐藥基因?qū)χ泻Y選出21對5-FU-based基礎(chǔ)耐藥基因?qū)Γ⑴R床CRC組織樣本的5-FU-based基礎(chǔ)耐藥評分模型(表4)。

根據(jù)基礎(chǔ)耐藥評分模型，將訓(xùn)練集GSE72968的患者劃分為基礎(chǔ)耐藥低分組(25例)和基礎(chǔ)耐藥高分組(43例)，其中低分組患者表現(xiàn)為用藥響應(yīng)的有21例，高分組患者表現(xiàn)為用藥響應(yīng)的僅有16例。2檢驗結(jié)果表明基礎(chǔ)耐藥高、低分兩組患者對基于5-Fu聯(lián)合用藥的響應(yīng)信息率有顯著差別(= 0.00019)，即基礎(chǔ)耐藥高分組的患者對5-FU聯(lián)合用藥的響應(yīng)率顯著低于基礎(chǔ)耐藥低分組的患者(表5)。這一結(jié)果在數(shù)據(jù)集GSE72969與GSE28702中得到了驗證(表5)，即基礎(chǔ)耐藥低分組患者對5-FU聯(lián)合用藥的響應(yīng)率也顯著高于基礎(chǔ)耐藥高分組(2檢驗，< 0.05)。以上結(jié)果說明患者基礎(chǔ)耐藥水平的高低與5-FU聯(lián)合用藥的臨床響應(yīng)信息顯著相關(guān)。

圖2 基礎(chǔ)耐藥相關(guān)基因的蛋白質(zhì)互作與MCODE識別

表3 每個MCODE涉及基因的通路富集

每個MCODE中分別選擇Log10()值最小的3個通路。

此外，上述數(shù)據(jù)集中包含96例有生存信息的樣本，其中基礎(chǔ)耐藥低分組39例、高分組57例。生存分析結(jié)果表明：低分組患者的無進(jìn)展生存時間(progression-free survival, PFS)顯著長于高分組患者(10個月的無進(jìn)展生存率66.7%28%, HR = 1.86,= 0.00423，圖3A)。另外，低分組患者的總體生存時間(overall survival，OS)也顯著長于高分組患者(30個月的總體生存率48.7%21 %, HR = 1.78,= 0.0182，圖3B)。以上說明基礎(chǔ)耐藥水平的高低與患者聯(lián)合用藥的獲益也顯著相關(guān)，且低基礎(chǔ)耐藥水平的患者傾向于預(yù)后良好。

3 討論

癌細(xì)胞系實驗常用于藥物敏感性測試與藥效標(biāo)志的篩選。目前研究者已構(gòu)建了許多大型藥物敏感性數(shù)據(jù)庫，如Genomics of Drug Sensitivity in Cancer (GDSC)、Cancer Cell Line Encyclopedia (CCLE)和Cancer Therapeutics Response Portal (CTRP)數(shù)據(jù)庫等，旨在通過這些數(shù)據(jù)庫來實現(xiàn)精準(zhǔn)醫(yī)學(xué)的研究。Geeleher等[1]通過對CCLE、CTRP和CRP等數(shù)據(jù)庫進(jìn)行分析，發(fā)現(xiàn)不同藥物的IC50值之間普遍存在正相關(guān)關(guān)系，但是該研究未單獨針對某特定癌種的細(xì)胞系進(jìn)行系統(tǒng)分析。本研究通過計算GDSC數(shù)據(jù)庫中48例CRC細(xì)胞系對應(yīng)265種藥物彼此間IC50值的Spearman相關(guān)系數(shù)，結(jié)果表明不同藥物的IC50值之間的正相關(guān)比例高達(dá)99.80%。值得注意的是，265種藥物包括氟尿嘧啶、順鉑(cisplatin)和紫杉醇(paclitaxel)等24種傳統(tǒng)化療藥物，及吉非替尼(gefitinib)、索拉菲尼(sorafenib)和阿法替尼(afatinib)等241種靶向作用藥物，其作用機(jī)制各有不同，說明CRC細(xì)胞系存在某種與藥物作用機(jī)制無關(guān)的基礎(chǔ)耐藥特征。

表4 5-FU-based基礎(chǔ)耐藥評分模型包含的基因?qū)?/p>

Ga > Gb支持CRC組織具有相對較高的基礎(chǔ)耐藥水平。

表5 基礎(chǔ)耐藥性水平與樣本響應(yīng)信息的相關(guān)性評價

圖3 組織樣本的5-FU-based基礎(chǔ)耐藥評分對患者生存時間的預(yù)測

A：無進(jìn)展生存時間(PFS)預(yù)測；B：總體生存時間(OS)預(yù)測。

絕大多數(shù)以癌細(xì)胞系為基礎(chǔ)的臨床前藥效模型，雖然經(jīng)過大量的實驗驗證，但仍在3期臨床試驗中失敗[18]。研究者分析了諸多可能導(dǎo)致藥效模型的失敗原因，如：細(xì)胞系在培養(yǎng)過程中發(fā)生未知的遺傳變異[19]，或者培養(yǎng)未能包含腫瘤微環(huán)境的關(guān)鍵組分，再或者是丟失了在原發(fā)組織中的腫瘤異質(zhì)性特征[18]。然而，癌細(xì)胞系的基礎(chǔ)耐藥性水平(GLDR)并未受到廣大研究者重視。本研究初步證實一種癌細(xì)胞系對所有藥物的IC50值的中值(即MIC50)可以較好地代表其基礎(chǔ)耐藥性水平，并根據(jù)48種CRC細(xì)胞系的MIC50值，識別出602個CRC基礎(chǔ)耐藥相關(guān)基因。通過蛋白質(zhì)網(wǎng)絡(luò)互作與功能富集發(fā)現(xiàn)，4個主要的基因功能模塊(MOCODE)都與腫瘤耐藥相關(guān)。另外，Tong等[20]根據(jù)6對基因組成預(yù)后標(biāo)志，可將NCI-60中的58細(xì)胞系分為耐藥或敏感細(xì)胞系，其中7種結(jié)直腸癌細(xì)胞系(HCT-116、COL205、SW620、HT29、KM12、HCC2998和HCT-15)均被判定為敏感。而事實上，若根據(jù)MIC50值對本研究中的48種CRC細(xì)胞系進(jìn)行高低排序，將排序前50%的細(xì)胞系歸為低基礎(chǔ)耐藥組，Tong等[20]報道的7種結(jié)直腸癌細(xì)胞系都被分為低分組，且有5種排序在前20% (圖4)，說明CRC癌細(xì)胞系的MIC50值與臨床藥效標(biāo)志的識別關(guān)系緊密。因此，在使用癌細(xì)胞系進(jìn)行藥敏測試或耐藥標(biāo)志的篩選時，有必要預(yù)先評估癌細(xì)胞系的GLDR。

此外，Geeleher等[1]發(fā)現(xiàn)通過主成分分析的方法校正細(xì)胞藥物敏感性的一般水平(GLDS)，可顯著改進(jìn)藥物特異性藥效標(biāo)志的識別。Marc等[21]發(fā)現(xiàn)校正細(xì)胞周期因素也能夠顯著改進(jìn)藥效標(biāo)志的識別，并建立一個判斷藥物敏感性的新指標(biāo)GR50。但上述研究建立的校正方法需要遵循嚴(yán)格的實驗方案，難以實現(xiàn)跨數(shù)據(jù)集的應(yīng)用，也難以對臨床組織樣本進(jìn)行個體化分析。相比之下，本研究提出的基于MIC50相關(guān)基因?qū)?基礎(chǔ)耐藥相關(guān)基因?qū)? REO的評分模型可以對臨床組織樣本的基礎(chǔ)耐藥水平進(jìn)行評估，具有一定的臨床應(yīng)用價值。通過對聯(lián)合用藥響應(yīng)信息的分析，表明該評分模型能夠有效評價CRC患者對基于5FU的聯(lián)合用藥的基礎(chǔ)耐藥水平。同時，經(jīng)文獻(xiàn)檢索發(fā)現(xiàn)該評分模型中的大多數(shù)基因都與癌的發(fā)生發(fā)展、預(yù)后或者輔助化療的耐藥相關(guān)，如：基因在CRC組織中的表達(dá)顯著高于癌旁組織，且該基因的表達(dá)與血管及淋巴結(jié)侵襲相關(guān)，是一個潛在的CRC診斷與預(yù)后生物標(biāo)志[22]；基因的過表達(dá)與結(jié)腸癌及黑色素瘤患者的預(yù)后呈負(fù)相關(guān)[23]；基因編碼的SCC-S2蛋白是結(jié)腸癌組織中的一種重要的癌蛋白，在維持結(jié)腸癌細(xì)胞的惡性增生中發(fā)揮重要作用[24]，并且Wang等[25]發(fā)現(xiàn)根據(jù)該蛋白的表達(dá)情況可預(yù)測卵巢癌患者新輔助化療的耐藥及預(yù)后；BATF2作為一種腫瘤抑制因子，在肺腺癌、結(jié)直腸癌、食管癌中均得到了驗證，近來有研究者發(fā)現(xiàn)BATF2可以通過抑制Wnt/β-catenin信號逆轉(zhuǎn)胃癌細(xì)胞的多藥耐藥[26]；LMTK3是一種致癌激酶，涉及乳腺癌、肺癌和結(jié)直腸癌等多種癌癥，其過表達(dá)能夠降低乳腺癌細(xì)胞系對化療藥物的敏感性[27]。但上述基因均尚未在CRC中進(jìn)行較為系統(tǒng)的耐藥研究，其更深層次的遺傳機(jī)制值得進(jìn)一步關(guān)注。

圖4 CRC細(xì)胞系的MIC50值分布圖

Tong等[20]報道的7種結(jié)直腸癌細(xì)胞系名稱已標(biāo)為紅色。

綜上所述，CRC細(xì)胞系存在基礎(chǔ)耐藥特征，且組織樣本的基礎(chǔ)耐藥性水平與5-FU聯(lián)合用藥患者的預(yù)后及藥物響應(yīng)狀態(tài)密切相關(guān)。但根據(jù)MIC50值校正基礎(chǔ)耐藥性水平后，CRC細(xì)胞系對藥物特異的耐藥機(jī)制分析及與臨床的相關(guān)性評價尚待后續(xù)研究。

[1] Geeleher P, Cox NJ, Huang RS. Cancer biomarker discovery is improved by accounting for variability in general levels of drug sensitivity in pre-clinical models., 2016, 17(1): 190.

[2] Zhang CY, Feng YX, Li P, Fu SB. Study on the relationship between the resistance to MTX and the transport protein superfamily of ATP-binding cassette that induces multiple drug resistance., 2006, 28(10): 1201–1205.張春玉, 馮源熙, 李璞, 傅松濱. 介導(dǎo)多藥耐藥的ABC轉(zhuǎn)運蛋白超家族與MTX耐藥性的關(guān)系研究. 遺傳, 2006, 28(10): 1201–1205.

[3] Guo Q, Cao H, Qi X, Li H, Ye P, Wang Z, Wang D, Sun M. Research progress in reversal of tumor multi-drug resistancenatural products., 2017, 17(11): 1466–1476.

[4] Li ST, Lu XR, Chi P, Pan J. Identification of HOXB8 and KLK11 expression levels as potential biomarkers to predict the effects of FOLFOX4 chemotherapy., 2013, 9(5): 727–736.

[5] Criscitiello C, Bayar MA, Curigliano G, Symmans FW, Desmedt C, Bonnefoi H, Sinn B, Pruneri G, Vicier C, Pierga JY, Denkert C, Loibl S, Sotiriou C, Michiels S, André FA gene signature to predict high tumor-infiltrating lymphocytes after neoadjuvant chemotherapy and outcome in patients with triple-negative breast cancer., 2018, 29(1): 162–169.

[6] Watanabe T, Kobunai T, Yamamoto Y, Matsuda K, Ishihara S, Nozawa K, Iinuma H, Konishi T, Horie H, Ikeuchi H, Eshima K, Muto T.Gene expression signature and response to the use of leucovorin, fluorouracil and oxaliplatin in colorectal cancer patients., 2011, 13(6): 419–425.

[7] Qi LS, Chen LB, Li Y, Qin Y, Pan RF, Zhao WY, Gu YY, Wang HW, Wang RP, Chen XQ, Guo Z. Critical limitations of prognostic signatures based on risk scores summarized from gene expression levels: a case study for resected stage I non-small-cell lung cancer., 2016, 17(2): 233–242.

[8] Eddy JA, Sung J, Geman D, Price ND. Relative expression analysis for molecular cancer diagnosis and prognosis., 2010, 9(2): 149–159.

[9] Del Rio M, Mollevi C, Martineau P. Molecular subtypes of metastatic colorectal cancer are predictive of patient response to chemo and targeted therapies (part 1). NCBI, GEO, 2017. https://www.ncbi.nlm.nih.gov/geo/query/acc. cgi?acc=GSE72968.

[10] Del Rio M, Mollevi C, Martineau P. Molecular subtypes of metastatic colorectal cancer are predictive of patient response to chemo and targeted therapies (part 2). NCBI, GEO, 2017. https://www.ncbi.nlm.nih.gov/geo/query/acc. cgi?acc=GSE72969.

[11] Shingo Tsuji. CRC samples for FOLFOX therapy prediction. NCBI, GEO, 2011. https://www.ncbi.nlm.nih. gov/geo/query/acc.cgi?acc=GSE28702.

[12] Zhou YY, Zhou B, Pache L, Chang M, Khodabakhshi AH, Tanaseichuk O, Benner C, Chanda SK. Metascape provides a biologist-oriented resource for the analysis of systems- level datasets., 2019, 10(1): 1523.

[13] Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing., 1995, 57(1): 289–300.

[14] Bader GD, Hogue CW. An automated method for finding molecular complexes in large protein interaction networks., 2003, 4: 2.

[15] Zhan X, Wang J, Liu Y, Peng YQ, Tan WF. GPCR-like signaling mediated by smoothened contributes to acquired chemoresistance through activating Gli., 2014, 13: 4.

[16] Shigeta K, Ishii Y, Hasegawa H, Okabayashi K, Kitagawa Y. Evaluation of 5-fluorouracil metabolic enzymes as predictors of response to adjuvant chemotherapy outcomes in patients with stage II/III colorectal cancer: a decision- curve analysis., 2014, 38(12): 3248–3256.

[17] Siegfried Z, Karni R. The role of alternative splicing in cancer drug resistance., 2018, 48: 16–21.

[18] Wilding JL, Bodmer WF. Cancer cell lines for drug discovery and development., 2014, 74(9): 2377–2384.

[19] Daniel VC, Marchionni L, Hierman JS, Rhodes JT, Devereux WL, Rudin CM, Yung R, Parmigiani G, Dorsch M, Peacock CD, Watkins DN. A primary xenograft model of small-cell lung cancer reveals irreversible changes in gene expression imposed by culture., 2009, 69(8): 3364–3373.

[20] Tong M, Zheng W, Li H, Li X, Ao L, Shen Y, Liang Q, Li J, Hong G, Yan H, Cai H, Li M, Guan Q, Guo Z. Multi-omics landscapes of colorectal cancer subtypes discriminated by an individualized prognostic signature for 5-fluorouracil-based chemotherapy., 2016, 5(7): e242

[21] Hafner M, Niepel M, Subramanian K, Sorger PK. Designing drug-response experiments and quantifying their results., 2017, 9(2): 96–116.

[22] Sartor ITS, Recamonde-Mendoza M, Ashton-Prolla P.: A potential biomarker in colorectal cancer?, 2019, 14(1): e0210762.

[23] Zeng H, Li H, Zhao YN, Chen LY, Ma XL. Transcripto- based network analysis reveals a model of gene activation in tongue squamous cell carcinomas., 2019, 41(12): 4098–4110.

[24] Miao ZF, Zhao TT, Wang ZN, Xu YY, Song YX, Wu JH, Xu HM.is overexpressed in colon cancers and regulates cell proliferation., 2012, 33(6): 2099–2106.

[25] Wang J, Gao HY, Liu GH, Gu LN, Yang C, Zhang FM, Liu TB. Tumor necrosis factor α–induced protein 8 expression as a predictor of prognosis and resistance in patients with advanced ovarian cancer treated with neoadjuvant chemotherapy., 2018, 82: 239–248.

[26] Yang W, Wu B, Ma N, Wang YF, Guo JH, Zhu J, Zhao SH.reverses multidrug resistance of human gastric cancer cells by suppressing Wnt/β-catenin signaling.. 2019, 55(6): 445–452.

[27] Stebbing J, Shah K, Lit LC, Gagliano T, Ditsiou A, Wang T, Wendler F, Simon T, Szabó KS, O'Hanlon T, Dean M, Roslani AC, Cheah SH, Lee SC, Giamas G.confers chemo-resistance in breast cancer., 2018, 37(23): 3113–3130.

The development of a general drug resistance score model based on MIC50related gene pairs in colorectal cancer cell lines

Huxing Chen, Lei Xu, Jing Li, Zheng Guo, Lu Ao

Cancer cell line models are widely used for testing drug sensitivity and in screening for drug resistance markers. However, the general level of drug resistance in cancer cell lines is often ignored by researchers, making it difficult to apply many drug efficacy markers in clinical practice. In this study, we examined 48 colorectal cancer (CRC) cell lines to calculate the correlation coefficients between the IC50values for 265 drugs. The general drug resistance evaluation index MIC50was constructed using the median value of 265 drugs’ IC50values. Genes with positively correlated expression values and a MIC50which rose to significance were selected for further study. To analyze the effect of general drug resistance on the response status and prognosis in CRC patients, the general drug resistance scoring model was established based on within-sample relative expression orderings of gene pairs. The results demonstrate that more than 99% of the IC50correlation coefficients of 265 drugs were significantly positive (FDR<0.05), indicating that CRC cell lines possessed general drug resistance characteristics. Furthermore, we identified 602 general drug resistance related genes, and by using Metascape, we identified four functional modules closely related to tumor resistance. A scoring model of 5-FU-based general drug resistance levels consisting of 21 gene pairs was built. After performing2test, we found that the general drug resistance level in CRC patients was significantly correlated with the response information after accepting 5-FU-based combination drug therapy. Survival analysis showed that the low scoring cohort of patients had a better prognosis than the higher scoring cohort, indicating that the level of basic drug resistance was closely related to the prognosis and drug response status in these patients. These results provide basic theoretical support for further research on the mechanism of combined chemotherapy resistance and the individualized regimen of clinical drug use in patients with CRC.

cancer cell lines; general levels of drug resistance; MIC50

2020-01-06;

2020-04-29

國家自然科學(xué)基金項目(編號：81602738)，福建省衛(wèi)生計生中青年骨干人才培養(yǎng)項目(編號：2017-ZQN-56)和福建醫(yī)科大學(xué)啟航基金項目(編號：2018QH1005)資助[Supported by the National Natural Science Foundation of China (No. 81602738), Young and Middle-Aged Backbone Training Project in the Health System of Fujian Province (No. 2017-ZQN-56), and Fujian Medical University (No. 2018QH1005)]

陳湖星，碩士，助理實驗師，研究方向：腫瘤生物信息學(xué)。E-mail: huxingchen@fjmu.edu.cn

敖露，博士，副教授，碩士生導(dǎo)師，研究方向：腫瘤生物信息學(xué)。E-mail: lukey@fjmu.edu.cn

10.16288/j.yczz.19-336

2020/6/2 9:57:20

URI: http://kns.cnki.net/kcms/detail/11.1913.R.20200601.1439.001.html

(責(zé)任編委: 盧大儒)