Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Forschungsartikel
* These authors contributed equally
Integrierte metabolomische, transkriptomische, Einzelzell- und funktionelle Analysen identifizieren SHMT2 als Biomarker für die metabolische Ummetabolisierung des SGOC, aggressives Verhalten und eine verminderte vorhergesagte Ansprechrate auf Immuntherapie beim Lungenadenokarzinom.
Die Serin/Glycin-Ein-Kohlenstoff-(SGOC-)Stoffwechsel wird bei Lungenadenokarzinomen (LUAD) häufig verändert, doch seine Beziehung zum Tumorbefund und zur vorhergesagten Ansprechbarkeit auf Immuntherapie ist noch unvollständig geklärt. Die metabolomische Profilierung von 23 gepaarten LUAD- und angrenzenden normalen Lungengeweben erfolgte mittels interner extraktiver Elektrospray-Ionisations-Massenspektrometrie. Transkriptomische und klinische Daten aus der Tumor-Genom-Atlas-LUAD-Kohorte (TCGA-LUAD) wurden analysiert, um die Expression von SHMT2, die Prognose, differenziell exprimierte Gene sowie immunbezogene Merkmale zu bewerten. Die vorhergesagte Ansprechbarkeit auf die Immuncheckpointblockade wurde mithilfe von Tumor Immune Dysfunction and Exclusion (TIDE) und The Cancer Immunome Atlas (TCIA) sowie die Arzneimittelsensitivität mittels oncoPredict abgeleitet. Einzelzell-RNA-seq-Daten wurden verwendet, um die zelluläre Verteilung von SHMT2 zu untersuchen. Die experimentelle Validierung umfasste quantitative reversetranskriptive PCR (RT-qPCR), Western Blotting, immunhistochemische Analysen aus dem Human Protein Atlas (HPA) sowie eine durch kurze Haarnadel-RNA (shRNA) vermittelte SHMT2-Reduktion, gefolgt von Proliferations-, Wundheilungs- und Koloniebildungsassays. Die metabolomische Analyse identifizierte den Stoffwechsel von Glycin, Serin und Threonin als einen deutlich veränderten Signalweg bei LUAD. SHMT2 war bei LUAD hochreguliert und mit einer schlechteren Gesamtüberlebensrate sowie ungünstigen klinisch-pathologischen Merkmalen assoziiert. Tumoren mit hoher SHMT2-Expression wiesen eine Anreicherung zellzyklus- und SGOC-bezogener transkriptioneller Programme, niedrigere Immun- und Stromawerte sowie eine verringerte vorhergesagte Ansprechbarkeit auf Immuntherapie auf. Die Einzelzellanalyse zeigte eine relative Anreicherung der SHMT2-Expression in B-Zellpopulationen. In vitro wurde SHMT2 in LUAD-Zellen überexprimiert, und dessen Herunterregulation hemmte Proliferation, Migration und klonogenes Wachstum. Insgesamt ist SHMT2 mit einer Umprogrammierung des SGOC-Stoffwechsels, aggressiven Tumorphänotypen und einem immunologisch benachteiligten Zustand bei LUAD assoziiert, was seine potenzielle Relevanz als Biomarker stützt; therapeutische Zielstrukturen erfordern zusätzliche pharmakologische und in vivo-Validierungen.
LUAD bleibt weltweit eine der führenden Ursachen für krebsbedingte Todesfälle, verursacht durch eine ausgeprägte molekulare Heterogenität, eine frühe Neigung zur Metastasierung und die begrenzte Wirksamkeitsdauer der derzeitigen Behandlungsstrategien1,2. Obwohl Immun-Checkpoint-Inhibitoren (ICIs) das therapeutische Spektrum bei LUAD verändert haben, beschränkt sich ein anhaltender klinischer Nutzen auf eine Subgruppe von Patienten, und sowohl primäre als auch erworbene Resistenz werden häufig beobachtet3,4. Diese deutliche Variabilität zwischen den Patienten unterstreicht die dringende Notwendigkeit, die biologischen Determinanten zu definieren, die das tumoröse immunologische Mikromilieu prägen und die Ansprechbarkeit auf eine Immuntherapie steuern, sowie gezielte Schwachstellen zu identifizieren, die genutzt werden können, um die Patientenstratifizierung und die Behandlungsergebnisse zu verbessern.
Die metabolische Umprogrammierung ist ein zentrales Merkmal des malignen Fortschritts5. Unter den metabolischen Programmen verbindet der SGOC-Stoffwechsel glykolytische Vorstufen mit dem Aminosäurestoffwechsel und der Nukleotidsynthese und liefert Ein-Kohlenstoff-Einheiten für die Produktion von Purinen/Pyrimidinen sowie die Bildung von Methyl-Donatoren6. Neben der Biomasseproduktion trägt der SGOC-Stoffwechsel zur Redox-Homeostase bei und ist mit der Methionin-Schleife verknüpft, wodurch er die Methylierung von DNA, RNA und Histonen beeinflusst und somit eine zentrale Schnittstelle zwischen Proliferation und epigenetischer Regulation darstellt7,8. Die Serinhydroxymethyltransferase 2 (SHMT2), das mitochondriale Isoform des Serinhydroxymethyltransferase, wandelt Serin in Glycin um und erzeugt dabei 5,10-Methylen-Tetrahydrofolat; sie stellt somit einen wichtigen Einstiegspunkt für die mitochondriale Ein-Kohlenstoff-Versorgung innerhalb des SGOC-Netzwerks dar9. SHMT2 ist bei mehreren Malignitäten abnorm erhöht und wurde mit verstärkter Proliferation, Invasion, therapeutischer Resistenz und Anpassung an oxidativen Stress assoziiert10,11,12,13. SHMT2 interagiert außerdem über den BRISC-Komplex mit entzündlichen Signalwegen, obwohl ein direkter, von SHMT2 getriebener Immunmechanismus beim Lungenadenokarzinom (LUAD) bisher noch nicht nachgewiesen ist14,15. Daher bedarf es einer integrierten Bewertung, ob SHMT2 einen klinisch relevanten metabolischen Phänotyp beim LUAD kennzeichnet und wie dieser mit Merkmalen der immunologischen Mikroumgebung sowie der vorhergesagten Ansprechrate auf eine Immuntherapie verknüpft ist.
Das bidirektionale Wechselspiel zwischen Tumormetabolismus und Antitumor-Immunität steht im Mittelpunkt der modernen Krebsbiologie16. Tumorzellen können die Immunfunktion beeinträchtigen, indem sie Nährstoffe konkurrierend verbrauchen, immunmodulatorische Metaboliten anreichern und metabolisch-epigenetische Kopplungen etablieren, die die Differenzierung und Effektorprogramme von Immunzellen neu programmieren7,16,17. Eine erhöhte Ein-Kohlenstoff-Metabolisierung kann methylierungsabhängige Programme und die metabolische Fitness von T-Zellen beeinflussen, wobei Richtung und Ausmaß dieser Effekte von der Zellart und dem Nährstoffkontext abhängen17. Die adaptive Immunregulation reicht zudem über T-Zellen hinaus: B-Zellen, Antikörperantworten, Antigenpräsentation und tertiäre lymphoide Strukturen (TLS) wurden mit der Wirksamkeit von Immuntherapien assoziiert18. Diese Beobachtungen motivieren eine mehrschichtige Analyse, die einen metabolischen Kandidaten in den Kontext von Gesamttumor-, Einzelzell- und Funktionsdaten einordnen kann, ohne vorauszusetzen, dass eine Übereinstimmung zwischen verschiedenen Plattformen allein Kausalität beweist.
Im Gegensatz zu einem reinen Metabolomik-Ansatz, der veränderte Metaboliten identifiziert, ohne deren zelluläre Herkunft oder phänotypische Relevanz zu ermitteln, und im Gegensatz zu einem reinen Bulk-Transkriptomik-Ansatz, der die Aktivität von Wegen nur indirekt aus der Genexpression ableitet, ohne direkte Beobachtung von Metabolitenveränderungen, kombiniert der hier vorgestellte Arbeitsablauf paired-tissue-Metabolomik, Bulk- und Einzelzell-Transkriptomik sowie in vitro-Funktionsanalysen. Übereinstimmungen zwischen diesen Ebenen unterstützen die Priorisierung von Kandidaten und verringern die Abhängigkeit von einer einzelnen analytischen Plattform; dennoch bleibt der erzielte Nachweis für die Immunregulation assoziativ, sofern er nicht in Immun-Ko-Kultur- oder in vivo-Systemen validiert wird.
Die paired-tissue-Metabolomik von LUAD und angrenzendem normalem Lungengewebe wurde erstmals verwendet, um glycindassoziierte metabolische Störungen zu identifizieren. Anschließend wurden Transkriptom- und klinische Daten aus dem TCGA integriert, um SHMT2 zu bewerten – ein mitochondriales Enzym des SGOC-Stoffwechsels, dessen Relevanz durch Pfadzugehörigkeit, Tumorüberexpression, prognostische Assoziation und experimentelle Handhabbarkeit gestützt wurde. Profilierung der Immunmikroumgebung, Einzelzell-Mapping und in vitro-Funktionsvalidierung etablierten daraufhin einen mehrschichtigen, hypothesengenerierenden Rahmen, der metabolische Veränderungen, Enzymderegulation, zelluläre Verteilung und Tumorzellphänotyp umfasst. Praktisch betrachtet erfordert dieser Workflow frisch eingefrorenes, gepaartes Gewebe. Die Identifizierung von Metaboliten mittels Massenspektrometrie ist semiquantitativ; Kandidatenmetaboliten sollten unabhängig bestätigt werden. Vorhersagen zur Immuntherapie (TIDE/TCIA) und Rückschlüsse zur Arzneimittelsensitivität (oncoPredict) sind transkriptom-basierte computergestützte Schätzungen, die klinische Validierungen an realen, mit ICI behandelten Kohorten nicht ersetzen und als hypothesengenerierend zu interpretieren sind.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Die Studie wurde von der Ethikkommission des Zweiten Angeschlossenen Krankenhauses der Nanchang-Universität (CDEFYYLK 3-05) genehmigt. Von allen Patienten wurde vor der Probenentnahme schriftlich informierte Einwilligung gemäß der Deklaration von Helsinki eingeholt. Die Rohdaten wurden mit Hilfe der in der Tabelle der Materialien aufgelisteten Software und Online-Ressourcen exportiert und analysiert.
Klinische Gewebesammlung
Gepaarte Tumor- und entsprechende entfernt liegende gesunde Lungengewebe wurden von Patienten gesammelt, die sich zwischen Januar und Juni 2024 einer chirurgischen Resektion unterzogen hatten und bei denen pathologisch ein invasives Lungenadenokarzinom diagnostiziert wurde. Die Proben wurden vom Operateur entfernt, innerhalb von 5 Minuten nach der Resektion aufgearbeitet, sofort in flüssigem Stickstoff schockgefroren und bis zur Analyse gelagert. Anonymisierte klinisch-pathologische Merkmale sind in Zusatz-Tabelle 1 angegeben.
Innere extraktive Elektrospray-Ionisation-Massenspektrometrie (iEESI-MS) zur Unterscheidung von LUAD und normalem Lungengewebe
Gewebeproben (1 mm3) wurden mittels iEESI-MS unter Verwendung eines hybriden linearen Ionenfallen-elektrostatischen Orbitrap-Massenspektrometers im positiven Ionenmodus analysiert. Als Extraktionslösung diente Methanol (100 %), das mit 3,0 µL/min und einer Vorspannung von +5 kV zugeführt wurde. Der iEESI-MS1-Scanbereich betrug m/z 50–2.000. Bei iEESI-MS2 kam eine kollisionsinduzierte Dissoziation mit einer normalisierten Kollisionsenergie von 25–35 %, einem Isolationsfenster von m/z 2,0 und einer dynamischen Ausschlusszeit von 30 s zum Einsatz. Eine tägliche externe Kalibrierung gemäß der instrumentenüblichen Vorgehensweise gewährleistete einen Massenfehler von <5 ppm. Nach medianer Normalisierung, log₂-Transformation und Autoskalierung wurde eine OPLS-DA mit 200 Permutationstests durchgeführt. Die Metaboliten wurden mithilfe der HMDB annotiert, und die Pfadverdünnungsanalyse erfolgte anhand von KEGG-Anmerkungen.
Verarbeitung von Massenspektrometriedaten und Identifizierung von Metaboliten
Die Roh-Massenspektrometriedaten wurden durch Median-Normalisierung normalisiert, gefolgt von einer log₂-Transformation und Autoskalierung (Zentrierung um den Mittelwert und Division durch die Standardabweichung jeder Variablen). Die orthogonale partielle kleinste-Quadrate-Diskriminanzanalyse (OPLS-DA) wurde verwendet, um diskriminierende m/z-Merkmale zu identifizieren. Merkmale wurden als differentiell betrachtet, wenn VIP > 1,0, |log₂(FC)| > 0,58 und p < 0,05 betrug. Die differentiellen Merkmale wurden einer MS2-Analyse unterzogen und mittels der Human Metabolome Database annotiert. Anschließend wurde eine auf KEGG basierende Pfad-Enrichment-Analyse verwendet, um veränderte Stoffwechselwege zu identifizieren und wegbezogene Enzyme zu priorisieren. Die annotierten differentiellen Metaboliten sind in Zusatzdatei 2 enthalten.
Analysen der TCGA-basierten SHMT2-Expression, Überlebens und klinisch-pathologischen Assoziationen
RNA-seq-Expressionsprofile und entsprechende klinische Annotationen für TCGA-LUAD wurden am 18. Dezember 2025 aus dem Genomic Data Commons heruntergeladen; Tumor (n = 542) und normal (n = 59). Fragmente pro Kilobase Transkript pro Million kartierte Reads (FPKM)-Werte wurden als log2(FPKM + 1) transformiert. Für prognostische Analysen wurden nur Proben mit vollständigen Überlebensinformationen einbezogen. Tumor- und normale SHMT2-Expressionswerte wurden mittels Wilcoxon-Rangsummentest verglichen. Die Patienten wurden anhand des medianen Expressionswerts in die Gruppen SHMT2-hoch und SHMT2-niedrig unterteilt. Die Gesamtüberlebenszeit wurde mittels Kaplan-Meier-Analyse und Log-Rank-Test ausgewertet. Assoziationen mit dem Tumor-Node-Metastase (TNM)-Stadium, dem Alter und dem Geschlecht wurden je nach Eignung mittels Chi-Quadrat- oder Wilcoxon-Tests untersucht. Zeitabhängige Receiver-Operating-Characteristic-(ROC)-Kurven wurden für das 1-, 3- und 5-Jahres-Überleben erstellt. Alle statistischen Tests waren zweiseitig.
Differenzielle Expressionsanalyse und funktionelle Anreicherung (GO/KEGG)
Differenziell exprimierte Gene (DEGs) zwischen den SHMT2-hohen und SHMT2-niedrigen Gruppen wurden mittels einer False-Discovery-Rate < 0,05 und |log₂(FC)| ≥ 1 identifiziert. Die Ergebnisse wurden als Volcano-Plot und als Heatmap der 40 stärksten DEGs mit zeilenweiser z-Score-Normalisierung dargestellt. Bei den Gene-Ontology-(GO)- und KEGG-Anreicherungsanalysen wurde ein adjustierter p < 0,05 verwendet. Die Annotationen menschlicher Gene stammten aus Ensembl vom Dezember 2025.
Immuninfiltration, Vorhersage der Immuntherapieantwort und Ableitung der Arzneimittelsensitivität
Tumor-Mikroumgebung-Scores, einschließlich ImmuneScore, StromalScore und ESTIMATEScore, wurden mithilfe von ESTIMATE berechnet. Die Zusammensetzung der Immunzellen wurde mittels CIBERSORT mit dem Referenzsatz LM22 (heruntergeladen am 5. Dezember 2025), 1.000 Permutationen und unter Beibehaltung von Proben mit einer Entmischungs-p < 0,05 abgeleitet. Gruppenweise Vergleiche wurden zwischen SHMT2-reichen und SHMT2-armen Tumoren durchgeführt. Spearman-Korrelationen zwischen SHMT2 und immunologischen Checkpoint-assoziierten Genen wurden als Korrelationsmatrix dargestellt. Immunophenoscores wurden von TCIA bezogen, und TIDE wurde zur ergänzenden Vorhersage der Ansprechbarkeit auf eine Immuntherapie verwendet. Die Arzneimittelsensitivität wurde mittels oncoPredict abgeschätzt, das auf dem GDSC-Release vom Dezember 2023 trainiert wurde, um IC50-Werte zu ermitteln. Für Gruppenunterschiede kamen Wilcoxon-Tests zum Einsatz, und für kontinuierliche Zusammenhänge wurden Spearman-Korrelationen verwendet.
Einzelzell-RNA-seq-Analyse von LUAD
Einzelzelltranskriptomische Daten19 wurden am 20. Dezember 2025 aus dem Gene Expression Omnibus heruntergeladen und analysiert. Zellen mit 200–6.000 detektierten Merkmalen und < 10 % mitochondrialem Transkript wurden beibehalten. Die Zählungen wurden mittels LogNormalize mit einem Skalierungsfaktor von 10.000 normalisiert; die 2.000 variabelsten Gene wurden ausgewählt, und alle Gene wurden skaliert. Die Hauptkomponentenanalyse verwendete die ersten 20 Hauptkomponenten, UMAP nutzte die Dimensionen 1–20, und die Clusterung erfolgte mit einer Auflösung von 0,5. Die Zelltypen wurden mithilfe des Referenzdatensatzes Human Primary Cell Atlas annotiert. Die Anteile der Zelltypen wurden zwischen Tumor- und Normalproben verglichen, und Spearman-Korrelationsmatrizen wurden erstellt. Die Verteilung von SHMT2 wurde über die annotierten Zelltypen hinweg untersucht. Die Zellzykluszustände wurden mittels cyclone abgeleitet und mit Ridge-Plots visualisiert.
Zellkultur
BEAS-2B-, H1299- und A549-Zellen wurden bei 37 °C in einem befeuchteten Inkubator mit 5 % CO2 und einer relativen Luftfeuchtigkeit von etwa 95 % unter Verwendung der in der Tabelle der Materialien angegebenen Medien und Zusätze kultiviert.
Quantitative Echtzeit-Reverse-Transkriptions-PCR (RT-qPCR)
Gesamt-RNA wurde unter Verwendung eines auf Phenol basierenden RNA-Extraktionsreagenz extrahiert. Die extrahierte RNA wurde unter Verwendung eines Mastermixes für die Reverse Transkription in cDNA umgeschrieben. Die Reverse Transkription wurde in einem 20 µL Ansatz durchgeführt, wobei eine genomische DNA-Entfernung bei 42 °C für 2 min, die Reverse Transkription bei 50 °C für 15 min und die Beendigung bei 85 °C für 5 s erfolgte. Die quantitative PCR wurde mit einem auf DNA-Bindungs-Farbstoff basierenden qPCR-Mastermix in einem Echtzeit-PCR-System durchgeführt, wobei eine Initialdenaturierung bei 95 °C für 3 min, gefolgt von 40 Zyklen mit 95 °C für 10 s und 60 °C für 30 s sowie eine Schmelzkurvenanalyse mit 95 °C für 15 s, 60 °C für 60 s und erneut 95 °C für 15 s durchgeführt wurde. Alle Reaktionen wurden im Dreifachansatz durchgeführt. Die relative Expression wurde nach der 2−ΔΔCt-Methode unter Verwendung von GAPDH als Housekeeping-Gen berechnet. Stammlösungen der Primer wurden in doppelt destilliertem Wasser auf 10 µM angesetzt und bei -20 °C im Dunkeln gelagert. Die Primersequenzen sind in Zusatz-Tabelle 3 angegeben.
Immunoblotting
Gesamtzelluläres Protein wurde mit Radioimmunpräzipitationspuffer auf Eis für 30 min extrahiert und bei 4 °C für 15 min bei 12.000 × g zentrifugiert. Die Proteine wurden mittels 12%iger Natriumdodecylsulfat-Polyacrylamid-Gelelektrophorese getrennt und auf 0,22 µm Polyvinylidenfluorid-Membranen übertragen. Die Membranen wurden mit 5% (w/v) fettfreier Milch in Tris-gepuffertem Salzlösung mit 0,1% Tween 20 (TBST) für 2 h bei Raumtemperatur blockiert und anschließend über Nacht bei 4 °C mit den primären Antikörpern gegen SHMT2 (1:1.000) und gegen GAPDH (1:2.000) inkubiert, die in 5% fettfreier Milch-TBST verdünnt waren. Nach dreimaligem Waschen jeweils 8 min mit TBST (20 mM Tris-HCl, 150 mM NaCl, 0,1% Tween-20) wurden die Membranen für 1 h bei Raumtemperatur mit mit Peroxidase konjugierten sekundären Antikörpern (1:5.000) inkubiert. Die Signale wurden mit einem durch Mischen gleicher Volumina der Lösungen A und B hergestellten verbesserten Chemilumineszenz-Substrat entwickelt, für 2 min bei Raumtemperatur im Dunkeln inkubiert und mit einem Chemilumineszenz-Bildgebungssystem erfasst.
Validierung der HPA-Immunhistochemie
Die Expressionsmuster des SHMT2-Proteins in normalem Lungengewebe und bei LUAD wurden mithilfe der HPA analysiert. „SHMT2“ wurde in der HPA abgefragt, und repräsentative Immunhistochemie-(IHC-)Bilder sowie zugehörige pathologische Annotationen wurden zum Vergleich heruntergeladen. Um Verzerrungen aufgrund der Antikörperspezifität zu minimieren, wurden Antikörper mit höheren Validierungsstufen in der HPA bevorzugt. Wo verfügbar, wurden IHC-Ergebnisse mehrerer Antikörper gegenseitig überprüft (HPA020543 und HPA020549).
Verringerung der SHMT2-Expression in LUAD-Zellen
Um die tumorspezifische Rolle von SHMT2 bei LUAD zu untersuchen, wurde eine SHMT2-Knockdown-Behandlung in H1299- und A549-Zellen mittels shRNA durchgeführt. Die shRNA wurde von einem über einen H1-Promotor gesteuerten, mit Puromycin selektierbaren lentiviralen Vektor getragen; Verpackungsplasmide wurden während der Virusproduktion cotransfiziert. sh-SHMT2 zielte auf den kodierenden Bereich des menschlichen SHMT2 ab, während sh-NC eine zufällig zusammengestellte negative Kontrolle darstellte. Die hergestellten Viruspräparationen wiesen eine Titerkonzentration von ≥ 1 × 108 transduzierenden Einheiten/mL auf und wurden bei -80 °C gelagert. Die Zellen wurden mit den in der Materialtabelle beschriebenen sh-SHMT2- oder sh-NC-lentiviralen Partikeln infiziert. Nach 48 Stunden wurde die Effizienz des Knockdowns mittels RT-qPCR und Western Blot analysiert. Nur Zellen mit nachgewiesener SHMT2-Silenzierung wurden für Proliferations-, Migrations- und Koloniebildungs-Assays verwendet.
Proliferationsassay für Zellen
Die Zellproliferation wurde mittels CCK-8-Assay bewertet. Transfizierte H1299- und A549-Zellen wurden in 96-Well-Platten in Sextuplikaten mit je 5 x 103 Zellen pro Well ausgesät. An den Tagen 1, 2, 3, 4 und 5 wurden jeweils 10 µL CCK-8-Reagenz (10 % des Kulturmediumvolumens) zu jedem Well hinzugefügt und 2 h bei 37 °C inkubiert. Die Extinktion wurde bei 450 nm gemessen und als Parameter für die Zellviabilität herangezogen.
Wundheilungs-Assay
Die Zellmigration wurde mithilfe eines Wundheilungsassays bewertet. Transfizierte H1299- und A549-Zellen wurden in 6-Well-Platten ausgesät und bis zur Konfluenz von 90–95 % kultiviert. Eine lineare Wunde wurde mit einer sterilen 200-µL-Pipettenspitze erzeugt, und abgelöste Zellen wurden durch vorsichtiges Waschen mit phosphatgepufferter Salzlösung entfernt. Die Zellen wurden anschließend in serumfreiem oder niedrigserumhaltigem Medium kultiviert, und der Wundbereich wurde nach 0 h und 24 h unter einem inversen Mikroskop dokumentiert. Die Wundschlussrate wurde mit der im Materialverzeichnis aufgeführten Bildanalyse-Software quantifiziert und als prozentuale Abnahme im Vergleich zur anfänglichen Wundfläche berechnet.
Test zur Koloniebildung
Für die Koloniebildungsanalyse wurden transfizierte H1299- und A549-Zellen in 6-Loch-Platten mit jeweils 800 Zellen pro Loch ausgesät und etwa 10–14 Tage lang kultiviert, bis sichtbare Kolonien entstanden, wobei die Kultur mikroskopisch überwacht wurde. Die Kolonien wurden 30 Minuten bei Raumtemperatur mit 4 % Paraformaldehyd fixiert und anschließend 15 Minuten bei Raumtemperatur mit 0,1 % Kristallviolett angefärbt. Kolonien mit mehr als 50 Zellen wurden unter dem Lichtmikroskop gezählt.
Statistische Analyse für in vitro-Experimente
Alle in vitro-Experimente wurden unabhängig voneinander mindestens dreimal durchgeführt. Die Daten werden als Mittelwert ± Standardabweichung angegeben. Für den Vergleich von zwei Gruppen wurde der t-Test nach Student verwendet, und ein p < 0,05 wurde als statistisch signifikant angesehen.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Gewebemetabolomik zeigt umfangreiche metabolische Umbaumaßnahmen in LUAD mit einer deutlichen Anreicherung glycinassoziierter Signalwege
Gepaarte Tumor- und angrenzende normale Lungengewebe von 23 Patienten mit LUAD wurden mittels direkter iEESI-MS analysiert; die Patientenmerkmale sowie die Annotationen differenzieller Metabolite sind in Ergänzende Tabelle 1 und Ergänzende Tabelle 2 aufgeführt. Nach log2-Normalisierung zeigte die O...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Diese Studie verwendete einen sequenziellen Ansatz, der aus der metabolomischen Entdeckung, der Priorisierung von Enzymen, der transkriptomischen Interpretation, der Beurteilung des Immun-Kontexts, der Einzelzell-Lokalisation und der funktionellen Validierung von Tumorzellen besteht. Die Analysen identifizieren glycindassoziierte und SGOC-assoziierte Stoffwechselumprogrammierungen in LUAD und verknüpfen SHMT2 mit ungünstigen Ergebnissen sowie einem niedrigeren, rechnerisch vorhergesagten Nutzen aus der Immuntherapie. Die...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Die Autoren geben keine Wettbewerbsinteressen an.
Die Autoren danken den Patienten und ihren Familien für ihre Teilnahme an dieser Studie. Die Autoren danken außerdem den Beiträgern der Datenbanken TCGA, GEO und HPA, die ihre Daten öffentlich zugänglich gemacht haben. Diese Forschung wurde durch das Schlüsselprogramm für Forschung und Entwicklung der Provinz Jiangxi (Förderkennzeichen Nr. 20223BBG71009) und die Nationale Naturwissenschaftliche Stiftung Chinas (Förderkennzeichen Nr. 81860379 und 82160410) finanziert.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| A549-Zellen | CCL-185 | ATCC | |
| Anti-GAPDH-Antikörper | M1310-2 | Huaan Biotechnology | |
| Anti-SHMT2-Antikörper | D197021 | Sangon Biotech | |
| BEAS-2B-Zellen | CRL-9609 | ATCC | |
| Cell Counting Kit-8 (CCK-8) | K1018 | APExBIO | |
| Datenbank: TCGA / GDC | Zugegriffen am 2025-12-18 | National Cancer Institute (NCI) | |
| Datenbank: GEO | Zugegriffen am 2025-12-20 | NCBI | |
| Datenbank: HMDB | Zugegriffen am 2025-12-12 | Human Metabolome Database | |
| Datenbank: KEGG | Zugegriffen am 2025-12-11 | Kanehisa Laboratories | |
| Datenbank: Human Protein Atlas | Protein Atlas | ||
| Datenbank: GDSC | Version 2023-12 | Sanger Institute | |
| Datenbank: Ensembl | 2025-12 | EMBL-EBI | |
| Datenbank: TCIA | Zugegriffen am 2025-12-10 | The Cancer Immunome Atlas | |
| H1299-Zellen (NCI-H1299) | CRL-5803 | ATCC | |
| HRP-konjugierter Sekundärantikörper | D110087 | Sangon Biotech | |
| HiScript II Q Select RT SuperMix | KR116 | Tiangen Biotech | |
| LightCycler 480 System | 5015278001 | Roche | |
| Magermilchpulver | Allgemeines Laborreagenz | BD (oder wie verwendet) | |
| PVDF-Membran, 0,22 µm | GVHP00010 (oder allgemeines Laborreagenz) | MilliporeSigma (oder wie verwendet) | |
| R-Paket: pRoloc | 1.40.0 | Bioconductor | |
| R-Paket: TCGAbiolinks | 2.26.0 | Bioconductor | |
| R-Paket: survival | 3.4-0 | CRAN | |
| R-Paket: survminer | 0.4.9 | CRAN | |
| R-Paket: timeROC | 1.0.4 | CRAN | |
| R-Paket: DESeq2 | 1.38.1 | Bioconductor | |
| R-Paket: ggplot2 | 3.4.4 | CRAN | |
| R-Paket: pheatmap | 1.0.12 | CRAN | |
| R-Paket: clusterProfiler | 4.6.2 | Bioconductor | |
| R-Paket: org.Hs.eg.db | 3.16.0 | Bioconductor | |
| R-Paket: estimate | 1.0.13 | Bioconductor / GitHub | |
| R-Paket: CIBERSORT | 1 | (standalone R-Skript) | |
| R-Paket: corrplot | 0.92 | CRAN | |
| R-Paket: TIDE | 0.3.0 | R-Paket | |
| R-Paket: oncoPredict | 1.1.1 | CRAN / GitHub | |
| R-Paket: GEOquery | 2.66.0 | Bioconductor | |
| R-Paket: Seurat | 4.3.0 | CRAN | |
| R-Paket: SingleR | 1.10.0 | Bioconductor | |
| R-Paket: scran | 1.26.0 | Bioconductor | |
| SYBR Green qPCR Master Mix (Universal) | HY-K0501A | MedChemExpress (MCE) | |
| TRIzol Universal Reagent | DP424 | Tiangen Biotech |
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.