Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de recherche

SHMT2 : un biomarqueur métabolique et immunitaire de l'adénocarcinome pulmonaire agressif

104 vues

⸱

DOI :

10.3791/71812

⸱

28 août 2026

 ,  ,  ,  ,  , 
1Department of Thoracic Surgery, Second Affiliated Hospital of Nanchang University, Jiangxi Medical College, Nanchang University, 2Department of Thoracic Surgery, Affiliated Hospital of Jiujiang University

* These authors contributed equally

Dans cet article

Résumé

Des analyses intégrées de métabolomique, de transcriptomique, de cellules uniques et fonctionnelles identifient la SHMT2 comme un biomarqueur de la réorganisation métabolique SGOC, du comportement agressif et de la réponse prédite réduite à l'immunothérapie dans l'adénocarcinome pulmonaire.

Résumé

Le métabolisme de la sérine, de la glycine et du métabolisme unidécimal (SGOC) est fréquemment altéré dans l'adénocarcinome pulmonaire (LUAD), mais sa relation avec le comportement tumoral et la réponse prévue à l'immunothérapie reste insuffisamment définie. Un profilage métabolomique de 23 paires de tissus de LUAD et de tissus pulmonaires normaux adjacents a été réalisé à l'aide d'une spectrométrie de masse par ionisation électrospray extractive interne. Les données transcriptomiques et cliniques provenant du groupe LUAD de The Cancer Genome Atlas (TCGA-LUAD) ont été analysées afin d'évaluer l'expression de SHMT2, le pronostic, les gènes différentiellement exprimés et les caractéristiques liées à l'immunité. La réponse prévue au blocage des points de contrôle immunitaire a été évaluée à l'aide de Tumor Immune Dysfunction and Exclusion (TIDE) et de The Cancer Immunome Atlas (TCIA), et la sensibilité aux médicaments a été déduite à l'aide d'oncoPredict. Des données d'ARNseq unicellulaires ont été utilisées pour examiner la distribution cellulaire de SHMT2. La validation expérimentale comprenait une PCR quantitative par transcription inverse (RT-qPCR), un immunoblotting, une immunohistochimie selon l'Human Protein Atlas (HPA), et une inhibition de SHMT2 par ARN court chevelu (shRNA), suivie de tests de prolifération, de cicatrisation des blessures et de formation de colonies. L'analyse métabolomique a identifié le métabolisme de la glycine, de la sérine et de la thréonine comme une voie fortement altérée dans le LUAD. SHMT2 était surexprimé dans le LUAD et associé à un pronostic défavorable et à des caractéristiques clinicopathologiques négatives. Les tumeurs à forte expression de SHMT2 présentaient un enrichissement des programmes transcriptionnels liés au cycle cellulaire et au SGOC, des scores immunitaires et stromaux plus faibles, et une réponse prévue à l'immunothérapie réduite. L'analyse unicellulaire a montré un enrichissement relatif de l'expression de SHMT2 dans les populations de cellules B. In vitro, SHMT2 était surexprimé dans les cellules de LUAD, et son inhibition a réduit la prolifération, la migration et la croissance clonogénique. Collectivement, SHMT2 est associé à une réorganisation métabolique SGOC, à des phénotypes tumoraux agressifs et à un état défavorable sur le plan immunitaire dans le LUAD, ce qui soutient son intérêt potentiel en tant que biomarqueur ; une ciblage thérapeutique nécessite des validations pharmacologiques et in vivo supplémentaires.

Introduction

Le CAMP reste l'une des principales causes de mortalité liée au cancer dans le monde, en raison d'une hétérogénéité moléculaire marquée, d'une propension précoce à la métastase et de la durée limitée des stratégies thérapeutiques actuelles1,2. Bien que les inhibiteurs des points de contrôle immunitaires (ICIs) aient profondément modifié le paysage thérapeutique du CAMP, les bénéfices cliniques durables ne concernent qu'un sous-ensemble de patients, et des résistances primaires ainsi que des résistances acquises sont fréquemment observées3,4. Cette importante variabilité interindividuelle souligne le besoin urgent de définir les déterminants biologiques qui façonnent le microenvironnement immunitaire tumoral et régissent la réponse à l'immunothérapie, tout en identifiant des vulnérabilités exploitables permettant d'améliorer la stratification des patients et les résultats du traitement.

La réprogrammation métabolique est une caractéristique centrale de la progression maligne5. Parmi les programmes métaboliques, le métabolisme SGOC relie les entrées glycolytiques au métabolisme des acides aminés et à la synthèse des nucléotides, fournissant des unités à un carbone pour la production de purines/pyrimidines et la génération de donneurs de méthyle6. Au-delà de la production de biomasse, le métabolisme SGOC contribue à l'homéostasie redox et interagit avec le cycle de la méthionine pour influencer la méthylation de l'ADN, de l'ARN et des histones, le plaçant ainsi au carrefour de la prolifération et de la régulation épigénétique7,8. La sérine hydroxyméthyltransférase 2 (SHMT2), l'isoforme mitochondriale de la sérine hydroxyméthyltransférase, convertit la sérine en glycine tout en générant du 5,10-méthylène-tétrahydrofolate, et constitue un point d'entrée majeur pour l'approvisionnement mitochondrial en unités à un carbone au sein du réseau SGOC9. SHMT2 est anormalement surexprimée dans plusieurs types de malignités et a été associée à une prolifération accrue, à l'invasion, à la résistance thérapeutique et à l'adaptation au stress oxydatif10,11,12,13. SHMT2 interagit également avec la signalisation inflammatoire via le complexe BRISC, bien qu'un mécanisme immunitaire direct piloté par SHMT2 dans le carcinome pulmonaire à petites cellules (LUAD) reste à établir14,15. Par conséquent, il convient d'évaluer de manière intégrée si SHMT2 marque un phénotype métabolique cliniquement pertinent dans le LUAD et comment il est lié aux caractéristiques du microenvironnement immunitaire et à la réponse prévue à l'immunothérapie.

L'interaction bidirectionnelle entre le métabolisme tumoral et l'immunité antitumorale est au cœur de la biologie du cancer contemporaine16. Les cellules tumorales peuvent compromettre la compétence immunitaire par une consommation compétitive de nutriments, l'accumulation de métabolites immunomodulateurs et un couplage métabolo-épigénétique qui réorganise la différenciation des cellules immunitaires et leurs programmes effecteurs7,16,17. Un métabolisme accru des composés à un carbone peut influencer les programmes dépendant de la méthylation et la capacité métabolique des lymphocytes T, mais le sens et l'ampleur de ces effets dépendent du type cellulaire et du contexte nutritionnel17. La régulation immunitaire adaptative s'étend également au-delà des lymphocytes T : les cellules B, les réponses anticorpiques, la présentation d'antigènes et les structures lymphoïdes tertiaires (TLS) ont été associées à l'efficacité de l'immunothérapie18. Ces observations justifient une analyse multicouche permettant d'intégrer un candidat métabolique dans des contextes tumoraux globaux, cellulaires uniques et fonctionnels, sans supposer que la concordance entre différentes plates-formes prouve à elle seule un lien de causalité.

Contrairement à une conception basée uniquement sur la métabolomique, qui identifie des métabolites modifiés sans établir leur origine cellulaire ou leur pertinence phénotypique, et contrairement à une conception basée uniquement sur la transcriptomique globale, qui peut inférer une activité des voies sans observer directement les modifications des métabolites, le présent protocole intègre une métabolomique appariée sur tissus, une transcriptomique globale et unicellulaire, ainsi que des tests fonctionnels in vitro. La concordance entre ces différentes couches renforce la priorisation des candidats et réduit la dépendance à l'égard de toute plateforme analytique unique ; toutefois, les preuves obtenues restent associatives en ce qui concerne la régulation immunitaire, sauf si elles sont validées dans des systèmes de co-culture immunitaire ou in vivo.

La métabolomique de tissus appariés de CPCA et de poumon normal adjacent a d'abord été utilisée pour identifier les perturbations métaboliques associées à la glycine. Les données transcriptomiques et cliniques de TCGA ont ensuite été intégrées afin d'évaluer SHMT2, une enzyme mitochondriale du SGOC dont l'implication dans la voie métabolique, la surexpression tumorale, l'association pronostique et la faisabilité expérimentale ont étayé le choix. L'analyse du microenvironnement immunitaire, la cartographie à l'échelle cellulaire unique et la validation fonctionnelle in vitro ont ensuite établi un cadre multicouche générant des hypothèses, couvrant l'altération métabolique, la dysrégulation enzymatique, la distribution cellulaire et le phénotype des cellules tumorales. D'un point de vue pratique, ce protocole nécessite des tissus appariés congelés frais. L'identification des métabolites par spectrométrie de masse est semi-quantitative ; les métabolites candidats doivent être validés indépendamment. Les prédictions concernant l'immunothérapie (TIDE/TCIA) et les inférences sur la sensibilité aux médicaments (oncoPredict) sont des estimations computationnelles basées sur le transcriptome qui ne sauraient remplacer une validation clinique auprès de cohortes réelles traitées par des ICI, et doivent être interprétées comme génératrices d'hypothèses.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude a été approuvée par le comité d'éthique du Deuxième hôpital affilié à l'université de Nanchang (CDEFYYLK 3-05). Un consentement éclairé écrit a été obtenu de tous les patients avant le prélèvement des échantillons, conformément à la Déclaration d'Helsinki. Les données brutes ont été exportées et analysées à l'aide des logiciels et ressources en ligne indiqués dans le Tableau des matériaux.

Prélèvement de tissus cliniques

Des échantillons appariés de tumeur et de tissu pulmonaire normal éloigné ont été prélevés chez des patients ayant subi une résection chirurgicale entre janvier et juin 2024 et dont le diagnostic histologique a confirmé un adénocarcinome pulmonaire invasif. Les spécimens ont été excisés par le chirurgien opérateur, traités dans les 5 minutes suivant la résection, congelés immédiatement par trempe dans l'azote liquide, puis stockés jusqu'à leur analyse. Les caractéristiques clinicopathologiques anonymisées sont indiquées dans le Tableau supplémentaire 1.

Spectrométrie de masse par ionisation électrospray extractive interne (iEESI-MS) pour discriminer le carcinome pulmonaire à petites cellules (LUAD) des tissus pulmonaires normaux

Des échantillons de tissus (1 mm3) ont été analysés par iEESI-MS à l'aide d'un spectromètre de masse hybride à piège à ions linéaire et à orbite électrostatique, en mode ions positifs. Le solvant d'extraction, le méthanol (100 %), a été délivré à 3,0 µL/min avec une tension de +5 kV. La plage de balayage de l'iEESI-MS1 était de m/z 50–2 000. L'iEESI-MS2 a utilisé la dissociation induite par collision avec une énergie de collision normalisée de 25–35 %, une fenêtre d'isolement de m/z 2,0 et un temps d'exclusion dynamique de 30 s. Une étalonnage externe quotidien selon la procédure standard de l'instrument a maintenu une erreur de masse <5 ppm. Après normalisation médiane, transformation logarithmique en base 2 et autoscaling, une analyse OPLS-DA a été réalisée avec 200 tests de permutation. Les métabolites ont été annotés à l'aide de HMDB, et l'enrichissement des voies métaboliques a été effectué à l'aide des annotations KEGG.

Traitement des données de spectrométrie de masse et identification des métabolites

Les données MS brutes ont été normalisées par normalisation médiane, suivie d'une transformation log₂ et d'une autoscalisation (centrage par la moyenne et division par l'écart-type de chaque variable). Une analyse discriminante par moindres carrés partiels orthogonaux (OPLS-DA) a été utilisée pour identifier les caractéristiques m/z discriminantes. Les caractéristiques ont été considérées comme différentielles lorsque VIP > 1,0, |log₂(FC)| > 0,58 et p < 0,05. Les caractéristiques différentielles ont été soumises à une analyse MS2 et annotées à l'aide de la base de données Human Metabolome Database. Une analyse d'enrichissement des voies basée sur KEGG a ensuite été utilisée pour identifier les voies modifiées et hiérarchiser les enzymes pertinentes aux voies. Les métabolites différentiels annotés sont fournis dans le Tableau 2 supplémentaire.

Analyses basées sur TCGA de l'expression de SHMT2, de la survie et des associations clinicopathologiques

Les profils d'expression ARN-séquençage et les annotations cliniques correspondantes pour TCGA-LUAD ont été téléchargés depuis le Genomic Data Commons le 18 décembre 2025 ; tumeur (n = 542) et tissu normal (n = 59). Les valeurs de fragments par kilobase de transcrit par million de lectures cartographiées (FPKM) ont été transformées selon la formule log2(FPKM + 1). Seuls les échantillons comportant des informations complètes sur la survie ont été inclus dans les analyses pronostiques. Les valeurs d'expression de SHMT2 dans les tumeurs et les tissus normaux ont été comparées à l'aide du test de Wilcoxon. Les patients ont été répartis en deux groupes, expression élevée de SHMT2 (SHMT2-haut) et expression faible de SHMT2 (SHMT2-bas), selon la valeur médiane d'expression. La survie globale a été évaluée par analyse de Kaplan-Meier et test du log-rank. Les associations avec le stade tumoral, ganglionnaire et métastatique (TNM), l'âge et le sexe ont été évaluées à l'aide de tests du chi-deux ou de tests de Wilcoxon, selon le cas. Des courbes caractéristiques de fonctionnement du récepteur (ROC) dépendantes du temps ont été générées pour la survie à 1, 3 et 5 ans. Tous les tests statistiques étaient bilatéraux.

Analyse d'expression différentielle et enrichissement fonctionnel (GO/KEGG)

Les gènes différentiellement exprimés (DEG) entre les groupes à forte expression de SHMT2 et à faible expression de SHMT2 ont été identifiés à l'aide d'un taux de fausses découvertes < 0,05 et |log₂(FC)| ≥ 1. Les résultats ont été visualisés sous forme de diagramme volcanique et de carte thermique des 40 principaux DEG avec une normalisation par z-score par ligne. Les analyses d'enrichissement de Gene Ontology (GO) et de KEGG ont été réalisées avec un p ajusté < 0,05. Les annotations des gènes humains ont été obtenues à partir d'Ensembl en décembre 2025.

Infiltration immunitaire, prédiction de la réponse à l'immunothérapie et inférence de la sensibilité aux médicaments

Les scores du microenvironnement tumoral, incluant l'ImmuneScore, le StromalScore et l'ESTIMATEScore, ont été calculés à l'aide d'ESTIMATE. La composition en cellules immunitaires a été déduite à l'aide de CIBERSORT avec le jeu de référence LM22 (téléchargé le 5 décembre 2025), 1 000 permutations, et en conservant les échantillons dont la p de déconvolution < 0,05. Des comparaisons par groupes ont été effectuées entre les tumeurs à expression élevée de SHMT2 et celles à expression faible de SHMT2. Les corrélations de Spearman entre SHMT2 et les gènes associés aux points de contrôle immunitaires ont été représentées sous forme de matrice de corrélation. Les immunophénoscores ont été obtenus à partir de TCIA, et TIDE a été utilisé pour une prédiction complémentaire de la réponse à l'immunothérapie. La sensibilité aux médicaments a été déduite à l'aide d'oncoPredict entraîné sur la version de GDSC de décembre 2023 afin d'estimer les valeurs d'IC50. Les différences entre groupes ont été évaluées par des tests de Wilcoxon, et les associations continues par des corrélations de Spearman.

Analyse de l'ARNm en séquençage à la cellule unique du CUPA

Données transcriptomiques unicellulaires19 ont été téléchargées depuis le Gene Expression Omnibus le 20 décembre 2025 et analysées. Les cellules présentant entre 200 et 6 000 caractéristiques détectées et < 10 % des transcrits mitochondriaux ont été conservés. Les décomptes ont été normalisés à l'aide de LogNormalize avec un facteur d'échelle de 10 000 ; les 2 000 gènes les plus variables ont été sélectionnés et tous les gènes ont été mis à l'échelle. L'analyse en composantes principales a utilisé les 20 premières composantes, l'UMAP a utilisé les dimensions 1 à 20, et le regroupement a été effectué avec une résolution de 0,5. Les types cellulaires ont été annotés à l'aide de la référence Human Primary Cell Atlas. Les proportions de types cellulaires ont été comparées entre échantillons tumoraux et normaux, et des matrices de corrélation de Spearman ont été générées. Les distributions de SHMT2 ont été examinées selon les types cellulaires annotés. Les états du cycle cellulaire ont été déduits à l'aide de cyclone et visualisés à l'aide de graphiques en crête.

Culture cellulaire

Les cellules BEAS-2B, H1299 et A549 ont été cultivées à 37 °C dans un incubateur humidifié réglé à 5 % de CO2 et à une humidité relative d'environ 95 %, en utilisant les milieux et suppléments indiqués dans le Tableau des matériaux.

PCR quantitatif en temps réel par transcription inverse (RT-qPCR)

L'ARN total a été extrait à l'aide d'un réactif d'extraction de l'ARN à base de phénol. L'ARN extrait a été transcrit en ADN complémentaire (ADNc) à l'aide d'un mélange maître de transcription inverse. La transcription inverse a été réalisée dans un système de 20 µL avec une élimination de l'ADN génomique à 42 °C pendant 2 min, suivie de la transcription inverse à 50 °C pendant 15 min et d'une étape de terminaison à 85 °C pendant 5 s. Une PCR quantitative a été effectuée à l'aide d'un mélange maître de PCRq basé sur un colorant se liant à l'ADN, sur un système de PCR en temps réel, avec une étape initiale de 95 °C pendant 3 min, suivie de 40 cycles de 95 °C pendant 10 s et de 60 °C pendant 30 s, puis d'une étape de courbe de fusion comprenant 95 °C pendant 15 s, 60 °C pendant 60 s et 95 °C pendant 15 s. Toutes les réactions ont été effectuées en triplets. L'expression relative a été calculée selon la méthode 2−ΔΔCt , en utilisant GAPDH comme gène de référence. Les solutions mères d'amorces ont été préparées à 10 µM dans de l'eau doublement distillée et conservées à -20 °C à l'abri de la lumière. Les séquences des amorces sont indiquées dans le tableau supplémentaire 3.

Immunotransfert Western

Les protéines cellulaires totales ont été extraites à l'aide de tampon RIPA (radioimmunoprecipitation assay) sur glace pendant 30 min, puis centrifugées à 12 000 x g pendant 15 min à 4 °C. Les protéines ont été séparées par électrophorèse sur gel de polyacrylamide en présence de dodécylsulfate de sodium à 12 % et transférées sur des membranes de fluorure de polyvinylidène de 0,22 µm. Les membranes ont été bloquées avec du lait écrémé à 5 % (p/v) dans du tampon salin Tris contenant 0,1 % de Tween 20 (TBST) pendant 2 h à température ambiante, puis incubées toute la nuit à 4 °C avec les anticorps primaires anti-SHMT2 (1:1 000) et anti-GAPDH (1:2 000) dilués dans du TBST contenant 5 % de lait écrémé. Après trois lavages de 8 min chacun avec du TBST (20 mM Tris-HCl, 150 mM NaCl, 0,1 % Tween-20), les membranes ont été incubées avec des anticorps secondaires conjugués à la peroxydase de raifort (1:5 000) pendant 1 h à température ambiante. Les signaux ont été révélés à l'aide d'un substrat de chimiluminescence amplifiée préparé en mélangeant des volumes égaux des solutions A et B, incubé pendant 2 min à température ambiante à l'obscurité, puis capturés à l'aide d'un système d'imagerie par chimiluminescence.

Validation de l'immunohistochimie de l'HPA

Les profils d'expression protéique de SHMT2 dans le tissu pulmonaire normal et dans le carcinome pulmonaire à petites cellules (LUAD) ont été évalués à l'aide du HPA. « SHMT2 » a été recherché dans le HPA, et des images représentatives d'immunohistochimie (IHC) ainsi que les annotations pathologiques associées ont été téléchargées pour comparaison. Afin de minimiser les biais liés à la spécificité des anticorps, les anticorps présentant des niveaux de validation plus élevés dans le HPA ont été privilégiés. Lorsqu'elles étaient disponibles, les résultats d'IHC provenant de plusieurs anticorps ont été croisés (HPA020543 et HPA020549).

Diminution de l'expression de SHMT2 dans les cellules de CUPA

Afin d'étudier le rôle intrinsèque des cellules tumorales de SHMT2 dans le carcinome pulmonaire à petites cellules (LUAD), une inhibition de SHMT2 a été réalisée dans les cellules H1299 et A549 à l'aide d'ARNi court (shRNA). Le shRNA était porté par un vecteur lentiviral sous contrôle du promoteur H1 et sélectionnable par la puromycine ; des plasmides d'empaquetage ont été co-transfectés lors de la production du virus. Le sh-SHMT2 ciblait la région codante humaine de SHMT2, tandis que le sh-NC constituait un contrôle négatif aléatoire. Les stocks viraux préparés présentaient une concentration d'au moins 1 x 108 unités transduisant/mL et ont été conservés à -80 °C. Les cellules ont été infectées avec les particules lentivirales sh-SHMT2 ou sh-NC préparées, comme décrit dans le tableau des matériaux. Après 48 heures, l'efficacité de l'inhibition a été évaluée par RT-qPCR et immunobuvardage. Seules les cellules présentant une inhibition confirmée de SHMT2 ont été utilisées pour les tests de prolifération, de migration et de formation de colonies.

Dosage de la prolifération cellulaire

La prolifération cellulaire a été évaluée à l'aide du test CCK-8. Les cellules H1299 et A549 transfectées ont été ensemencées dans des plaques de 96 puits à raison de 5 x 103 cellules par puits, en sextuple. Aux jours 1, 2, 3, 4 et 5, 10 µL du réactif CCK-8 ont été ajoutés à chaque puits (10 % du volume du milieu de culture) et incubés pendant 2 h à 37 °C. L'absorbance a été mesurée à 450 nm et utilisée comme indicateur de viabilité cellulaire.

Test de cicatrisation des plaies

La migration cellulaire a été évaluée à l'aide d'un test de cicatrisation de plaie. Les cellules H1299 et A549 transfectées ont été semées dans des plaques de 6 puits et cultivées jusqu'à une confluence de 90 à 95 %. Une blessure linéaire a été créée à l'aide d'une micropipette stérile de 200 µL, et les cellules détachées ont été éliminées par un lavage doux au tampon salin phosphate. Les cellules ont ensuite été maintenues dans un milieu sans sérum ou à faible teneur en sérum, et la zone de la plaie a été observée à 0 h et 24 h au microscope inversé. La fermeture de la plaie a été quantifiée à l'aide du logiciel d'analyse d'images indiqué dans le tableau des matériaux et calculée comme le pourcentage de réduction par rapport à la surface initiale de la plaie.

Test de formation de colonies

Pour l'analyse de formation de colonies, les cellules H1299 et A549 transfectées ont été ensemencées dans des plaques de 6 puits à raison de 800 cellules par puits et cultivées pendant environ 10 à 14 jours jusqu'à l'apparition de colonies visibles, avec un suivi microscopique pendant la culture. Les colonies ont été fixées avec du paraformaldéhyde 4 % pendant 30 min à température ambiante, puis colorées au violet de crésyl 0,1 % pendant 15 min à température ambiante. Les colonies contenant plus de 50 cellules ont été dénombrées au microscope optique.

Analyse statistique pour les expériences in vitro

Toutes les expériences in vitro ont été réalisées indépendamment au moins trois fois. Les données sont présentées comme la moyenne ± l'écart type. La comparaison entre deux groupes a été effectuée à l'aide du test t de Student, et une valeur de p < 0,05 a été considérée comme statistiquement significative.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

La métabolomique tissulaire révèle un remaniement métabolique étendu dans le CUPA, avec un enrichissement marqué des voies associées à la glycine

Des profils de tissus tumoraux appariés et de tissus pulmonaires normaux adjacents provenant de 23 patients atteints de CUPA ont été établis par spectrométrie de masse iEESI-MS directe ; les caractéristiques des patients ainsi que les annotations des métabolites différentiellement exprimés sont fournies dans Tableau supplémen...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Cette étude a utilisé un cadre séquentiel comprenant la découverte métabolomique, la priorisation des enzymes, l'interprétation transcriptomique, l'évaluation du contexte immunitaire, la localisation à l'échelle cellulaire unique et la validation fonctionnelle des cellules tumorales. Les analyses identifient un remaniement métabolique lié à la glycine et au cycle SGOC dans le LUAD et associent SHMT2 à des résultats défavorables ainsi qu'à un bénéfice thérapeutique computationnellement prédit plus faible en matière d'immu...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs déclarent qu'ils n'ont aucun intérêt concurrent.

Remerciements

Les auteurs remercient les patients et leurs familles pour leur participation à cette étude. Les auteurs remercient également les contributeurs des bases de données TCGA, GEO et HPA pour la mise à disposition publique de leurs données. Cette recherche a été financée par le programme clé de recherche et de développement de la province du Jiangxi (subvention no 20223BBG71009) et par la Fondation nationale des sciences naturelles de Chine (subventions nos 81860379 et 82160410).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Cellules A549CCL-185ATCC
Anticorps anti-GAPDHM1310-2Huaan Biotechnology
Anticorps anti-SHMT2D197021Sangon Biotech
Cellules BEAS-2BCRL-9609ATCC
Kit de comptage cellulaire-8 (CCK-8)K1018APExBIO
Base de données : TCGA / GDCConsulté le 2025-12-18Institut national du cancer (NCI)
Base de données : GEOConsulté le 2025-12-20NCBI
Base de données : HMDBConsulté le 2025-12-12Human Metabolome Database
Base de données : KEGGConsulté le 2025-12-11Kanehisa Laboratories
Base de données : Human Protein AtlasProtein Atlas
Base de données : GDSCVersion 2023-12Sanger Institute
Base de données : Ensembl2025-12EMBL-EBI
Base de données : TCIAConsulté le 2025-12-10The Cancer Immunome Atlas
Cellules H1299 (NCI-H1299)CRL-5803ATCC
Anticorps secondaire conjugué à la HRPD110087Sangon Biotech
HiScript II Q Select RT SuperMixKR116Tiangen Biotech
Système LightCycler 4805015278001Roche
Lait écréméRéactif courant de laboratoireBD (ou tel qu'utilisé)
Membrane en PVDF, 0,22 µmGVHP00010 (ou réactif courant de laboratoire)MilliporeSigma (ou tel qu'utilisé)
Paquet R : pRoloc1.40.0Bioconductor
Paquet R : TCGAbiolinks2.26.0Bioconductor
Paquet R : survival3.4-0CRAN
Paquet R : survminer0.4.9CRAN
Paquet R : timeROC1.0.4CRAN
Paquet R : DESeq21.38.1Bioconductor
Paquet R : ggplot23.4.4CRAN
Paquet R : pheatmap1.0.12CRAN
Paquet R : clusterProfiler4.6.2Bioconductor
Paquet R : org.Hs.eg.db3.16.0Bioconductor
Paquet R : estimate1.0.13Bioconductor / GitHub
Paquet R : CIBERSORT1(script R autonome)
Paquet R : corrplot0.92CRAN
Paquet R : TIDE0.3.0Paquet R
Paquet R : oncoPredict1.1.1CRAN / GitHub
Paquet R : GEOquery2.66.0Bioconductor
Paquet R : Seurat4.3.0CRAN
Paquet R : SingleR1.10.0Bioconductor
Paquet R : scran1.26.0Bioconductor
SYBR Green qPCR Master Mix (Universel)HY-K0501AMedChemExpress (MCE)
Réactif universel TRIzolDP424Tiangen Biotech

Références

  1. Siegel RL, et al. Cancer statistics, 2025. CA Cancer J Clin. 2025;75(1):10-45.
  2. Lim ZF, Ma PC. Emerging insights of tumor heterogeneity and drug resistance mechanisms in lung cancer targeted therapy. J Hematol Oncol. 2019;12(1):134.
  3. Wang M, Herbst RS, Boshoff C. Toward personalized treatment approaches for non-small-cell lung cancer. Nat Med. 2021;27:1331-1340.
  4. Passaro A, et al. Managing resistance to immune checkpoint inhibitors in lung cancer: treatment and novel strategies. J Clin Oncol. 2022;40:598-609.
  5. Faubert B, Solmonson A, DeBerardinis RJ. Metabolic reprogramming and cancer progression. Science. 2020;368:eaaw5473.
  6. Wei S, et al. Targeting serine-glycine-one-carbon metabolism as a vulnerability in cancers. Biomark Res. 2023;11:48.
  7. Kao KC, Vilbois S, Tsai CH, Ho PC. Metabolic communication in the tumour-immune microenvironment. Nat Cell Biol. 2022;24(11):1574-1583.
  8. Wong C, Qian Y, Yu J. Interplay between epigenetics and metabolism in oncogenesis: mechanisms and therapeutic approaches. Oncogene. 2017;36:3359-3374.
  9. Xu M, Pei DS. Serine hydroxymethyltransferase 2: a novel target for human cancer therapy. Invest New Drugs. 2021;39:1671-1681.
  10. Zeng Y, et al. Roles of mitochondrial serine hydroxymethyltransferase 2 (SHMT2) in human carcinogenesis. J Cancer. 2021;12(19):5888-5894.
  11. Liberati FR, et al. RNA-mediated inhibition of mitochondrial SHMT2 impairs cancer cell proliferation. Cell Death Discov. 2025;11:369.
  12. Fu R, et al. SHMT proteins: an emerging set of serine hydroxymethyltransferase in cancer. Cell Signal. 2025;135:111977.
  13. Zhang Y, et al. SHMT2 promotes cell viability and inhibits ROS-dependent, mitochondrial-mediated apoptosis via the intrinsic signaling pathway in bladder cancer cells. Cancer Gene Ther. 2022;29(10):1514-1527.
  14. Wens M, et al. Metabolic control of BRISC-SHMT2 assembly regulates immune signalling. Nature. 2019;570:460-464.
  15. Ivashkiv LB. IFNγ: signalling, epigenetics and roles in immunity, metabolism, disease and cancer immunotherapy. Nat Rev Immunol. 2018;18:545-558.
  16. De Martino M, Rathmell JC, Galluzzi L, Vanpouille-Box C. Cancer cell metabolism and antitumour immunity. Nat Rev Immunol. 2024;24:654-669.
  17. Qi Y, et al. One-carbon metabolism shapes T cell immunity in cancer. Trends Endocrinol Metab. 2024;35:961-974.
  18. Huang D, et al. The single-cell immunogenomic landscape of B and plasma cells in early-stage lung adenocarcinoma. Cancer Discov. 2022;12:2545-2563.
  19. Dolgalev I, et al. Inflammation in the tumor-adjacent lung as a predictor of clinical outcome in lung adenocarcinoma. Nat Commun. 2023;14:6479.
  20. Han T, et al. Phosphorylated SHMT2 regulates oncogenesis through m6A modification in lung adenocarcinoma. Adv Sci (Weinh). 2024;11:e2307834.
  21. Lee GY, et al. Comparative oncogenomics identifies PSMB4 and SHMT2 as potential cancer driver genes. Cancer Res. 2014;74:3114-3126.
  22. Bernhardt S, et al. Proteomic profiling of breast cancer metabolism identifies SHMT2 and ASCT2 as prognostic factors. Breast Cancer Res. 2017;19:112.
  23. Yang G, Tan J, Guo J, Wu Z, Zhan Q. Exosome-mediated transfer of circ_0063526 enhances cisplatin resistance in gastric cancer cells via regulating the miR-449a/SHMT2 axis. Anticancer Drugs. 2022;33(10):1047-1057.
  24. Parsa S, et al. The serine hydroxymethyltransferase-2 (SHMT2) initiates lymphoma development through epigenetic tumor suppressor silencing. Nat Cancer. 2020;1:653-664.
  25. Cuthbertson CR, et al. A review of small-molecule inhibitors of one-carbon enzymes: SHMT2 and MTHFD2 in the spotlight. ACS Pharmacol Transl Sci. 2021;4:624-646.
  26. Reina-Campos M, Scharping NE, Goldrath AW. CD8+ T cell metabolism in infection and cancer. Nat Rev Immunol. 2021;21:718-738.
  27. Bacigalupa ZA, Landis MD, Rathmell JC. Nutrient inputs and social metabolic control of T cell fate. Cell Metab. 2024;36:10-20.
  28. Li S, et al. Metabolic regulation of immunity in the tumor microenvironment. Cell Rep. 2025;44(11):116463.
  29. Ouyang Y, et al. S-adenosylmethionine: a metabolite critical to the regulation of autophagy. Cell Prolif. 2020;53(11):e12891.
  30. Wang R, et al. The interaction of innate immune and adaptive immune system. MedComm. 2024;5(10):e714.
  31. Teillaud JL, et al. Tertiary lymphoid structures in anticancer immunity. Nat Rev Cancer. 2024;24:629-646.
  32. Fridman WH, et al. B cells and tertiary lymphoid structures as determinants of tumour immune contexture and clinical outcome. Nat Rev Clin Oncol. 2022;19:441-457.
  33. Lauss M, Donia M, Svane IM, Jönsson G. B cells and tertiary lymphoid structures: friends or foes in cancer immunotherapy? Clin Cancer Res. 2022;28(9):1751-1758.
  34. Xi Y, et al. Macrophage efferocytosis mediated by the TP63-RAC2 pathway promotes immunosuppressive remodeling in esophageal cancer. Cell Rep Med. 2026;7(1):102529.
  35. Jiang G, et al. SATB2 plays a critical role in pancreatic cancer cell proliferation, migration and T cell cytotoxicity. Cancer Genet. 2025;296-297:53-64.
  36. Liu Y, et al. TRIM29 promotes glioblastoma progression via ubiquitinating NEFL and activating the PI3K/AKT signaling pathway. Cancer Genet. 2025;296-297:88-99.
  37. Zhai H, et al. WDR54 enhances NF-κB signaling to promote progression of hepatocellular carcinoma. Cancer Genet. 2025;298-299:302-314.
  38. Yin H, et al. PLAU serves as a prognostic biomarker correlated with perineural invasion in HNSCC. Cancer Genet. 2025;294-295:145-155.
  39. Liu Z, et al. JAK inhibition in PD-1 immunotherapy and tumor microenvironment. Front Immunol. 2026;17:1790936.
  40. DeNicola GM, et al. NRF2 regulates serine biosynthesis in non-small cell lung cancer. Nat Genet. 2015;47(12):1475-1481.
  41. Zhang W, et al. NRF2-mediated persistent adaptation of oesophageal adenocarcinoma cells to HER2 inhibition. Oncogene. 2025;44(33):2929-2941.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Explorer plus d’articles

Biomarqueur SHMT2métabolisme SGOCprofilage métabolomiquepoint de contrôle immunitaireARN-seq sur cellule uniquedysfonctionnement immunitairesensibilité aux médicamentswestern blottingknockdown de SHMT2
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.