frontier-banner
前沿速递
首页>前沿速递>

Cancer Communications | 靶向SREBP1-PCSK9轴增强胰腺癌免疫化疗疗效

Cancer Communications | 靶向SREBP1-PCSK9轴增强胰腺癌免疫化疗疗效
--

小赛推荐:

该研究揭示了靶向SREBP1-PCSK9轴在胰腺癌免疫化疗中的潜在应用,为逆转PDAC对免疫检查点抑制剂的耐药性提供了新策略。

 

文献概述

本文《Lipid metabolism reprogramming by SREBP1-PCSK9 targeting sensitizes pancreatic cancer to immunochemotherapy》,发表于Cancer Communications杂志,回顾并总结了胰腺癌中脂质代谢与免疫微环境调控的关系,重点研究了SREBP1-PCSK9信号轴在调控PD-L1表达和免疫逃逸中的作用,以及其在抗PD-1治疗中的增效机制。

背景知识

胰腺导管腺癌(PDAC)是一种高度耐药的恶性肿瘤,其免疫抑制性微环境(TME)是免疫检查点治疗(ICB)疗效差的主要原因。根据肿瘤免疫微环境(TIME)分类,多数PDAC患者属于非炎症型(Type I和Type IV),PD-L1表达低且肿瘤浸润T细胞(TIL)稀少,导致ICB疗效受限。脂质代谢在癌细胞增殖、免疫细胞功能调节中起关键作用,但其在PDAC免疫逃逸中的机制尚不明确。本研究通过靶向SREBP1及其下游PCSK9,探索如何调控PD-L1表达并改善抗PD-1治疗效果。研究还涉及基因编辑细胞系、小鼠模型及多组学分析,以验证脂质代谢与免疫治疗反应之间的联系。

 

赛业生物提供多种肿瘤免疫治疗研究相关模型,包括PD-1人源化小鼠,用于开发高亲和力、低免疫原性抗体药物。

 

研究方法与实验

研究团队评估了SREBP1在PDAC患者队列中的临床意义,通过免疫荧光、流式细胞术、Western blot、双荧光素酶报告基因及染色质免疫共沉淀(ChIP)等方法分析SREBP1对PD-L1和PCSK9的调控机制。体外实验中,使用基因敲除、过表达和RNA干扰技术探究SREBP1对脂质代谢和PD-L1表达的影响。体内实验采用KPC、PANC02、GEMM-KTC及人源化PDX模型评估PD-1抗体与脂质代谢抑制剂的联合疗效。代谢组学和蛋白质组学分析揭示SREBP1-PCSK9轴影响的信号通路,进一步通过流式细胞术和多重免疫组化(mIHC)分析免疫细胞浸润变化。

关键结论与观点

  • SREBP1直接结合PD-L1启动子并抑制其转录,导致PD-L1蛋白水平下降。
  • PCSK9作为SREBP1的下游靶点,通过溶酶体降解途径调控PD-L1稳定性。
  • 基因沉默或药理抑制SREBP1显著降低PDAC细胞脂质代谢,增强CD8+ T细胞浸润和功能。
  • 脂质代谢抑制剂(如Fatostatin)与PD-1抗体联合治疗显著抑制PDAC肿瘤生长。
  • 在高脂饮食(HFD)模型中,SREBP1抑制剂可逆转免疫抑制性TME,提高ICB疗效。
  • 靶向SREBP1或PCSK9可将非炎性TIME转化为炎性,提高PDAC对抗PD-1治疗的响应率。

研究意义与展望

该研究为PDAC治疗提供了新的代谢-免疫调控联合策略。靶向SREBP1或PCSK9不仅能调控脂质代谢,还可通过增强T细胞应答改善免疫治疗效果。未来可探索PCSK9中和抗体与PD-1抑制剂联合治疗的临床转化价值,以及其在其他肿瘤中的适用性。

 

赛业生物提供多种脂质代谢相关疾病模型,包括靶点基因编辑和药理模型,支持代谢紊乱研究与新药开发。

 

结语

综上,本研究系统分析了SREBP1-PCSK9信号轴在PDAC免疫逃逸中的作用,揭示了脂质代谢与PD-L1表达之间的转录后调控机制。通过靶向该轴,可有效逆转PDAC对ICB治疗的耐药性,为胰腺癌患者提供潜在的治疗策略。这些发现不仅拓展了PDAC的代谢调控理论,也为临床免疫联合治疗提供了实验依据,具有重要的转化医学价值。

 

文献来源:
Mengyi Lao, Xiaozhen Zhang, Zejun Li, Tingbo Liang, and Xueli Bai. Lipid metabolism reprograming by SREBP1‐PCSK9 targeting sensitizes pancreatic cancer to immunochemotherapy. Cancer Communications.
多序列比对
Multiple Sequence Alignment 用于多条 DNA 和蛋白质序列的比对,并可视化序列比对结果,有助于序列聚类、分析序列间多样性、识别保守和突变区域。包含 ClustalW 和 MUSCLE 自动比对工具, 其中 MUSCLE 包含NJ,UPGMA, UPGMB聚类方法。
0