DOI: https://doi.org/10.1371/journal.pone.0342199
PMID: https://pubmed.ncbi.nlm.nih.gov/41984920
تاريخ النشر: 2026-04-15
المؤلف: Mehdi Dehghan Manshadi وآخرون
الموضوع الرئيسي: هندسة التمثيل الغذائي الميكروبي والإنتاج الحيوي
نظرة عامة
يتناول هذا القسم من ورقة البحث التكيفات الأيضية في خلايا السرطان التي تدعم نمو الورم ويستكشف استراتيجيات علاجية محتملة تستهدف هذه التغيرات. تسلط الدراسة الضوء على قيود استهداف الجينات الأساسية الفردية بسبب مشكلات مثل المقاومة وتأثيرات الاستهداف غير المباشر على الخلايا غير السرطانية. لمعالجة هذه التحديات، يقترح المؤلفون استخدام مجموعات القتل الاصطناعي (SL)، التي تتكون من تركيبات من الاضطرابات الجينية غير القاتلة التي يمكن أن تحفز موت الخلايا في خلايا السرطان. باستخدام نماذج أيضية على نطاق الجينوم محددة السياق، تحدد الدراسة أكثر من 500 هدف دوائي انتقائي صارم (SSDTs) عبر 13 نوعًا من السرطان، مما يبرز فعالية مجموعات SL من الرتبة الأعلى التي تشمل أهدافًا متعددة.
تكشف النتائج أن مجموعات SL من الرتبة الأعلى يمكن أن توفر حلولًا علاجية حيث تفشل الجينات الأساسية الفردية أو SL، مع تحديد تسعة SSDTs رباعية تستهدف خمسة أنواع مختلفة من السرطان دون التأثير سلبًا على الأنسجة غير السرطانية. تعطل هذه SSDTs المسارات الأيضية الحيوية، بما في ذلك التحلل السكري ومسار الفوسفات البنتوز، مما يشير إلى نهج استراتيجي لاستهداف خلايا السرطان بشكل انتقائي. يستنتج المؤلفون أنه على الرغم من أن النتائج واعدة، إلا أن التحقق التجريبي الإضافي ضروري لتأكيد الإمكانات العلاجية لهذه الأهداف المحددة للاستخدامات السريرية.
مقدمة
تناقش مقدمة الورقة مفهوم إعادة توصيل الأيض في خلايا السرطان، مع تسليط الضوء على كيفية تسبب هذه التغيرات في توزيع تدفقات متميزة في المسارات الأيضية. يبرز تحديد أوتو واربورغ لتأثير واربورغ، حيث تفضل خلايا السرطان التحلل السكري الهوائي على الفسفرة التأكسدية، التكيفات الأيضية التي تدعم زيادة الطلبات الحيوية على الأحماض الدهنية والنيوكليوتيدات والأحماض الأمينية. تستعرض الورقة مختلف التغيرات الأيضية الملحوظة في أنواع السرطان المختلفة، بما في ذلك زيادة تنظيم التحلل الجلوتاميني والاضطرابات في مسارات مثل تخليق الدهون واستقلاب السيرين، والتي تساهم في تكاثر خلايا السرطان وتجنب المناعة.
يؤكد المؤلفون على إمكانات نماذج الأيض على نطاق الجينوم (GEMs) كأدوات لتحديد أهداف دوائية انتقائية في علاج السرطان. يلخصون الدراسات السابقة التي استخدمت بنجاح GEMs للتنبؤ بأهداف الأدوية واستكشاف مفهوم القتل الاصطناعي، حيث يؤدي التعطيل المتزامن لأزواج معينة من الجينات إلى موت خلايا السرطان مع الحفاظ على الخلايا الطبيعية. تهدف هذه الدراسة إلى تحديد مجموعات جينات القتل الاصطناعي بشكل منهجي من خلال GEMs محددة السياق لأنواع السرطان المختلفة، مما يظهر أن مجموعات القتل الاصطناعي من الرتبة الأعلى يمكن أن توفر أهداف دوائية انتقائية صارمة تقلل من الأذى للأنسجة غير السرطانية. تشير النتائج إلى طريق واعد لتطوير علاجات مستهدفة للسرطان تستغل نقاط الضعف الأيضية الفريدة لخلايا السرطان.
الطرق
يستعرض قسم “الطرق” من ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة تأثيراتها على النتائج المعنية.
شمل جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج إحصائية متقدمة، مما سمح بتطبيق تقنيات مثل تحليل الانحدار واختبار الفرضيات. تم تفسير النتائج في سياق الأدبيات الموجودة، مما يوفر فهمًا شاملاً للنتائج وآثارها على المجال. بشكل عام، كانت الطرق المستخدمة صارمة وتهدف إلى تقليل التحيز، مما يعزز مصداقية نتائج البحث.
النتائج
في هذه الدراسة، تم تحديد الجينات الأساسية ومجموعات جينات القتل الاصطناعي (SL) لـ 13 نموذجًا محدد السياق على نطاق الجينوم عبر أنواع السرطان المختلفة. من الجدير بالذكر أن البحث وسع من تحديد جينات SL لتشمل مجموعات SL من الرتبة الأعلى، وتحديدًا التركيبات الثلاثية والرباعية. يتم تفصيل القائمة الشاملة للأهداف الدوائية الانتقائية الصارمة (SSDTs) المستمدة من هذه النماذج في الملف التكميلي (S1 File).
من المهم أن الدراسة لم تطبق تصفية القابلية للأدوية في عملية التعريف، مما أدى إلى تضمين بعض نقاط الضعف الانتقائية الصارمة المرتبطة بجينات ليست قابلة حاليًا للاستهداف بواسطة مثبطات الجزيئات الصغيرة، مثل RPE. اختار المؤلفون تقديم النطاق الكامل من نقاط الضعف المستمدة من النماذج، معترفين بأن الجينات غير القابلة للعلاج قد لا تزال تلعب أدوارًا مهمة في تطوير العلامات الحيوية، وتحليل المسارات، وتحسيس القتل الاصطناعي، وصياغة استراتيجيات علاجية مستقبلية تتجاوز الأساليب التقليدية للجزيئات الصغيرة. يبرز هذا النهج النية لإنشاء خريطة شاملة وغير متحيزة لنقاط الضعف الأيضية الانتقائية الصارمة في السرطان.
المناقشة
في هذه الدراسة، أعاد المؤلفون بناء 26 نموذجًا محدد السياق على نطاق الجينوم (GEMs) لـ 13 نوعًا من السرطان وأنسجتها غير السرطانية المقابلة باستخدام أداة rFASTCORMICS. من خلال تحليل بيانات RNA-seq، أنشأوا طريقة لتصنيف التعبير الجيني من خلال نهج ملاءمة المنحنى الغاوسي، مما سمح بتحديد الجينات النشطة وغير النشطة. كان الهدف الرئيسي هو تحديد أهداف دوائية انتقائية صارمة يمكن أن تقلل بشكل فعال من نمو خلايا السرطان مع الحفاظ على الأنسجة غير السرطانية. كشفت الدراسة أنه بينما غالبًا ما لم تستوف الجينات الأساسية الفردية معايير الانتقائية، فإن مجموعات القتل الاصطناعي (SL) من الرتبة الأعلى، وخاصة المجموعات الرباعية، قدمت أهداف دوائية قابلة للتطبيق عبر أنواع السرطان المختلفة.
أشارت النتائج إلى أن تسعة مجموعات SL رباعية ظهرت كحلول انتقائية صارمة، مع ظهور جينات مشتركة مثل الفوسفوكتوكيناز (PFKL)، والترانسالدولاز (TALDO1)، وفوسفوغلوتونات ديهيدروجيناز (PGD) بشكل متكرر في الحلول. هذه الجينات أساسية في المسارات الأيضية مثل التحلل السكري ومسار الفوسفات البنتوز، والتي تعتبر حيوية لتكاثر خلايا السرطان. كما سلطت الدراسة الضوء على إمكانية استهداف هذه المسارات في وقت واحد لتعزيز الفعالية العلاجية. ومع ذلك، اعترف المؤلفون بحدود نهجهم الحاسوبي، مؤكدين على الحاجة إلى التحقق التجريبي من أهداف الأدوية المحددة باستخدام تقنيات تحوير الجينات المتقدمة. بشكل عام، تبرز هذه الأبحاث وعد مجموعات SL من الرتبة الأعلى في تطوير علاجات سرطانية انتقائية.
DOI: https://doi.org/10.1371/journal.pone.0342199
PMID: https://pubmed.ncbi.nlm.nih.gov/41984920
Publication Date: 2026-04-15
Author(s): Mehdi Dehghan Manshadi et al.
Primary Topic: Microbial Metabolic Engineering and Bioproduction
Overview
This research paper section discusses the metabolic adaptations in cancer cells that support tumor growth and explores potential therapeutic strategies targeting these alterations. The study highlights the limitations of targeting single essential genes due to issues such as resistance and off-target effects on non-tumor cells. To address these challenges, the authors propose the use of synthetic lethal (SL) sets, which consist of combinations of non-lethal genetic perturbations that can induce cell death in cancer cells. Utilizing context-specific genome-scale metabolic models, the study identifies over 500 strictly-selective drug targets (SSDTs) across 13 cancer types, emphasizing the efficacy of higher-order SL sets that involve multiple targets.
The findings reveal that higher-order SL sets can provide therapeutic solutions where single essential or SL genes fall short, with nine quadruple SSDTs identified that target five different cancers without adversely affecting non-tumor tissues. These SSDTs disrupt critical metabolic pathways, including glycolysis and the pentose phosphate pathway, suggesting a strategic approach to selectively target cancer cells. The authors conclude that while the results are promising, further experimental validation is necessary to confirm the therapeutic potential of these identified targets for clinical applications.
Introduction
The introduction of the paper discusses the concept of metabolic rewiring in cancer cells, highlighting how these alterations lead to distinct flux distributions in metabolic pathways. Otto Warburg’s identification of the Warburg effect, where cancer cells favor aerobic glycolysis over oxidative phosphorylation, underscores the metabolic adaptations that support increased biosynthetic demands for fatty acids, nucleotides, and amino acids. The paper reviews various metabolic alterations observed in different cancer types, including upregulation of glutaminolysis and disruptions in pathways such as lipid synthesis and serine metabolism, which contribute to cancer cell proliferation and immune evasion.
The authors emphasize the potential of genome-scale metabolic models (GEMs) as tools for identifying selective drug targets in cancer therapy. They summarize previous studies that have successfully utilized GEMs to predict drug targets and explore the concept of synthetic lethality, where simultaneous disruption of specific gene pairs leads to cancer cell death while sparing normal cells. This study aims to systematically identify synthetic lethality gene sets through context-specific GEMs for various cancers, demonstrating that higher-order synthetic lethality sets can provide strictly selective drug targets that minimize harm to non-tumor tissues. The findings indicate a promising avenue for developing targeted cancer therapies that exploit metabolic vulnerabilities unique to cancer cells.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using advanced statistical software, allowing for the application of techniques such as regression analysis and hypothesis testing. The results were interpreted in the context of existing literature, providing a comprehensive understanding of the findings and their implications for the field. Overall, the methods employed were rigorous and aimed at minimizing bias, thereby enhancing the credibility of the research outcomes.
Results
In this study, essential genes and synthetic lethality (SL) gene sets were identified for 13 context-specific genome-scale models across various cancers. Notably, the research expanded the identification of SL genes to include higher-order SL sets, specifically triple and quadruple combinations. The comprehensive list of strictly selective drug targets (SSDTs) derived from these models is detailed in the supplementary file (S1 File).
Importantly, the study did not apply druggability filtering in the identification process, which resulted in the inclusion of some strictly selective vulnerabilities associated with genes that are currently not amenable to targeting by small-molecule inhibitors, such as RPE. The authors opted to present the full range of model-derived vulnerabilities, acknowledging that non-druggable genes could still play significant roles in biomarker development, pathway analysis, synthetic lethality sensitization, and the formulation of future therapeutic strategies beyond traditional small-molecule approaches. This approach underscores the intention to create a comprehensive and unbiased map of strictly selective metabolic vulnerabilities in cancer.
Discussion
In this study, the authors reconstructed 26 context-specific genome-scale metabolic models (GEMs) for 13 cancer types and their corresponding non-tumor tissues using the rFASTCORMICS tool. By analyzing RNA-seq data, they established a method to classify gene expression through a Gaussian curve fitting approach, which allowed for the identification of active and inactive genes. The primary objective was to identify strictly-selective drug targets that could effectively reduce cancer cell growth while sparing non-tumor tissues. The study revealed that while single essential genes often did not meet selectivity criteria, higher-order synthetic lethality (SL) sets, particularly quadruple sets, provided viable drug targets across various cancers.
The results indicated that nine quadruple SL sets emerged as strictly-selective solutions, with shared genes such as phosphofructokinase (PFKL), transaldolase (TALDO1), and phosphogluconate dehydrogenase (PGD) frequently appearing in the solutions. These genes are integral to metabolic pathways like glycolysis and the pentose phosphate pathway, which are crucial for cancer cell proliferation. The study also highlighted the potential of targeting these pathways simultaneously to enhance therapeutic efficacy. However, the authors acknowledged the limitations of their in silico approach, emphasizing the need for experimental validation of the identified drug targets using advanced gene perturbation techniques. Overall, this research underscores the promise of higher-order SL sets in developing selective cancer therapies.