Proteomik identifiziert 8 AML-Subtypen und eine Alterungssignatur, die das Überleben vorhersagt
Eine Multiomics-Studie mit 374 Patienten kartiert die proteomische Landschaft der AML, deckt hämatopoetische Alterungsmuster auf und entwickelt ein prognostisches Scoring-Tool.
Zusammenfassung
Forscher am Ruijin Hospital in Shanghai analysierten Proteom-, Phosphoproteom-, Genom-, Transkriptom- und Arzneimittelresponse-Daten von 374 neu diagnostizierten AML-Patienten. Mithilfe von Similarity-Network-Fusion-Clustering über mehr als 10.000 Proteine identifizierten sie 8 distinkte proteomische Subtypen, die die aktuelle WHO-Klassifikation der AML widerspiegeln und erweitern. Darüber hinaus stellten sie fest, dass megakaryozytäre/thrombozytenassoziierte sowie immunbezogene Proteinnetzwerke die hämatopoetische Alterung bei AML kennzeichnen. Auf Basis dieser Erkenntnisse entwickelten sie einen 19-Protein-Hematopoietic Aging Score (HAS) mit unabhängigem prognostischem Wert, bei dem höhere Werte mit myelodysplasie-assoziierter AML, NPM1-Mutationen und Mutationen in Genen der klonalen Hämatopoese korrelierten – und damit eine neue molekulare Perspektive darauf bieten, warum AML bei älteren Patienten tödlicher verläuft.
Detaillierte Zusammenfassung
Akute myeloische Leukämie trifft ältere Erwachsene überproportional häufig und verläuft bei ihnen besonders tödlich – Patienten über 65 Jahre machen über 60 % der Fälle und nahezu 76 % der Todesfälle aus –, doch die Biologie auf Proteinebene, die dieser altersbedingten Anfälligkeit zugrunde liegt, ist bislang weitgehend unerforscht geblieben. Diese Studie schließt diese Lücke, indem sie eine der bislang größten AML-Multiomics-Analysen durchführt: Sie integriert Proteomics, Phosphoproteomics, Genomics, Transkriptomics und ex-vivo-Medikamenten-Screening von 374 neu diagnostizierten Patienten.
Mithilfe von Similarity Network Fusion (SNF)-Clustering auf 10.016 quantifizierten Proteinen identifizierte das Team 8 proteomische Subtypen (S1–S8) mit jeweils charakteristischen klinischen und molekularen Eigenschaften. Mehrere Subtypen ließen sich klar WHO-definierten genetischen Entitäten zuordnen: S1 korrelierte mit CEBPA-Mutationen, S3 mit myelodysplasie-assoziierter AML (AML-MR), S4 und S6 mit PML::RARA-Fusionen, S5 mit NPM1-Mutationen und S8 mit CBFB::MYH11-Fusionen. Die Subtypen S2 und S7 waren gemischt und ließen sich genomisch schwerer klassifizieren, zeigten jedoch proteomische Kohärenz. Die UMAP-Visualisierung bestätigte, dass sich die wichtigsten genomischen Subtypen auf Proteinebene klar voneinander abgrenzen, was die biologische Relevanz der Klassifikation belegt.
Ein zentraler Befund war die Identifizierung alterassoziierter Proteinsignaturen in der AML-Hämatopoese. Die lokal gewichtete Regressionsmodellierung der Proteinabundanz über das Patientenalter, gefolgt von Fuzzy-c-Means-Clustering, ergab, dass megakaryozytäre/thrombozytenassoziierte und immunbezogene Proteinnetzwerke die auffälligsten altersbedingten Veränderungen aufweisen – im Einklang mit den früheren RNA-Befunden derselben Forschungsgruppe. Phosphosit-Daten zeigten ebenfalls altersassoziierte Muster und liefern damit eine zusätzliche Ebene post-translationaler Regulationsinformation. Die Subtypen S2, S3 und S7 wiesen erhöhte megakaryozytäre Proteinsignaturen auf und waren bei älteren Patienten mit schlechteren Verläufen überrepräsentiert.
Aufbauend auf diesen Beobachtungen entwickelten die Forschenden einen Hematopoietic Aging Score (HAS), der auf 19 Proteinen basiert, die sowohl altersassoziiert als auch prognostisch relevant in der Cox-Regressionsanalyse waren. Ein höherer HAS korrelierte mit AML-MR, NPM1-Mutationen und Mutationen, die mit klonaler Hämatopoese assoziiert sind (z. B. DNMT3A, TET2, ASXL1), und sagte unabhängig ein schlechteres Gesamt- und ereignisfreies Überleben voraus. Dieser Score bietet ein quantitatives, proteomisches Maß für das biologische Altern bei AML – unabhängig vom chronologischen Alter.
Die Studie umfasste zudem ein ex-vivo-Medikamenten-Sensitivitäts-Screening von 41 Wirkstoffen und 39 Kombinationen an 102 Nicht-APL-Proben, das proteomische Subtypen mit unterschiedlichen Medikamentenantworten verknüpfte und subtyp-spezifische therapeutische Angriffspunkte nahelegt. Insgesamt bereichert diese Arbeit das bestehende AML-Klassifikationsrahmenwerk, etabliert Alterungsmerkmale auf Proteinebene mit prognostischem Nutzen und unterstreicht den Wert von Proteomics als ergänzende Dimension zur genomischen und transkriptomischen Klassifikation bei hämatologischen Malignomen.
Wichtigste Erkenntnisse
- Eight proteomic AML subtypes identified via SNF clustering align with and extend WHO genomic classification.
- Megakaryocyte/platelet and immune protein networks are the dominant hematopoietic aging signatures in AML.
- A 19-protein Hematopoietic Aging Score independently predicts overall and event-free survival.
- Higher aging scores associate with myelodysplasia-related AML and clonal hematopoiesis mutations (DNMT3A, TET2, ASXL1).
- Phosphoproteomic data reveal distinct age-related post-translational regulatory patterns in AML.
Methodik
Bei 374 neu diagnostizierten AML-Patienten wurden eine 4D-datenunabhängige Akquisitions-Massenspektrometrie für die Proteomik (n=374) und Phosphoproteomik (n=217) sowie eine gezielte/Ganzexom-Sequenzierung (n=373) und RNA-Sequenzierung (n=361) durchgeführt. Proteomische Subtypen wurden mittels SNF-Clustering abgeleitet; Alters-Protein-Beziehungen wurden mithilfe lokal gewichteter Regression mit Fuzzy-C-Means-Clustering modelliert; der HAS wurde mittels Cox-Regression auf der Grundlage sich überschneidender altersassoziierter und prognostisch bedeutsamer Proteine erstellt.
Studienlimitierungen
Die Studie ist auf eine einzelne Institution beschränkt und spiegelt überwiegend eine chinesische Patientenpopulation wider, was die Generalisierbarkeit einschränken könnte. Proteomik-Daten lagen nicht für alle Patienten in jeder Omics-Schicht vor, und der HAS erfordert eine externe Validierung in unabhängigen prospektiven Kohorten, bevor er klinisch eingesetzt werden kann. Ex-vivo-Wirkstoffscreenings bilden In-vivo-Reaktionen möglicherweise nicht vollständig ab.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben:
