致癌K-Ras使葡萄糖和谷氨酰胺代谢解耦，以支持癌细胞生长

N和T成纤维细胞的转录谱与代谢通量分析基本一致

各种报道表明癌基因改变了编码代谢酶的基因的表达(Mathupala等人，1997年;Zhong等人，1999年). 为了鉴定致癌K-Ras依赖性转录效应，我们对如上生长48和72小时的N和T细胞进行了微阵列转录谱分析。

这些数据由中的热图表示补充图S5表明糖酵解投资阶段的几个基因(香港1号和Pfkp公司)以及Pfkfb 2型,三和4通过调节果糖-2,6-二磷酸水平变构控制6-磷酸果糖-1-激酶，其在T细胞中的表达水平始终低于N细胞(补充图S5A)（绿色）。此外，五个编码糖酵解酶的基因(Gpi1号机组,Pfkl公司,Pfkm公司,阿尔多A和税收优惠1)与N细胞（红色）相比，T细胞高表达(补充图S5A). 此外，还观察到与糖酵解（生成ATP）的支付阶段有关的基因的高表达。事实上，在48和72小时这两个时间点，几乎所有这一阶段的基因在T细胞中的表达水平都高于N细胞(Gapdh公司,第1页,Eno1公司,Eno2公司,平方公里,利达和Ldhb公司).

与我们观察到的TCA流量减少一致，三个编码激酶的基因抑制PDH酶复合物活性(预测值k1,Pdk3，和预测值k4)在T细胞中显著表达(补充图S5B). 此外奥格德编码酮戊二酸脱氢酶复合物的一个亚单位，TCA循环中的另一个关键控制点，在T细胞中减少(补充图S5B). 相反，少数编码TCA循环阳性调节因子的基因，如Aco2公司,苏格拉2和Sucgl2型，以及同上2能够催化AKG的还原羧基化，在分析的整个时间窗口内，T细胞中的表达水平高于N细胞(补充图S5B). 综上所述，这些结果表明，由致癌K-Ras调节的许多基因可能驱动观察到的代谢重编程，尽管我们不能排除其他机制（例如翻译后修饰、质量作用和变构酶调节）的可能性也参与观察到的转化细胞的代谢变化。

谷氨酰胺进入TCA循环的转录分析

以前的实验(图1)与N细胞相比，Gln在T细胞中对细胞生物量前体（例如天冬氨酸）的贡献更大，尽管观察到摄取量略有下降。这些发现与其他报告一致，这些报告描述了Myc通过谷氨酰胺水解（部分通过参与Gln摄取和代谢的基因表达介导）增加Gln的使用(怀斯等人，2008年;Gao等人，2009年). 为了研究这一特征，我们分析了与谷氨酰胺摄取和代谢有关的编码酶基因的表达，特别注意那些与代谢途径有关的能够产生天冬氨酸的酶。如所示图1E天冬氨酸可由细胞质和线粒体中的谷氨酰胺通过AKG通过氧化脱羧和还原羧基化产生。Gln通过高亲和力谷氨酰胺受体进入细胞Slc1a5系列并通过谷氨酰胺酶代谢为谷氨酸(Gls公司) (图1E). 随后，谷氨酸可通过细胞质和线粒体天冬氨酸和丙氨酸转氨酶的转氨酶活性转化为AKG(得到1和得到2和Gpt1号机组和Gpt2型或通过谷氨酸脱氢酶依赖的氧化脱氨基(粘合1) (图1E). 如所示图1F,Slc1a5系列,Gls1、，和粘合1与N细胞相比，在T细胞中持续表达水平较低（约为2倍）。与此相反，得到1和2,表现出相反的行为，与N细胞相比，T细胞中的这两个基因略微上调。这些转录变化可能部分证明了Gln摄取量的轻微减少（例如Slc1a5系列在转化细胞中），如所示图1A并通过分析图1E，AKG通过氧化代谢生成标记的M4-Asp的相关作用（另请参见图1F和补充图S5). 此外，在T细胞中同上2(补充图S5)尤其是Acly公司其水平至少是N细胞的两倍(图1F)与前面显示的增加的M3天冬氨酸标记一致。然而，虽然转录数据在很大程度上与谷氨酰胺摄取量的减少及其用于生物合成相一致，但并非所有代谢通量都只在转录水平上进行调节。

转化细胞增加谷氨酰胺氮在生物合成过程中的使用

为了进一步研究Gln在细胞生物合成中的作用，我们使用氨基标记的谷氨酰胺（[α-¹⁵N] 谷氨酰胺），以确定和量化含有谷氨酰胺衍生氮的代谢物。该方法能够检测和量化示踪底物下游所有可观察代谢物中的标记(Hiller等人，2010年). 细胞需要氮原子来构建分子，如核苷酸、氨基酸、氨基糖，其中Gln和Glu代表细胞的主要氮储存库。Gln的氨基氮保留在Glu上，并在转氨酶反应中用作氮供体。正如预期的那样，NTFD算法识别出了许多氨基酸和相关化合物，这些氨基酸和化合物在[α-¹⁵N] 谷氨酰胺示踪剂，包括Glu、Ala、Asp和5-oxoproline（5-oxo）(图2A). 除了天冬氨酸外，这些代谢物中的每一种在T细胞中的标记都比在N细胞中更显著。此外，我们观察到，M1和M2标记在核碱基腺嘌呤上，由[α-¹⁵N] 与N对照细胞相比，天冬氨酸中谷氨酰胺衍生的氮原子在T细胞中高出2–3倍(图2B).

在单独的窗口中打开

图2

用NTFD分析鉴定与[α]培养的细胞中的标记代谢物-¹⁵N] 谷氨酰胺54小时(A类)N中氨基酸及其衍生物代谢物的M1标记(□)和T(▪）细胞。(B类)N中游离腺嘌呤中观察到M1和M2标记(□)和T(▪) 细胞。(C类)参与N（蓝线）和T（红线）细胞系Gln代谢的基因的热图，以及在正常培养基中生长并在两个不同时间点（1=48 h和2=72 h）收集的两个细胞系之间的相应比率（T/N）。(D类)N（蓝线）和T（红线）细胞系嘌呤代谢相关基因的热图，以及在正常培养基中生长并在两个不同时间点（1=48 h和2=72 h）收集的两个细胞系之间的相应比率（T/N）。颜色刻度条表示标准化的表达式强度（对数刻度）；尤其是绿色低表达，红色高表达，黑色无变化表达。当比率为⩾1.1时，比率值表示为上色，当比率为\10877; 0.9时表示为下绿色，当比率在0.9和1.1之间时表示为无变化的黄色。基因缩写列表见补充信息.

用[α]进行NTFD分析的转录数据支持结果-¹⁵N] 谷氨酰胺。N细胞和T细胞的绝对基因表达值及其比率（T/N比率），如所示图2C,补充表S1，强调与T细胞中谷氨酰胺利用密切相关的基因的高表达。尤其是谷胱甘肽代谢相关基因的表达（例如。，全球供应链,Gclm公司)、己糖代谢（例如。，Gfpt1型)和核苷酸生物合成（例如。，计算机辅助设计,广告、和Adsl公司)与N细胞相比，T细胞增加。如下游代谢物5-氧标记所示，这些转录变化表明谷胱甘肽途径活性增加，核苷酸合成增强(图2A)核糖基腺嘌呤上的M1和M2标记(图2B). 在这方面，对嘌呤代谢相关基因的详细分析(图2D)与N细胞相比，T细胞中的表达更持久。总之，与N细胞相比，这些发现进一步表明了Gln在支持T细胞合成代谢过程中的主要作用。

K-Ras转化的人类细胞表现出与小鼠转化细胞相似的代谢变化

为了测试人类癌细胞是否表现出与之前描述的小鼠转化模型相似的代谢变化，我们接下来试图将我们的代谢和转录分析扩展到表达活化K-Ras蛋白（G13D）的MDA-MB-231人类乳腺癌细胞系。为了评估MDA-MB-231细胞的糖酵解表型，在96小时的时间过程中跟踪高和低Glc（分别为25和1 mM）中生长的异步细胞图3A25 mM Glc中培养的MDA-MB-231细胞继续增殖，与1 mM Glc中培养的细胞相比，细胞密度更高。事实上，如增殖曲线所示，低Glc细胞在48小时时完全失去增殖能力，并显示出明显的细胞死亡迹象(图3A)并通过形态学分析（数据未显示）。此外，MDA-MB-231细胞依赖Gln进行增殖；与正常培养物相比，即使低水平的Gln（0.5 mM）也会显著限制生长(图3A). 由于Glc和Gln缺乏对MDA-MB-231细胞活性和增殖的影响与K-Ras依赖性转化小鼠模型中观察到的非常相似，因此我们更详细地分析了这些人类癌细胞的代谢表型。细胞外通量定量表明，MDA-MB-231细胞以近似化学计量的水平将Glc转化为Lac（即，2:1；图3B). 事实上，使用1:1混合物培养的细胞的GC/MS分析-¹³C] 葡萄糖和[U-¹³C类₆]葡萄糖表明，至少90%的Lac来自Glc（即，M3 Lac丰度测量值为44.6±0.1%）。与小鼠N细胞和T细胞相比，MDA-MB-231细胞消耗的Glc比Gln高得多(图3C). 然而，Gln的直接氧化转化仍然占用[U-¹³C类₅]谷氨酰胺（见M4质量同位素丰度；图3D). 综上所述，这些数据表明，与转化的小鼠细胞很相似，MDA-MB-231细胞将大多数Glc转移到Lac，并依赖Gln碳进行修复。

在单独的窗口中打开

图3

MDA-MB-231人癌细胞株表现出糖酵解增强和TCA循环活性降低。(A类)MDA-MB-231细胞以3000个细胞/厘米的速度进行电镀²在正常介质中的6孔板中。18 h后用正常培养基（）或含有1 mM Glc+4 mM Gln的培养基替换培养基(□)或25 mM Glc+0.5 mM Gln（）。然后，收集细胞并在指定的时间点进行计数。(B类)54小时后细胞外摄取Glc和Gln以及分泌Lac和Glu(C类)Glc摄取与Gln摄取的比率。(D类)在[U存在下培养的细胞中Fum、Mal和Asp的MID-¹³C类₅]谷氨酰胺。(E类)PDH通量与Glc吸收的比率。误差条表示s.e.m(n个=3）使用误差传播。

使用从用[U培养54小时的MDA-MB-231细胞获得的细胞外通量数据和MID-¹³C类₅]谷氨酰胺，我们用MFA测定了贯穿中心碳代谢的细胞内流量。该分析的结果(补充图S6;补充表S4)表明，与小鼠T细胞相似，MDA-MB-231细胞表现出较高的糖酵解通量，显著降低TCA循环活性。这种比较最好通过绘制PDH通量与Glc消耗量的比率来证明(图3E). 虽然Pyr氧化通量为对照N细胞中Glc摄取量的～25%，但具有致癌K-Ras的细胞显示PDH通量为Glc消耗量的10%。因此，致癌K-Ras持续驱动中心碳代谢的解耦，增加Lac的糖酵解通量，降低不同遗传背景细胞中的氧化TCA通量(图1和​和3）。三). 重要的是，MDA-MB-231细胞携带突变的p53(Olivier等人，2002年)而K-Ras-NIH3T3细胞具有野生型p53(Wadhwa等人，1999年). 鉴于最近的文献结果表明p53抑癌蛋白是线粒体呼吸和Warburg效应的调节器(Matoba等人，2006年)，我们测试了p53状态对这些代谢变化的影响，以确保我们的结果针对致癌K-Ras。比较p53^+/+野生型（HCT116 p53^+/+)或p53^−/−KO（HCT116 p53^−/−)表达致癌K-Ras的结肠癌细胞(Bunz等人，1998年)，我们观察到在营养缺乏的情况下增殖没有显著差异(补充图S7A和B)或细胞内代谢物丰度(补充图S7C–F). 这些数据表明，致癌K-Ras，至少在这些细胞模型中，以一种不依赖野生型p53存在的方式，促进癌症特异性代谢变化。

为了分析我们的代谢分析和转录谱之间的关系，从公开获取的基因表达谱数据集（GEO和CellMiner）中恢复了MDA-MB-231细胞和正常乳腺组织的微阵列数据集。如前所述，对数据进行了分析(Balestrieri等人，2009年)，结果表明，几个糖酵解基因（即。，香港1号,Pfkp公司,Eno1公司、和Ldha公司)在癌细胞中的表达水平高于正常乳腺组织(补充图S8A)与中显示的更活跃的糖酵解相一致图3B一些TCA循环基因的基因表达也存在差异(补充图S8B).

这些发现共同表明，致癌K-Ras转化诱导细胞特异性转录程序，这些转录程序在我们观察到的代谢改变中起作用（即糖酵解活性增加），并强调了系统级方法的实用性。图4描述了代谢的示意图，表明了我们在使用K-Ras转化时观察到的变化¹³C MFA和转录谱分析。特别是，可以观察到K-Ras转化的小鼠和人类细胞，如先前的代谢分析所示，将大部分消耗的Glc转移到Lac(图4A，红色箭头）。观察到两种细胞系（即。，Adpgk公司,加德夫,Pgk公司,Eno 1号机组和2,平方公里和利达;图4A，右框）。此外，丙酮酸进入线粒体的流量减少(图4A，绿色箭头）和编码TCA循环酶的几个基因的放松调控(图4A)部分解释了在两种转化细胞系中观察到的TCA循环通量降低(图4A，绿色箭头）。同时，我们的代谢数据表明，转化细胞中TCA循环流量的减少具有重要的合成代谢作用，并且基本上由Gln推动，正如Gln衍生的TCA循环中间产物标记的Asp的鉴定所表明的那样(图4A). 此外，Gln在支持癌细胞合成代谢过程中的重要作用(图4B，红色箭头）是通过鉴定含有谷氨酰胺衍生氮的标记代谢物以及谷胱甘肽代谢相关基因表达的增加而提出的(Gclm、Gss、，和Ggta1公司)，己糖代谢(Gfpt1型)和核苷酸生物合成(Cad、Adss、和Adsl公司) (图4B). 总之，这些发现表明癌细胞代谢发生了重大变化，Glc和Gln命运脱钩。

在单独的窗口中打开

图4

正常和小鼠K-Ras转化细胞中代谢通量和转录数据的综合图示。(A类,B类)使用通量分析和转录数据，比较T细胞和N细胞中确定的代谢途径的整合图。代谢通量和基因表达值的T细胞和N细胞之间的比率用颜色代码表示（如右上角的图例所示），如下所示：流量分析用黑色（无变化值）、红色（增加值）和绿色（减少值），以及上色T/N比率⩾1.1，转录数据的绿色T/N比下降到0.9，黄色T/N比在0.9和1.1之间不变。图中使用的基因缩写列表可以在“补充信息’. 利用[U-¹³C类₅]谷氨酰胺，一种[U的混合物-¹³C类₆]葡萄糖和1-¹³C] 葡萄糖（A）和[α-¹⁵N] 谷氨酰胺（B）作为特定同位素示踪剂。净通量和交换通量的计算方法如“材料和方法”所述。如“材料和方法”所述，获得了N和T调节基因的转录数据。

细胞增殖分析和细胞治疗

长期研究中，细胞以3000个细胞/厘米的密度进行培养²在完全生长培养基中。18小时后，用磷酸盐缓冲盐水（PBS）洗涤细胞两次，并在具有不同葡萄糖浓度（25和1mM葡萄糖）或不同谷氨酰胺浓度（4和0.5mM谷氨酰胺）的培养基中孵育（时间0）。当需要时，用100μM AOA处理细胞(O（运行）-（羧甲基）羟胺半盐酸盐）或20μM（-）-EGCG或2 mM 2-羟戊二酸二甲酯-DMK-或1 mML（左）-天冬氨酸β-甲酯盐酸盐-DMD-（Sigma-Aldrich Inc.）。对于短期研究，细胞按照上述方法进行电镀和生长，然后用20μM EGCG或5 mM NAC（Sigma-Aldrich Inc.）处理。为了测量细胞增殖，通过Burker室对收获的细胞进行计数。

微阵列数据采集

从两个不同的数据集提取微阵列转录谱。小鼠时间进程数据是从NIH3T3和NIH3T_K-Ras小鼠成纤维细胞的转录图谱收集中获得的，这些成纤维细胞是在我们的实验室中生成的，在25 mM葡萄糖+4 mM谷氨酰胺中生长，沿着72 h的时间进程生长。特别是，用于时间进程转录分析的细胞是在最初播种后18 h收集的，介质变化对应的时间（表示为T型₀)以及24、48和72小时（NCBI GEO数据库从{“类型”：“entrez-geo”，“属性”：{“文本”：“GSM741354”，“term_id”：“74135”，“extlink”：“1”}}GSM741354标准到{“类型”：“entrez-geo”，“属性”：{“文本”：“GSM741361”，“term_id”：“741361“}}GSM741361标准和来自{“类型”：“entrez-geo”，“属性”：{“文本”：“GSM741368”，“term_id”：“741368“}}GSM741368标准到{“类型”：“entrez-geo”，“属性”：{“文本”：“GSM741375”，“term_id”：“741375“}}GSM741375NIH3T3和NIH3T_K-Ras）。对于每个时间点，根据制造商的协议，使用Affymetrix单周期靶点标记和控制试剂盒（Affymetix Inc.，加州圣克拉拉，美国）生成标记的cRNA，并使用Affmetrix基因芯片（小鼠基因组430 2.0阵列）进行杂交，以确定全球基因表达模式。在Affymetrix Complete GeneChip上清洗和扫描阵列^®仪器系统并处理成CEL文件。

U133A阵列的人类原始表达数据来自公开访问的基因表达谱数据库GEO(网址：http://www.ncbi.nlm.nih.gov/geo/)或CellMiner(http://discover.nci.nih.gov/cellminer/home.do). 特别是，我们使用了人类乳腺癌细胞系MDA-MB-231（CellMiner登录13409hg133a21）和人类正常乳腺组织（NCBI-GEO登录{“类型”：“entrez-geo”，“属性”：{“文本”：“GSM44683”，“term_id”：“44683“}}GSM44683标准). 小鼠和人类的转录数据分别按照相同的归一化和噪声过滤程序提交，以便在不同的实验中获得良好的比较。简单地说，通过RMA方法，将数据文件（CEL文件）导入GeneSpring GX 11.0.2软件（安捷伦科技公司），并将其归一化，总结为探针级强度测量(Irizarry等人，2003年). 特别是，在GeneSpring中实现的算法，从一组数组的完美匹配Probelevel数据开始，进行背景校正、归一化，最后将结果总结为每个探针集的一组表达式度量。随后，还按照GeneSpring手册中的描述执行了“per-gene归一化”。总之，这些程序允许获得以值0为中心的log2刻度中每个探针集的相对表达式。该测量比例尺用于本文所示的热图。从这两个数据集（小鼠和人）中，已经鉴定并收集了编码参与糖酵解、TCA循环和谷氨酰胺代谢的蛋白质的基因的表达水平，在小鼠数据集的48和72小时，以及在作者指示的时间，人类组织和细胞系样本的表达水平。已报告的小鼠和人类基因总数及其强度表达水平补充数据集.

代谢物提取

对于标记实验和基于GC/MS的代谢组学，异步NIH3T3、NIH3T_K-Ras和MDA-MB-231以3000个细胞/厘米的速度电镀²在具有正常生长介质的6孔板中。总之，在接种后18小时，用PBS洗涤细胞，并在不同的DMEM（Sigma）加上补充有未标记的葡萄糖或谷氨酰胺的10%透析血清和4mM[U-¹³C类₅]谷氨酰胺或25 mM 1:1的[U混合物-¹³C类₆]葡萄糖和[1-¹³C] 葡萄糖。54小时后，收集废培养基并在YSI7100分析仪上分析葡萄糖、乳酸和谷氨酰胺消耗量。用PBS快速冲洗细胞，以尽量减少废培养基携带，并用0.4 ml冰镇甲醇淬火。添加等量的含1μg去甲缬氨酸内标物的水，用移液管尖端刮取细胞。加入两体积的氯仿，在4°C下旋转细胞30分钟。在3000℃下离心样品克持续10min，将水相收集在新管中，并在室温下在气流下蒸发。

衍生化和GC/MS测量

将干燥的极性代谢物溶解在60μl吡啶（Pierce）中的2%甲氧基胺盐酸盐中，超声30 min，并在37°C下保持2 h。溶解和反应后，添加90μl MBTSTFA+1%TBDMCS（Pierse），并在55°C下孵育样品60 min。使用配备30 m DB-35MS毛细管柱的Agilent 6890 GC进行GC/MS分析，该毛细管柱连接至Agilent 5975BMS，在70 eV的电子冲击（EI）电离下工作，在270°C下以无分离性模式注入1μl样品，使用氦气作为载气，流速为1 ml/min。GC烘箱温度保持在100°C下3分钟，并在3.5°C/min下增加到300°C，总运行时间为～60分钟。MS源和四极分别保持在230和150°C，检测器在选定的离子监测模式下运行。获得每种被测代谢物的MID，并将其与细胞外流量测量值结合，用于流量测定。为了测定相对代谢物丰度，每个代谢物片段的所有潜在标记离子的综合信号通过去甲缬氨酸的信号和每孔细胞数（通过计算替代平板获得）进行标准化。

通量估算

通过最小化实际流量和模拟流量与GC/MS测量值之间的不匹配，估算模型反应网络的细胞内流量。该网络包含糖酵解、PPP、回补反应、TCA循环和氨基酸生物合成的简化版本。流量分析中列出了关于网络和新陈代谢的具体假设补充信息。我们还使用参数延拓计算了每个通量的95%置信区间(Antoniewicz等人，2006年). 本研究中的所有通量模拟、估算和延续均使用Metran进行，Metran是一种基于EMU框架的通量分析工具(Antoniewicz等人，2007年;Yoo等人，2008年;Young等人，2008年). 必要时，使用内部算法根据天然同位素丰度校正MIDFernandez等人（1996年）。N和T细胞MFA的模拟和测量MID见补充图S2和S3（[U-¹³C类₅]谷氨酰胺）或S10和S11（[U-¹³C类₆]葡萄糖+[1-¹³C] 葡萄糖）。MDA-MB-231细胞MFA的数据（[U-¹³C类₅]谷氨酰胺）以补充图S6.

非目标示踪剂归宿检测

进行NTFD分析以确定谷氨酰胺的α-胺氮原子的代谢命运(Hiller等人，2010年). 如上所述，将细胞培养54小时，但不使用未标记的谷氨酰胺，而是使用未标记和[α-¹⁵N] 谷氨酰胺（剑桥同位素实验室）用于每种生长条件。由于这是NTFD的一项要求，因此用完全未标记的谷氨酰胺作为参考培养额外的细胞。两种培养均进行了三次，并按照上述方法提取和测量细胞内代谢物。将原始GC/MS数据用作NTFD软件的输入，并使用代谢物检测器软件包的算法匹配所有生长条件下检测到的所有标记化合物(Hiller等人，2009年). 最后，使用NIST参考库进行化合物鉴定(Babushok等人，2007年).

代谢物分析

对于天冬氨酸、柠檬酸、苹果酸和谷氨酸的酶分析定量，异步NIH3T3、NIH3T_K-Ras和NIH-GEF-DN以3000个细胞/厘米的速度进行电镀²用正常的生长培养基。总之，在接种后18 h，用PBS清洗细胞，并在含有25 mM葡萄糖和4 mM谷氨酰胺的培养基中培养。54小时后，用PBS冷洗两次细胞，并用胰蛋白酶-EDTA（Invitrogen）收集。对细胞进行计数，并使用适当的冰上分析缓冲液快速均质50万份细胞等分。样品在15000下离心克持续10分钟，以清除细胞碎片并使用高氯酸/KOH方案（BioVision）脱蛋白。将样品添加到96 well板的三个重复孔中，并使用分析缓冲液将体积增加到50μl。样品在室温或37°C下培养30分钟，避光。然后，在微孔板读数器中测量OD。

细胞内ATP定量

使用CellTiter Glo测量细胞内ATP水平^®荧光素-荧光素酶分析（Promega）根据制造商的方案。特别是，100μl含有10⁴将细胞添加到96 well板的单孔中等量的CellTiter Glo试剂中。使用Cary Eclipse荧光分光光度计（Varian）在560 nm波长下孵育后收集发射的发光，并在设置校准曲线后将发光值转换为ATP数量。

ROS水平测量

使用带有CellQuest软件（BD Biosciences）的FACScan流式细胞仪（Becton-Dickinson）通过流式细胞术分析检测ROS水平。用5μM二氯二氢荧光素二醋酸盐（DCFH₂-DA；分子探针，Invitrogen）在37°C下放置30分钟。然后，对细胞进行胰蛋白酶化，收集在冰中，并通过FACScan采集。使用WinMDI软件对流式细胞术数据进行分析。

我们感谢NIH拨款1R01 DK075850-01的支持。C Metallo得到了美国癌症协会博士后奖学金的支持。D Gaglio由Tecnomed基金会的博士后奖学金资助。L Alberghina由MIUR、FIRB-Italbionet支持。F Chiaradonna得到了意大利政府拨款（PRIN和FAR）的支持。我们感谢Pier Giuseppe Pelicci提供的人类乳腺癌细胞MDA-MB-231和人类结肠癌细胞HCT116 p53^+/+和HCT116 p53^−/−; Roberta Palorini提供技术援助。

作者贡献：LA和GS计划了该项目。DG、CMM、LA、GS和FC构思并设计了该研究。DG、CMM、LA、GS和FC撰写了手稿。FC和DG进行转录组实验。CB进行了转录数据分析。DG、CMM和PAG进行代谢分析。CMM和KH进行了代谢分析的统计计算。DG和LSD进行了细胞生物学实验。