跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
生物化学杂志。2011年12月9日;286(49): 42626–42634.
2011年10月13日在线发布。 数字对象标识:10.1074/jbc。M111.282046号
预防性维修识别码:项目经理3234981
PMID:21998308

黑色素瘤细胞系代谢通量的比较分析

超越华伯格效应*保存图片、插图等的外部文件。对象名称为sbox.jpg

关联数据

补充资料

摘要

代谢重组是癌症的一个既定特征,但在系统水平上,这种重组的细节并没有很好的描述。在这里,我们通过使用同位素标记的营养素追踪代谢流量,在黑色素瘤细胞系小组中获得了这一见解。代谢谱和通量平衡分析用于比较正常黑素细胞和黑色素瘤细胞系在常氧和缺氧条件下的差异。所有黑色素瘤细胞均表现出Warburg现象;他们比黑素细胞消耗更多的葡萄糖,产生更多的乳酸。在黑色素瘤细胞中观察到了Warburg现象所没有描述的其他变化。低氧条件增加了黑素细胞和黑色素瘤细胞中葡萄糖发酵为乳酸的过程(巴斯德效应)。然而,代谢并非严格意义上的糖酵解,因为三羧酸(TCA)循环在所有黑色素瘤细胞系中都起作用,即使在缺氧条件下也是如此。此外,谷氨酰胺也是一种关键营养素,为TCA循环提供了重要的补体贡献。在WM35黑色素瘤细胞系中,谷氨酰胺在TCA循环中以“反向”(还原)方向代谢,尤其是在缺氧条件下。这种反向流动使黑色素瘤细胞从谷氨酰胺合成脂肪酸,而葡萄糖主要转化为乳酸。总之,这项研究是首次对黑色素瘤细胞的代谢进行全面比较分析,为黑色素瘤的靶向代谢治疗提供了基础。

关键词:脂肪酸代谢、葡萄糖代谢、缺氧、黑色素瘤、代谢示踪剂、谷氨酰胺代谢

介绍

癌细胞的代谢不同于正常非增殖细胞。也许癌症代谢中最常见的变异是“有氧糖酵解”或Warburg效应。在Warburg效应下,在正常的大气氧气条件下,葡萄糖的代谢主要是发酵性的,而不是呼吸性的,乳酸的生成增加(1). 这也与葡萄糖摄取增加有关,这是患者肿瘤中通过18F-脱氧葡萄糖-PET(2). 然而,Warburg效应在多大程度上代表了新陈代谢的重新平衡(增加发酵,同时减少呼吸)代谢的放大(增加发酵,同时保持甚至增加呼吸)是争论的主题(,4). 沃伯格效应与巴斯德效应形成对比,后者描述了氧气充足时从发酵到呼吸的转变,以及氧气限制时的逆转(5)而Warburg效应描述了癌细胞的发酵活性,与氧无关。在肿瘤的发展过程中,癌细胞受到一定范围的氧浓度的影响,低氧诱导缺氧诱导因子(HIF),2这会导致癌细胞的新陈代谢重生,导致更多的糖酵解代谢(6). 因此,癌细胞可能同时表现出Warburg和Pasteur效应。此外,除糖酵解外,癌基因表达的改变对中枢碳代谢的其他分支也有强烈影响。例如,c-Myc的表达导致谷氨酰胺分解代谢增加,为三羧酸(TCA)循环提供营养物质的替代输入(回补)(7).

如果不及早发现,黑色素瘤是一种严重的疾病,但可以发展到致命的转移阶段(8). 除了一般的癌症代谢外,黑色素瘤的代谢可能具有特定的特征,受其环境和特定信号突变的控制。就环境而言,产生黑色素瘤的正常细胞,即黑色素细胞,位于自然轻度缺氧环境中(10%或更少O2) (9)这可能会使黑色素瘤适应缺氧。在信号转导途径中,黑色素瘤通常在BRAF或NRAS中发生突变(10). 这两种突变都可能通过HIF或其他机制影响新陈代谢(9). 与众多关于黑色素瘤相关信号级联的研究相比,迄今为止在黑色素瘤代谢分析方面投入的工作相对较少。目前,针对黑色素瘤的临床试验中只有一种药物以中枢碳代谢为靶点(11,12). 更好地了解与黑色素瘤发病率和进展相关的代谢变化有望有助于寻求新的诊断和治疗目标。

在越来越多的研究中,肿瘤的中枢碳代谢被探索为一个相互关联的系统(13,14). 稳定同位素(13C) 中心代谢途径的追踪提供了代谢的动态图像,补充了通常由传统靶向代谢组学评估的代谢物池大小数据。在之前的研究中,我们使用了一种基于13C-标记揭示转移性乳腺癌脯氨酸和脂肪酸生物合成的上调(15,16). 在这里,我们扩展了该方法,对一组黑色素瘤细胞系和在常氧和缺氧条件下生长的黑色素细胞的代谢通量进行了比较分析。该分析揭示了黑色素瘤细胞系的一些共同和独特特征。黑素细胞和分析的黑色素瘤细胞系之间的代谢反应存在有趣的差异。黑色素瘤细胞表现出Warburg效应和缺氧时的额外巴斯德效应,但并非所有葡萄糖都在糖酵解中消耗。谷氨酰胺为TCA循环提供了强大的补体输入,并通过α-酮戊二酸盐到柠檬酸盐的还原通量,对低氧条件下脂肪酸的合成做出了特殊贡献。

实验程序

细胞培养、标记和样品采集

使用了以下黑色素瘤细胞系:WM35、Mel501、UACC903、WM793、Lu1205和MeWo(1720). 这些细胞系在含有10%胎牛血清的RPMI中培养。永生人类黑素细胞Hermes 3A(H3A)(21)和原代人类黑素细胞(NEM-LP;Invitrogen)在所述培养基中培养(22). 黑色素瘤细胞系和原代黑色素细胞在5%CO中培养2/10%一氧化碳中的空气和H3A黑素细胞2/空气(均为37°C)。标记开始于约40%的细胞培养融合。在那一点上(t吨)=0 h,用补充有1 g/L[U-13C类6]葡萄糖(Sigma-Aldrich),10%(v/v)胎牛血清,1m -谷氨酰胺、1%(v/v)抗生素/抗真菌溶液(Omega)和1%v/v MEM维生素(欧文科学)。考虑到血清稀释,最终葡萄糖浓度为1.9 g/L,47%[U-13C] 葡萄糖(通过介质样品的GC-MS分析证实)。另外,在一些实验中,除了MEM中使用50%[U外,使用了相同的标记介质-13C类5]谷氨酰胺(Sigma-Aldrich)取代50%[U-13C] 葡萄糖。从解冻到完成[U-13C] 葡萄糖标记。在标记期间,细胞保持在5%的CO中2/空气(“常氧”)或1%氧气/5%CO2/94%氮(“缺氧”)。

t吨=0并存储为分析参考。在24小时收集标记培养基的额外样品。24小时标记期结束后,用磷酸盐缓冲盐水冲洗细胞,用胰蛋白酶分离,并以500×将细胞颗粒储存在−80°C下5分钟,以进行后续分析。

气相色谱-质谱联用

细胞颗粒(1–5×106细胞)重新悬浮在0.6 ml含100μ2-氨基丁酸或100μ -去甲缬氨酸(内标),在干冰上冷冻30分钟,然后在冰上解冻10分钟,然后离心。将液相移入单独的管中,向颗粒中添加0.3 ml三氯甲烷和4μg/ml C17:0脂肪酸内标物。在14000 rpm/4°C下离心5 min之前,旋转试管(15 s×5)。将该氯仿提取物与初始甲醇/水提取物重新组合,涡旋并如上离心。分析前,将顶部(甲醇提取物)层和下部(氯仿)分为2–3个单独批次,通过离心蒸发干燥并储存在−80下。对培养基(0.1 ml)的样品进行类似处理,但最初添加0.5 ml甲醇-水混合物。

首先通过添加50μl 20 mg/ml甲氧基胺-盐酸(Sigma,在干燥吡啶中)衍生干燥甲醇提取物,并在80°C下培养20分钟。冷却后,50μlN第三-丁基二甲基硅基-N个-添加甲基三氟乙酰胺(Sigma),并在80°C下将样品重新培养60 min,然后在14000 rpm/4°C下离心5 min。将上清液转移到自动进样瓶中进行气相色谱-质谱(GC-MS)分析。岛津QP2010 Plus GC-MS的进样温度为250°C,进样分流比为1/10,(通常)进样体积为0.5μl。GC烘箱温度在130°C下启动4分钟,在4°C/min下升至230°C,在20°C/min时升至280°C,在此温度下最后保持2分钟。使用氦气载气的GC流速为50 cm/s。使用的GC柱为15 m×0.25 mm×0.25μm SHRXI-5ms(岛津)。GC-MS界面温度为300°C,(电子碰撞)离子源温度为200°C,电离电压/电流为70 V/150μA。质谱仪设置为扫描/z(z)范围50–600,具有~1 kV探测器灵敏度(根据需要进行修改)。对于丙酮酸的分析,通过用乙基羟胺替换甲氧基胺来修改衍生化程序,初始GC-MS烘箱温度为110°C,持续4分钟,以6°C/min的速度上升到230°C,然后如上所述。使用Price的醛腈衍生法分析培养基提取物中的葡萄糖(23).

为了将脂肪酸作为甲酯进行分析,将干燥的氯仿提取物重新悬浮在200μl的0.5n个甲醇中的HCl,在60°C下加热30分钟,然后干燥并在100μl氯仿中重新悬浮,并转移至自动进样瓶。GC-MS条件如上所述,但典型的进样体积为2μl,GC烘箱温度最初为140°C,持续4分钟,在4°C/min时上升至210°C,在20°C/min下上升至280°C,在此温度下最后保持2分钟。EI源用30 eV/20μa电离电压/电流调谐,质谱仪被设置为扫描/z(z)范围为200–600,检测器灵敏度为~1.7 kV(根据需要进行修改)。

分析极性代谢物的GC-MS数据以确定13代谢物的C标记和数量。根据总离子计数峰面积或比质量离子,使用同一批样品中运行标准物生成的标准曲线,对代谢物进行量化。要确定13C-标记,检索标记氨基酸或其他羧酸已知片段的质量信息。这些片段要么包含代谢物的整个碳骨架,要么缺少α-羧基碳,或者(对于某些氨基酸)只包含主链减去侧链(24). 对于每个碎片,检索到的数据包括最轻同位素的质量强度(没有任何重同位素,M0)和单位质量增加的同位素(高达M6)相对于M0将这些质量分布除以M之和进行归一化0至M6,并使用所述的基于矩阵的概率方法校正元素H、N、O、Si和C的重同位素的自然丰度(24,25)在Microsoft Excel中实现(26).13C-标签数据表示为平均百分比13测量代谢物中每碳的C标记,或这些平均值13通过除以葡萄糖或谷氨酰胺的标记百分比,将C标记数据转换为葡萄糖或谷氨酸的百分比。

[U的质量数据-13C] 苹果酸葡萄糖标记(显示出与天冬氨酸和富马酸相似的质量分布,因此合理假设与草酰乙酸平衡)用于评估TCA循环中苹果酸或草酰乙酸的相对输入丙酮酸羧化酶的回复反应。从广义上讲,无补体输入在M时明显为峰值在苹果酸标签中,表示结合了13丙酮酸产生的C3-碳单位,而TCA循环的输入在M2表示以乙酰辅酶A形式产生的2-碳单位的输入。根据谷氨酸(C2-C5片段,相当于α-酮戊二酸中的相同片段)的质量分布估计TCA循环方向的输入,通过丙酮酸羧化酶的输入估计为乳酸(丙酮酸)标记加CO的组合2,假定未标记。与[U类似-13C] 通过拟合柠檬酸合成酶输入的草酰乙酸和乙酰辅酶A质量分布(后者根据乳酸C2-C3片段的标记推断)和谷氨酸(C1-C5),计算谷氨酰胺标记、TCA循环中通过柠檬酸合酶或反向通量对柠檬酸的相对输入量质量分布加上未标记CO2用于反向输入。在Matlab中进行了拟合计算。

为了估计葡萄糖或谷氨酰胺产生的相对ATP,进行了以下计算。首先,通过TCA循环的一个前转,由任一底物形成的苹果酸的相对比例计算为(对于葡萄糖)[M2苹果酸标记]至[输入葡萄糖标记];(对于谷氨酰胺)[M的比率4苹果酸标签]至[输入谷氨酰胺标签]。如上所述,假设苹果酸标记与草酰乙酸标记相匹配,因此可用于计算整个TCA循环的流量。接下来,假设TCA循环的一整圈产生相当于10个ATP分子(来自3 NADH,加上FADH2,加上GTP(27)),并且标记的苹果酸在TCA循环中被完全氧化,因此M4-谷氨酰胺标记苹果酸的产量是M的两倍2-从葡萄糖中标记苹果酸。假设反向通量消耗2.5个ATP分子,相当于异柠檬酸脱氢酶反向反应中使用的1个NADH或NADPH分子的当量,根据谷氨酰胺到柠檬酸的反向通量测量值,对谷氨酰胺在TCA循环中的ATP产量进行比例校正。然后,将TCA循环中葡萄糖或谷氨酰胺的相对ATP生成量计算为(葡萄糖的相对正向通量x10)与(谷氨酰胺的相关正向通量x20减去谷氨酰胺的比例反向通量x2.5)之比。对于总细胞代谢产生的ATP产量,通过在糖酵解到乙酰辅酶A合成和TCA循环的过程中添加从葡萄糖中获得的ATP(每个乙酰辅酶A单位2 NADH加1 ATP或6 ATP当量),再加上转化为乳酸或丙酮酸(并排泄)的葡萄糖部分产生的ATP,来调整葡萄糖的产量,在TCA循环中未被氧化(每乳酸2个ATP,每丙酮酸4.5个ATP(2个ATP和1个NADH))。通过谷氨酰胺输入TCA循环,计算谷氨酰胺的总ATP产量范围,谷氨酰胺输入100%通过谷氨酸脱氢酶,因此每谷氨酰胺产生额外的1 NADH(2.5 ATP),或100%通过交替途径(例如转氨酶)不产生额外ATP。

对C14:0(肉豆蔻酸)和C16:0(棕榈酸)脂肪酸的脂肪酸甲酯的GC-MS质量分布进行同位素天然丰度校正,并使用校正后的同位素模式计算乙酰辅酶A的标记,如前所述(15,28),基于标记乙酰基单元掺入脂肪酸链的二项式概率分布。

为了将结果可视化为热图,将数据导入Gene Cluster 3.0(29)(由Michiel de Hoon修订)为沿一个轴和百分比的样本表13另一轴上测量代谢物的C标记。数据居中,首先沿样本轴从行平均值中减去每行中的值(这可以补偿样本之间整体标记的差异),其次,沿着代谢物轴,通过从列平均值中减去每个列中的值(这可以补偿代谢物标记之间的一般差异,并防止聚类由高标记代谢物(如乳酸)主导)。使用基因聚类中的皮尔逊相关性对两个方向(代谢物和样品)的数据进行分层聚类。使用Java TreeView 1.1.4r3可视化结果(30).

总蛋白的定量

使用DC蛋白质检测试剂盒(Bio-Rad)测定细胞样品中的蛋白质含量。通常根据制造商的协议以微孔板形式进行分析。简单地说,将2.5μl细胞裂解液添加到225μl反应混合物中,并在室温下培养30分钟。使用Bio-Rad 3550-UV微孔板阅读器通过650 nm处的UV吸收率监测反应。每次测量均一式三份。使用牛血清白蛋白标准曲线计算蛋白质浓度。

葡萄糖和谷氨酰胺消耗和乳酸生成的量化

使用Sigma的葡萄糖己糖激酶试剂盒(GAGK-20)测定培养基样品中的葡萄糖量。该分析通常根据制造商的方案进行,但缩小至微孔板格式。简单地说,将2μl培养基添加到95μl酶混合物中,并在37°C下培养30分钟。根据制造商的说明,使用谷氨酰胺检测试剂盒(Megazyme)测定培养基样品中的谷氨酰胺浓度,但在250μl最终检测体积中检测20μl样品,添加谷氨酸脱氢酶后,在室温下培养板30分钟,然后在340nm处读取最终吸光度。

培养基样品中的乳酸量通常按照西格玛诊断程序826-UV进行测定。所有组件均从西格玛公司购买。将烟酰胺腺嘌呤二核苷酸(10 mg)溶解在2 ml甘氨酸缓冲液、4 ml水和100μl乳酸脱氢酶(1000单位/ml)中。将培养基样品(2.5μl)添加到145μl该酶混合物中,并在室温下培养30分钟。根据在340 nm处观察到的吸光度下降计算乳酸量。

结果

黑色素瘤细胞株表现出Warburg和Pasteur效应

比较黑色素瘤细胞系和黑色素细胞的葡萄糖摄取和乳酸生成。24小时后在条件培养基上进行测量(图1,A类B类). 正如预期的那样,黑色素瘤细胞的葡萄糖摄取和乳酸输出大于黑色素细胞。在所有情况下,90%以上的分泌乳酸是由葡萄糖产生的(结果未显示)。这些观察结果与Warburg效应一致。此外,在缺氧状态下,所有细胞的乳酸生成量都较大(图1B类)虽然细胞系WM793和Lu1205与葡萄糖利用率的增加不匹配,但与巴斯德效应(增加发酵,减少氧气供应)相一致(图1A类).

保存图片、插图等的外部文件。对象名为zbc0511189030001.jpg

黑色素瘤细胞和黑色素细胞中葡萄糖转化为乳酸的流量。6株黑色素瘤细胞系和2株黑素细胞(Melcytes,H3A)细胞系在[13C] 常氧葡萄糖培养基(黑条)或缺氧(灰色条)条件。分析样本的葡萄糖消耗量(A类),乳酸的生产(B类)以及消耗的葡萄糖转化为乳酸和丙酮酸的百分比(C类). 转化为丙酮酸的葡萄糖的一小部分由面板C。黑素细胞未显示在面板C,因为低葡萄糖摄取率和乳酸输出率会产生较大误差。误差线显示重复分析的结果范围。

使用[13C] 葡萄糖标记,我们还测定了条件培养基中转化为乳酸或丙酮酸的葡萄糖部分。在黑色素瘤细胞中,平均75%的葡萄糖在常氧下转化为乳酸或丙酮酸,而在缺氧时转化为93%(图1C类; 对丙氨酸的代谢也进行了计算,但相对不显著;包括丙氨酸流量在内的数据如所示补充表S1). 这一观察结果表明,在黑色素瘤细胞缺氧的情况下,通过TCA循环,平均只有7%的葡萄糖可用于呼吸。然而,由于葡萄糖通过TCA循环氧化产生约30个ATP分子,因此这一部分很重要(27). 相反,葡萄糖转化为乳酸只产生2个ATP分子。因此,如果通过TCA循环完全氧化,未转化为乳酸或丙酮酸的少量葡萄糖可能会产生同样多的ATP。

缺氧对黑色素瘤细胞中心碳代谢的影响大于对黑色素细胞的影响

为了更详细地研究缺氧对黑色素瘤细胞和黑色素细胞代谢的影响13细胞提取物中中心代谢代谢物的C标记[13C] 通过GC-MS分析葡萄糖培养物。将数据归一化,以补偿样品之间和代谢物之间标记的总体差异(见“实验程序”)。以无监督的方式对标准化值进行聚类,并将其可视化为热图(图2). 因此,热图提供了从葡萄糖到每种代谢物的相对通量的全局图(原始标签数据见补充表S2). 毫不奇怪,沿着x个axis导致生物化学耦合代谢物的结合。例如,作为糖酵解最终产物的乳酸和丙氨酸聚集在一起。类似地,通过丝氨酸羟甲基转移酶连接的丝氨酸和甘氨酸被分组,而第三组包括剩余的六种代谢物,TCA循环的所有成分或通过TCA循环产生的所有成分。除了代谢产物的聚集,热图还揭示了葡萄糖流量的差异。乳酸和丙氨酸在缺氧时通常标记较高。相反,TCA循环代谢物和相关氨基酸在缺氧时标记程度较低。这些发现与低氧条件下从葡萄糖到乳酸的高流量以及通过TCA循环的相对流量减少相一致(参见图1).

保存图片、插图等的外部文件。对象名称为zbc0511189030002.jpg

在常氧和缺氧条件下,葡萄糖向细胞内代谢物的流动。24小时后的细胞样本[13C] 葡萄糖标记实验图1通过GC-MS分析13代谢物的C标记。根据“实验程序”中的描述,对两个实验的数据进行平均,并将其转换为热图黄色系表明标签高于平均值,以及蓝色阴影在调整后的数据的平均值以下标注。这个比例尺表示调整数据平均值的变化。黑素细胞行名称如图1.常毒样品表示为纳米x和缺氧马力x源数据(百分比13C标签)补充表S2.

从细胞样本的聚类中可以明显看出最引人注目的观察结果(图2)是在常压下采集的样本中的一个重要分支缺氧条件。这种差异主要是由葡萄糖到糖酵解和TCA循环代谢物对缺氧反应的相对通量的相反趋势引起的(如上所述)。然而,这些变化在黑素细胞中不太明显(如果存在的话),在那里,无论氧气水平如何,样本都聚集在一起(图2). 在黑素细胞中,从葡萄糖到TCA循环的流量保持相对良好,而在糖酵解平衡方面,随着黑素细胞缺氧,从葡萄糖合成丙氨酸的量仅略有增加(图3A类). 事实上,黑素细胞和黑色素瘤细胞系之间的一致差异是,在黑素细胞中,与黑色素瘤(>10%)相比,葡萄糖(~5%)产生的丙氨酸池比例较小(图3A类). 来自葡萄糖的细胞外丙氨酸生成数据同样显示黑色素瘤细胞比黑色素细胞产生更多的丙氨酸(补充表S1). 丙氨酸和乳酸都是糖酵解的潜在最终产物,但从葡萄糖合成的乳酸百分比没有观察到细胞特异性差异(图3B类)尽管黑素细胞比黑色素瘤细胞产生的乳酸在数量上要少(图1). 黑素细胞中丙氨酸标记较低并不是因为他们消耗培养基中的丙氨酸,因为对废培养基的分析表明,所研究的所有细胞系都是丙氨酸的净产生者(结果未显示),但可能与谷氨酰胺使用量低有关,因此以丙氨酸形式排泄多余氮的要求较低。

保存图片、插图等的外部文件。对象名称为zbc0511189030003.jpg

黑色素瘤细胞和黑色素细胞中由葡萄糖衍生的细胞内丙氨酸和乳酸的比例。 13细胞样本的C标记(如图2)测定葡萄糖中丙氨酸或乳酸的含量。黑色条常氧;灰色条,缺氧。误差线显示了生物重复的结果范围。黑素细胞行名称如图1.A类,丙氨酸;B、,乳酸。

黑色素瘤TCA循环在缺氧状态下继续发挥作用

在缺氧性黑色素瘤细胞中,并非所有葡萄糖都以乳酸或丙酮酸的形式分泌(图1C类)表明葡萄糖仍然可以被导入TCA循环。事实上,TCA循环代谢物的代谢物在缺氧时被标记(补充表S2). 为了更严格地评估TCA循环的功能,我们分析了在常氧和缺氧条件下苹果酸的标记。苹果酸是一种合适的报告物,因为它是在TCA循环中合成的,但也可以通过草酰乙酸通过丙酮酸羧化酶的回复作用从丙酮酸中独立制备。这两种生物合成途径可以在质谱中区分开来,因为TCA循环中合成的苹果酸含有2个额外的葡萄糖质量单位,但丙酮酸羧化酶反应增加了3个质量单位(图4). 只有在少数情况下(最显著的是黑色素瘤细胞系UACC903,在一定程度上是黑色素细胞),丙酮酸羧化酶输入的可测量贡献被观察到(图4). 该分析证实,即使在缺氧条件下,TCA循环也在所有细胞系中运行,通过丙酮酸羧化酶进入循环的次数最多也不多。

保存图片、插图等的外部文件。对象名为zbc0511189030004.jpg

黑色素瘤细胞和黑色素细胞中葡萄糖衍生的细胞内苹果酸。 13对苹果酸的C标记进行分析,以确定葡萄糖产生的百分比以及是否输入13C通过TCA循环或丙酮酸羧化酶。黑色条常氧;灰色条,缺氧。通过丙酮酸羧化酶(如有)输入苹果酸的分数由棒材的上部开口部分表示。细胞系如图1. The插入式卡通说明苹果酸的替代输入是如何产生的13C类-标记或13C类2-分别通过丙酮酸羧化酶(PC)或TCA循环标记苹果酸。13碳纤维是彩色编码的紫色。未标记的碳有颜色编码白色。办公自动化:草酰乙酸;Ac-CoA公司:乙酰辅酶A。

谷氨酰胺对WM35黑色素瘤细胞的强回补通量

TCA循环代谢物的相对低标记[13C] 葡萄糖暗示了其他营养物质的重要贡献。谷氨酰胺是已知的癌细胞的替代碳源,因此我们测量了黑色素瘤细胞和黑色素细胞对谷氨酰胺的利用(图5). 黑色素瘤细胞从培养基中摄取的谷氨酰胺比黑色素细胞摄取的谷氨酰胺多,尤其是在缺氧条件下。为了评估谷氨酰胺在黑色素瘤中的作用,我们在常氧和缺氧条件下用[13C] 谷氨酰胺。定量谷氨酰胺到每种代谢物的流量,然后将结果与葡萄糖的流量相结合(参见图2)计算来自每种底物的代谢物比例(图6). 有趣的是,这两种营养素对新陈代谢不同部分的贡献有明确的界限。葡萄糖是糖酵解中间体的主要碳源(黑色/灰色条在里面图6). 谷氨酰胺对这些代谢物几乎没有贡献,表明没有糖异生通量。然而,谷氨酰胺是TCA循环代谢物的主要碳源(红色/粉色条在里面图6),因此它做出了重大的再补性贡献。低氧显著增加了谷氨酰胺对TCA循环中间产物的贡献。使用标记数据和“实验程序”中详述的某些假设,我们估计WM35细胞中葡萄糖或谷氨酰胺的ATP相对生成量为33–36%来自葡萄糖/64–67%来自谷氨酰胺;6–7%来自葡萄糖/93–94%来自谷氨酰胺。(较高的谷氨酰胺值假设通过谷氨酸脱氢酶氧化;较低的值假设通过其他非ATP生成途径氧化。谷氨酰胺计算的ATP包括对“反向”的修正谷氨酰胺的TCA循环通量将在下一节中介绍。由发酵生成乳酸或丙酮酸而非完全氧化的葡萄糖产生ATP的比例,在常氧条件下为12%,在缺氧条件下为49%)。

保存图片、插图等的外部文件。对象名为zbc0511189030005.jpg

黑色素瘤细胞和黑色素细胞对谷氨酰胺的利用。细胞培养基样本,如图1测定谷氨酰胺的消耗量。H3A黑素细胞未显示为谷氨酰胺利用率可忽略不计。图细节如所示图1.

保存图片、插图等的外部文件。对象名为zbc0511189030006.jpg

比较13WM35黑色素瘤细胞中葡萄糖或谷氨酰胺的C-标记。将WM35细胞标记24小时[13C] 葡萄糖或[13C] 计算谷氨酰胺和从任一底物衍生的代谢物的分数。这些组分以图表形式显示在每个分析代谢产物旁边。葡萄糖输入,黑色(常氧)或灰色(缺氧);谷氨酰胺的输入,红色(常氧)或粉红色(缺氧)。这个垂直轴除丝氨酸、甘氨酸、乳酸和丙氨酸外,每个图表的显示均为满标度输入的100%,其中满标度等于输入的50%。

谷氨酰胺通过TCA循环的反通量促进脂肪酸合成

尽管在哺乳动物细胞中,TCA循环通常沿氧化方向运行,但最近的几项研究报道了柠檬酸盐和α-酮戊二酸之间存在反向(还原)通量(3134). 当[U-13C] 谷氨酰胺被用作标记底物,通过M的存在可以识别反向通量5(+5质量单位)柠檬酸盐(图7A类). 事实上,我们观察到一个显著的M5柠檬酸的分数[13C] 谷氨酰胺标记的WM35细胞(图7B类). 柠檬酸盐在常氧和缺氧条件下的质量分布符合13C标记的输入来自正向(柠檬酸合成酶)和反向(异柠檬酸脱氢酶/乌头糖)方向,以确定输入的比率。这些计算表明,在常氧条件下,反向通量占柠檬酸总合成量的12%,在缺氧条件下,逆向通量占38%。因为柠檬酸盐被输出到胞质溶胶中,在那里它被转化为乙酰辅酶A(图7A类),可以作为脂肪酸合成的来源。因此,我们量化了13这些样品中脂肪酸中乙酰辅酶A的C-标记[13C] 谷氨酰胺或[13C] 葡萄糖(图7C类). 谷氨酰胺可以直接转化为脂肪酸的唯一途径是通过还原羧基化,因为谷氨酰胺没有显著标记乳酸或丙氨酸(因此也没有标记丙酮酸和乙酰辅酶A;图6和77A类). 从常压到低氧,葡萄糖和谷氨酰胺作为脂肪酸前体的作用发生逆转(图7C类). 值得注意的是,在相同条件下,谷氨酰胺低氧标记的增加与柠檬酸盐反向通量的增加相匹配。总的来说,这些结果证实了谷氨酰胺作为一种重要碳源的作用,不仅在TCA循环的氧化方向上,而且在还原方向上,尤其是在缺氧时,谷氨酰胺提供了可观的回补流量。

保存图片、插图等的外部文件。对象名为zbc0511189030007.jpg

柠檬酸和脂肪酸标签[13C] 谷氨酰胺。 A类,TCA循环和辅助途径图,显示了如何从[U标记代谢物-13C] 谷氨酰胺取决于循环中代谢通量的方向。标记/未标记的碳被编码紫罗兰/白色。红色方框指示氧化TCA循环流量引起的代谢物标记(红色箭头).蓝色盒子指示还原性TCA循环流量产生的代谢物标记(蓝色箭头).B类,柠檬酸盐的质量分布如下[13C] 低氧条件下WM35细胞的谷氨酰胺标记。这个X轴显示质量标签,校正后13C自然丰度;y轴分配百分比。C类,WM35脂肪酸中乙酰基单位的百分比,在常氧或低氧条件下,分别用13C基板。误差线是肉豆蔻酸或棕榈酸脂肪酸计算标记所得的结果范围。黑色条常氧;灰色条,缺氧。

讨论

最近13C-标记研究为似乎已被广泛理解的中枢代谢领域提供了新的见解。值得注意的发现包括在通常被视为单向的通路中发现反向通量(31,35),以及癌细胞利用谷氨酰胺和其他氨基酸的新数据(36,37). 然而,癌细胞的研究范围通常仅限于一个或几个细胞系。比较方法有助于揭示可能与转化表型相关的最显著的代谢变化(15). 在本研究中,我们将此方法应用于一组由几个黑色素瘤和黑色素细胞细胞系组成的小组,并对正常氧环境下的代谢物流量分布进行了多维比较缺氧生长条件和(其中一种黑色素瘤株)[13C] 葡萄糖和[13C] 谷氨酰胺标记。虽然追踪不同细胞系中的单个代谢物有助于诊断特定途径的变化,但我们发现,对多种代谢物进行全球比较,可以评估整体代谢状态和细胞系子集的代谢反应特征。这种基于双向聚类的比较分析(如所示图2)大大提高了在多个样本中一致再现的观察结果的重要性。黑色素瘤细胞系的通量特征显示出与氧合条件密切相关。有趣的是,黑素细胞并没有遵循这一趋势,在缺氧和常压之间的流量分布几乎没有差异。这表明,黑色素瘤细胞不仅天生比黑色素细胞更容易糖酵解,而且它们更有能力使其代谢程序适应环境挑战。一般来说,主要能源底物葡萄糖的利用(图1)或谷氨酰胺(图5)黑素细胞含量较低,而谷氨酰胺在缺氧条件下的利用率特别低(图5). 这可能表明黑素细胞在缺氧条件下无法转换为谷氨酰胺生成TCA代谢物。

丙氨酸是糖酵解的另一个终点,但它并没有像乳酸那样受到重视,乳酸是癌细胞糖酵分解活性的标准标志物。我们发现,虽然黑色素细胞产生的丙氨酸与黑色素瘤细胞株一样多,但丙氨酸13这些细胞的C-标记较低(图4),表示葡萄糖合成较少(另见补充表S1). 黑素细胞中额外未标记丙氨酸的来源需要进一步研究,但它不太可能来源于谷氨酰胺,而谷氨酰胺不被黑素细胞主动消耗(图5). 癌细胞中丙氨酸的过量产生通常归因于需要排泄过量的氮,这是谷氨酰胺作为碳源的结果(38). 谷氨酸转化为α-酮戊二酸是谷氨酰胺充分利用的关键步骤,可通过谷氨酸脱氢酶或转氨酶反应进行。前一种反应产生游离氨,这并非没有代谢后果,因为它最近被证明在一些癌细胞系中诱导自噬(39). 转氨酶将谷氨酸氮转移到酮酸上,生成α-酮戊二酸和氨基酸。因此,丙氨酸转氨酶从丙酮酸生成丙氨酸。线粒体丙氨酸转氨酶基因的敲除已被证明可降低HCT116结肠癌细胞的生长,而α-酮戊二酸的细胞渗透性衍生物可逆转这种作用(40). 观察到黑色素瘤中葡萄糖产生丙氨酸的增加表明,这种酶可能对谷氨酰胺的积极利用有很大贡献,WM35品系的例子证明了这一点。

我们的结果表明,即使在缺氧条件下,TCA循环在所有黑色素瘤细胞系中都有功能(图4),表明黑色素瘤的代谢不是单纯的糖酵解。葡萄糖流量分析表明,通常少于100%的消耗葡萄糖(平均93%)转化为乳酸或其他糖酵解终点代谢物(图1C类). 由于糖酵解的能量效率低下,通过TCA循环氧化剩余7%的葡萄糖可以产生与糖酵解93%一样多的ATP。然而,TCA循环中间产物的相对标记[13C] 低氧条件下葡萄糖典型下降(图2和4)。4). 考虑到丙酮酸脱氢酶激酶通过HIF的已知刺激,预计低氧时葡萄糖的输入降低(41,42)从而抑制丙酮酸脱氢酶活性,限制糖酵解和TCA循环之间的流量。使用标记WM35细胞[13C] 谷氨酰胺在常压下通过α-酮戊二酸从谷氨酰胺到TCA循环中表现出强烈的回补流量,并且在缺氧时这种流量进一步增加(图6). 当糖酵解进入循环受到限制时,黑色素瘤中缺氧向谷氨酰胺使用的转变可能是保持TCA循环(因此ATP生成)功能的机制,但使用谷氨酰胺而不是葡萄糖作为主要代谢前体的代谢优势尚不清楚。谷氨酰胺作为癌症代谢底物的普遍重要性已经得到了很好的认识,但谷氨酰胺在缺氧中的代谢却很少得到研究(38). 然而,由于这份手稿正在准备中,Gottlieb小组报告了缺氧性结肠肿瘤细胞系对TCA循环活性的类似维持(43). 我们观察到谷氨酰胺对TCA循环有如此显著的回补作用,这一事实为我们提供了一个关键的见解,即当通过Warburg效应从糖酵解中解偶联时,该循环如何仍能发挥作用。

许多癌症细胞中谷氨酰胺分解的一个重要驱动因素是c-Myc癌基因,其表达在激活BRAF或NRAS突变的黑色素瘤细胞中对抑制衰老很重要(44). c-Myc在与HIF合作抑制丙酮酸进入TCA循环中的额外作用导致人们相信它会减弱缺氧时的线粒体呼吸(7). 然而,我们的结果表明c-myc的表达可能只是改变了TCA循环的进入点。

替代标签[13C] 谷氨酰胺或[13C] 葡萄糖也使我们能够观察和评估TCA循环中反向(还原)通量的相对贡献(图7). 最近在各种细胞类型中发现了α-酮戊二酸和柠檬酸之间的还原羧基化(3134),但它作为谷氨酰胺、柠檬酸和脂肪酸合成之间的直接代谢途径而被普遍忽视(38). 我们的研究首次证明了还原羧基化对人类肿瘤细胞系中脂肪酸合成的显著贡献。这种作用在缺氧时显得尤为重要,这是谷氨酰胺使用转换的另一个方面。这种“逆TCA循环”通量的特定细胞位置和负责该途径的酶仍有待确定。谷氨酰胺利用的初始步骤是由线粒体谷氨酰胺酶驱动的(45). 后续步骤,由(依次)转氨酶或谷氨酸脱氢酶催化;异柠檬酸脱氢酶;乌头糖,可以由细胞溶质或线粒体亚型进行。

总之,本研究中对代谢物和代谢通量进行的多维比较分析使我们能够绘制黑色素瘤细胞系独特和常见的代谢特征。所有黑色素瘤细胞株都比黑色素细胞产生更多的乳酸,消耗更多的葡萄糖,并且从葡萄糖中合成更多的丙氨酸。然而,代谢并不是严格的糖酵解,因为所有黑色素瘤细胞系即使在缺氧下也能保持TCA循环活性。用谷氨酰胺标记WM35细胞表明,谷氨酰胺是TCA循环的重要补充底物,尤其是在缺氧条件下,但在TCA循环中,谷氨酰胺通过α-酮戊二酸盐向脂肪酸供给也存在反向通量。除了特定的新发现外,本研究还验证了应用的比较方法,并说明了稳定同位素标记如何补充传统代谢组学研究,以检测不同条件下的代谢。

补充材料

补充数据:

*这项工作得到了美国国立卫生研究院CA-128814(给Z.A.R.)、CA-147978(给A.D.R.)和CA-154887(给F.V.F.)的全部或部分支持。

保存图片、插图等的外部文件。对象名称为sbox.jpg本文的在线版本(可在http://www.jbc.org)包含补充表S1和S2.

2使用的缩写为:

高强度聚焦
低氧诱导因子
TCA公司
三羧酸
H3A型
爱马仕3A
气相色谱-质谱联用
气相色谱-质谱联用。

参考文献

1Warburg O.(1956年)科学类 124, 269–270 [公共医学][谷歌学者]
2Gambhir S.S.(2002)Nat.Rev.癌症 2, 683–693 [公共医学][谷歌学者]
三。Vander Heiden M.G.、Cantley L.C.、Thompson C.B.(2009)科学类 324, 1029–1033[PMC免费文章][公共医学][谷歌学者]
4Koppenol W.H.,Bounds P.L.,Dang C.V.(2011)Nat.Rev.癌症 11, 325–337 [公共医学][谷歌学者]
5Porporato P.E.、Dhup S.、Dadhich R.K.、Copetti T.、Sonveaux P.(2011)前面。药理学。 2, 49.[PMC免费文章][公共医学][谷歌学者]
6Bertout J.A.、Patel S.A.、Simon M.C.(2008)Nat.Rev.癌症 8, 967–975[PMC免费文章][公共医学][谷歌学者]
7Dang C.V.(2010年)癌症研究。 70, 859–862[PMC免费文章][公共医学][谷歌学者]
8Russo A.E.、Torrisi E.、Bevelacqua Y.、Perrotta R.、Libra M.、McCubrey J.A.、Spandidos D.A.、Stivala F.、Malaponte G.(2009)国际期刊Oncol。 34, 1481–1489 [公共医学][谷歌学者]
9贝多尼·B、鲍威尔·M·B(2009)色素细胞黑素瘤研究。 22, 166–174[PMC免费文章][公共医学][谷歌学者]
10Palmieri G.、Capone M.、Ascierto M.L.、Gentilcore G.、Stroncek D.F.、Casula M.,Sini M.C.、Palla M.和Mozzillo N.、Asceerto P.A.(2009)翻译J。医学。 7, 86.[PMC免费文章][公共医学][谷歌学者]
11Tennant D.A.、Durán R.V.、Gottlieb E.(2010年)Nat.Rev.癌症 10, 267–277 [公共医学][谷歌学者]
12Vander Heiden M.G.(2011)Nat.Rev.药物发现。 10, 671–684 [公共医学][谷歌学者]
13.Cheng T.、Sudderth J.、Yang C.、Mullen A.R.、Jin E.S.、MatéS J.M.、DeBerardinis R.J.(2011)程序。国家。阿卡德。科学。美国。 108, 8674–8679[PMC免费文章][公共医学][谷歌学者]
14Gaglio D.、Metallo C.M.、Gameiro P.A.、Hiller K.、Danna L.S.、Balestrieri C.、Alberghina L.、Stephanopoulos G.、Chiaradonna F.(2011)摩尔系统。生物。 7, 523.[PMC免费文章][公共医学][谷歌学者]
15Yang C.、Richardson A.D.、Smith J.W.、Osterman A.(2007)派克靴。交响乐团。生物计算机。181–192 [公共医学][谷歌学者]
16Richardson A.D.、Yang C.、Osterman A.、Smith J.W.(2008)乳腺癌研究治疗。 110, 297–307[PMC免费文章][公共医学][谷歌学者]
17Smalley K.S.、Contractor R.、Nguyen T.K.、Xiao M.、Edwards R.、Muthusamy V.、King A.J.、Flaherty K.T.、Bosenberg M.、Herlyn M.、Nathanson K.L.(2008)癌症研究。 68, 5743–5752[PMC免费文章][公共医学][谷歌学者]
18Aziz S.A.、Davies M.、Pick E.、Zito C.、Jilavanu L.、Camp R.L.、Rimm D.L.、Kluger Y.和Kluger H.M.(2009)临床。癌症研究。 15, 3029–3036[PMC免费文章][公共医学][谷歌学者]
19Sharma A.、Trivedi N.R.、Zimmerman M.A.、Tuveson D.A.、Smith C.D.、Robertson G.P.(2005)癌症研究。 65, 2412–2421 [公共医学][谷歌学者]
20Ellerhorst J.A.、Sendi Naderi A.、Johnson M.K.、Cooke C.P.、Dang S.M.、Diwan A.H.(2006年)恩多克。相关。癌症 13, 1269–1277 [公共医学][谷歌学者]
21Gray-Schopfer V.C.、Cheong S.C.、Chong H.、Chow J.、Moss T.、Abdel-Malek Z.A.、Marais R.、Wynford-Thomas D.、Bennett D.C.(2006)英国癌症杂志 95, 496–505[PMC免费文章][公共医学][谷歌学者]
22Shah M.、Bhoumik A.、Goel V.、Dewing A.、Breitwieser W.、Kluger H.、Krajewski S.、Krjewska M.、Dehart J.、Lau E.、Kallenberg D.M.、Jeong H.、Eroshkin A.、Bennett D.C.、Chin L.、Bosenberg M.、Jones N.、Ronai Z.A.(2010)公共科学图书馆-遗传学。 6,e1001258。[PMC免费文章][公共医学][谷歌学者]
23Price N.P.(2004)分析。化学。 76, 6566–6574 [公共医学][谷歌学者]
24南辰A.、福勒T.、绍尔U.(2007)方法分子生物学。 358, 177–197 [公共医学][谷歌学者]
25van Winden W.A.、Wittmann C.、Heinzle E.、Heijnen J.(2002)生物技术。生物工程。 80, 477–479 [公共医学][谷歌学者]
26Portnoy V.A.、Scott D.A.、Lewis N.E.、Tarasova Y.、Osterman A.L.、Palsson B.Ø。(2010)申请。环境。微生物。 76, 6529–6540[PMC免费文章][公共医学][谷歌学者]
27Hinkle P.C.、Kumar M.A.、Resetar A.、Harris D.L.(1991)生物化学 30, 3576–3582 [公共医学][谷歌学者]
28Lee W.N.、Bassilian S.、Guo Z.、Schoeller D.、Edmond J.、Bergner E.A.、Byerley L.O.(1994)美国生理学杂志。 266,E372–E383[公共医学][谷歌学者]
29Eisen M.B.、Spellman P.T.、Brown P.O.、Botstein D.(1998)程序。国家。阿卡德。科学。美国。 95, 14863–14868[PMC免费文章][公共医学][谷歌学者]
30Saldanha A.J.(2004)生物信息学 20, 3246–3248 [公共医学][谷歌学者]
31Yoo H.、Antoniewicz M.R.、Stephanopulos G.、Kelleher J.K.(2008)生物学杂志。化学。 283, 20621–20627[PMC免费文章][公共医学][谷歌学者]
32Metallo C.M.、Walther J.L.、Stephanopulos G.(2009)生物技术杂志。 144, 167–174[PMC免费文章][公共医学][谷歌学者]
33.Lemons J.M.、Feng X.J.、Bennett B.D.、Lesses-Miller A.、Johnson E.L.、Raitman I.、Pollina E.A.、Rabitz H.A.、Rabinowitz J.D.、Coller H.A.(2010)《公共科学图书馆·生物》。 8,e1000514。[PMC免费文章][公共医学][谷歌学者]
34Ward P.S.、Patel J.、Wise D.R.、Abdel-Wahab O.、Bennett B.D.、Coller H.A.、Cross J.R.、Fantin V.R.和Hedvat C.V.、Perl A.E.、Rabinowitz J.D.、Carroll M.、Su S.和Sharp K.A.、Levine R.和Thompson C.B.(2010)癌细胞 17, 225–234[PMC免费文章][公共医学][谷歌学者]
35Jin E.S.、Sherry A.D.、Malloy C.R.(2009)美国生理学杂志。内分泌。Metab公司。 296,E748–E757[PMC免费文章][公共医学][谷歌学者]
36DeBerardinis R.J.、Mancuso A.、Daikhin E.、Nissim I.、Yudkoff M.、Wehrli S.、Thompson C.B.(2007)程序。国家。阿卡德。科学。美国。 104, 19345–19350[PMC免费文章][公共医学][谷歌学者]
37.Meadows A.L.、Kong B.、Berdichevsky M.、Roy S.、Rosiva R.、Blanch H.W.、Clark D.S.(2008)生物技术。掠夺。 24, 334–341 [公共医学][谷歌学者]
38DeBerardinis R.J.,Cheng T.(2010)癌基因 29, 313–324[PMC免费文章][公共医学][谷歌学者]
39.Eng C.H.、Yu K.、Lucas J.、White E.、Abraham R.T.(2010)科学。信号 ,第31页。[公共医学][谷歌学者]
40Weinberg F.、Hamanaka R.、Wheaton W.W.、Weinberg S.、Joseph J.、Lopez M.、Kalyanaraman B.、Mutlu G.M.、Budinger G.R.、Chandel N.S.(2010)程序。国家。阿卡德。科学。美国。 107, 8788–8793[PMC免费文章][公共医学][谷歌学者]
41Kim J.W.、Tchernyshyov I.、Semenza G.L.、Dang C.V.(2006)单元格元数据。 , 177–185 [公共医学][谷歌学者]
42Papandreou I.、Cairns R.A.、Fontana L.、Lim A.L.、Denko N.C.(2006)单元格元数据。 , 187–197 [公共医学][谷歌学者]
43Frezza C.、Zheng L.、Tennant D.A.、Papkovsky D.B.、Hedley B.A.、Kalna G.、Watson D.G.、Gottlieb E.(2011)公共科学图书馆综合版 6,第24411页。[PMC免费文章][公共医学][谷歌学者]
44庄D.、曼纳瓦S.、格拉奇楚克V.、唐W.H.、帕蒂尔S.、沃兹尼亚克J.A.、伯曼A.E.、佐丹奴T.J.、普罗霍夫尼克E.V.、索恩格斯M.S.、尼基福罗夫M.A.(2008)癌基因 27, 6623–6634[PMC免费文章][公共医学][谷歌学者]
45Safran M.、Dalah I.、Alexander J.、Rosen N.、Iny Stein T.、Shmoish M.、Nativ N.、Bahir I.、Doniger T.、Krug H.、Sirota-Madi A.、Olender T.、Goland Y.、Stelzer G.、Harel A.、Lancet D.(2010)数据库 2010,baq020[PMC免费文章][公共医学][谷歌学者]

文章来自生物化学杂志由以下人员提供美国生物化学和分子生物学学会