Las pantallas CRISPR decodifican las vías de las células cancerosas que desencadenan la detección de células T γδ

Naturaleza (2023)Cita este artículo

416 altmétrico

Detalles de métricas

Las células T γδ son potentes efectores anticancerígenos con el potencial de atacar tumores de manera amplia, independientemente de los neoantígenos específicos del paciente o de los antecedentes de antígenos leucocitarios humanos1,2,3,4,5. Las células T γδ pueden detectar señales de estrés celular conservadas que prevalecen en las células transformadas2,3, aunque los mecanismos detrás del ataque a las células diana estresadas siguen estando mal caracterizados. Las células T Vγ9Vδ2, el subconjunto más abundante de células T γδ humanas4, reconocen un complejo proteico que contiene butirofilina 2A1 (BTN2A1) y BTN3A1 (refs. 6,7,8), una proteína de la superficie celular ampliamente expresada que se activa mediante fosfoantígenos producidos abundantemente por células tumorales. Aquí combinamos pantallas CRISPR de todo el genoma en células cancerosas diana para identificar vías que regulan la destrucción de células T γδ y la expresión de la superficie celular BTN3A. Las pantallas mostraron una regulación multicapa previamente no apreciada de la abundancia de BTN3A en la superficie celular y la activación de células T γδ a través de la transcripción, modificaciones postraduccionales y tráfico de membrana. Además, se descubrió que diversas perturbaciones genéticas e inhibidores que alteran las vías metabólicas en las células cancerosas, en particular los procesos de producción de ATP, alteran los niveles de BTN3A. Esta inducción de BTN3A y BTN2A1 durante las crisis metabólicas depende de la proteína quinasa activada por AMP (AMPK). Finalmente, la activación de AMPK por moléculas pequeñas en un modelo de línea celular y en organoides tumorales derivados de pacientes condujo a una mayor expresión del complejo BTN2A1-BTN3A y a una mayor destrucción mediada por el receptor de células T Vγ9Vδ2. Este mecanismo dependiente de AMPK de regulación positiva del ligando inducido por estrés metabólico profundiza nuestra comprensión de la vigilancia del estrés de las células T γδ y sugiere nuevas vías disponibles para mejorar la actividad anticancerígena de las células T γδ.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución

Acceda a Nature y a otras 54 revistas de Nature Portfolio

Obtenga Nature+, nuestra suscripción de acceso en línea con la mejor relación calidad-precio

$29.99 / 30 días

cancelar en cualquier momento

Suscríbete a esta revista

Reciba 51 números impresos y acceso en línea

$199.00 por año

sólo $3.90 por número

Alquila o compra este artículo

Los precios varían según el tipo de artículo.

desde $ 1,95

a$39.95

Los precios pueden estar sujetos a impuestos locales que se calculan durante el pago.

Los conjuntos de datos de secuenciación para las dos pantallas y CUT&RUN están disponibles en el repositorio NCBI Gene Expression Omnibus (pantalla de cocultivo, GSE192828; pantalla BTN3A, GSE192827; CUT&RUN, GSE226931). Los archivos fastq IRF1 ChIP-seq de extremo emparejado disponibles públicamente se descargaron de ENCODE68,69: IRF1 K562 IP rep 1 (ENCFF031RWN, ENCFF031WIT), IRF1 K562 IP rep 2 (ENCFF602NSL, ENCFF071PWE) y entrada IRF1 K562 (ENCFF285JYI, ENCFF420KFM). Además, para este estudio se utilizaron datos TCGA disponibles públicamente (https://www.cancer.gov/tcga). Los datos originales se proporcionan con este documento.

El código informático utilizado para analizar el conjunto de datos TCGA se ha depositado en Zenodo (https://doi.org/10.5281/zenodo.8011891).

Silva-Santos, B., Serre, K. y Norell, H. Células T γδ en el cáncer. Nat. Rev. Immunol. 15, 683–691 (2015).

Artículo CAS PubMed Google Scholar

Sebestyen, Z., Prinz, I., Déchanet-Merville, J., Silva-Santos, B. y Kuball, J. Traducción de células T gammadelta (γδ) y sus receptores en terapias con células cancerosas. Nat. Rev. Descubrimiento de Drogas. 19, 169–184 (2020).

Artículo CAS PubMed Google Scholar

Raverdeau, M., Cunningham, SP, Harmon, C. & Lynch, L. Células T γδ en el cáncer: una pequeña población de linfocitos con grandes implicaciones. Clínico. Traducción Inmunol. 8, e01080 (2019).

Artículo de Google Scholar

Silva-Santos, B., Mensurado, S. & Coffelt, SB Células T γδ: efectores inmunes pleiotrópicos con potencial terapéutico en el cáncer. Nat. Rev. Cáncer 19, 392–404 (2019).

Artículo CAS PubMed PubMed Central Google Scholar

Mensurado, S., Blanco-Domínguez, R. & Silva-Santos, B. Las funciones emergentes de las células T γδ en la inmunoterapia del cáncer. Nat. Rev. P. Clínico. Oncol. 20, 178-191 (2023).

Artículo CAS PubMed Google Scholar

Harly, C. y col. Implicación clave de CD277/butirofilina-3 (BTN3A) en la detección de estrés celular por parte de un importante subconjunto de células T γδ humanas. Sangre 120, 2269–2279 (2012).

Artículo CAS PubMed PubMed Central Google Scholar

Rigau, M. y col. La butirofilina 2A1 es esencial para la reactividad del fosfoantígeno por parte de las células T γδ. Ciencia 367, eaay5516 (2020).

Artículo CAS PubMed Google Scholar

Karunakaran, MM et al. La butirofilina-2A1 se une directamente a las regiones codificadas por la línea germinal del TCR Vγ9Vδ2 y es esencial para la detección de fosfoantígenos. Inmunidad 52, 487–498 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Groh, V., Steinle, A., Bauer, S. & Spies, T. Reconocimiento de moléculas MHC inducidas por estrés por células T γδ epiteliales intestinales. Ciencia 279, 1737-1740 (1998).

Artículo CAS PubMed ADS Google Scholar

Strid, J., Sobolev, O., Zafirova, B., Polic, B. y Hayday, A. La respuesta de las células T intraepiteliales a los ligandos NKG2D vincula la vigilancia del estrés linfoide con la atopia. Ciencia 334, 1293-1297 (2011).

Artículo CAS PubMed ADS Google Scholar

Girardi, M. et al. Regulación de la malignidad cutánea por células T γδ. Ciencia 294, 605–609 (2001).

Artículo CAS PubMed ADS Google Scholar

Harly, C. y col. Las células T γδ humanas detectan la reprogramación de tumores metabólicos dependientes de AMPK mediante el reconocimiento de EphA2 por TCR. Ciencia. Inmunol. 6, eaba9010 (2021).

Artículo CAS PubMed Google Scholar

Marlin, R. y col. Detección del estrés celular mediante el reconocimiento de anexina A2 dependiente de TCR γδ humano. Proc. Acad. Nacional. Ciencia. EE.UU. 114, 3163–3168 (2017).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Chien, Y., Meyer, C. y Bonneville, M. Células T γδ: primera línea de defensa y más allá. Año. Rev. Immunol. 32, 121-155 (2014).

Artículo CAS PubMed Google Scholar

Uhlén, M. et al. Mapa basado en tejidos del proteoma humano. Ciencia 347, 1260419 (2015).

Artículo PubMed Google Scholar

Payne, KK y cols. BTN3A1 gobierna las respuestas antitumorales coordinando las células T αβ y γδ. Ciencia 369, 942–949.

Artículo CAS PubMed PubMed Central ADS Google Scholar

Sandstrom, A. y col. El dominio B30.2 intracelular de la butirofilina 3A1 se une a los fosfoantígenos para mediar la activación de las células T Vγ9Vδ2 humanas. Inmunidad 40, 490–500 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Mullen, PJ, Yu, R., Longo, J., Archer, MC y Penn, LZ La interacción entre la señalización celular y la vía del mevalonato en el cáncer. Nat. Rev. Cáncer 16, 718–731 (2016).

Artículo CAS PubMed Google Scholar

Yu, Z. y col. Identificación de un complejo transportador responsable de la entrada citosólica de bifosfonatos que contienen nitrógeno. eLife 7, e36620 (2018).

Artículo PubMed PubMed Central Google Scholar

Dang, AT y cols. NLRC5 promueve la transcripción de los genes BTN3A1-3 y la destrucción mediada por células T Vγ9Vδ2. iCiencia 24, 101900 (2021).

Artículo CAS PubMed ADS Google Scholar

Corvaisier, M. y col. Respuesta de las células T Vγ9Vδ2 a las células del carcinoma de colon. J. Inmunol. 175, 5481–5488 (2005).

Artículo CAS PubMed Google Scholar

Palakodeti, A. et al. La base molecular para la modulación de las respuestas de las células T humanas Vγ9Vδ2 por anticuerpos específicos de CD277/butirofilina-3 (BTN3A). J. Biol. Química. 287, 32780–32790 (2012).

Artículo CAS PubMed PubMed Central Google Scholar

Sheftel, A., Stehling, O. y Lill, R. Proteínas hierro-azufre en la salud y la enfermedad. Tendencias Endocrinol. Metab. 21, 302–314 (2010).

Artículo CAS PubMed Google Scholar

Voss, M. y col. La liberación de enzimas modificadoras de glucanos por el péptido señal peptidasa tipo 3 (SPPL3) regula la N-glicosilación celular. EMBO J. 33, 2890–2905 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Park, JH y cols. La hipoxia tumoral reprime la inmunidad antitumoral mediada por células T γδ contra los tumores cerebrales. Nat. Inmunol. 22, 336–346 (2021).

Artículo CAS PubMed Google Scholar

Blevins, MA, Huang, M. & Zhao, R. El papel de CtBP1 en los procesos oncogénicos y su potencial como diana terapéutica. Mol. Cáncer Ther. 16, 981–990 (2017).

Artículo CAS PubMed PubMed Central Google Scholar

Annaert, W. & Kaether, C. Tráelo de vuelta, tráelo de vuelta, no me lo quites: el receptor de clasificación RER1. J. Ciencia celular. 133, jcs231423 (2020).

Artículo PubMed Google Scholar

Cano, CE et al. BTN2A1, un punto de control inmunológico dirigido a la citotoxicidad de las células T Vγ9Vδ2 contra células malignas. Rep. celular 36, 109359 (2021).

Artículo CAS PubMed Google Scholar

Vantourout, P. y col. Las interacciones heteroméricas regulan la butirofilina (BTN) y las moléculas similares a BTN que gobiernan la biología de las células T γδ. Proc. Acad. Nacional. Ciencia. EE.UU. 115, 1039–1044 (2018).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Quinlan, KGR y cols. Reconocimiento específico de ZNF217 y otras proteínas con dedos de zinc en un surco superficial de proteínas de unión C-terminal. Mol. Celúla. Biol. 26, 8159–8172 (2006).

Artículo CAS PubMed PubMed Central Google Scholar

Mick, E. y col. Distintos defectos mitocondriales desencadenan la respuesta integrada al estrés dependiendo del estado metabólico de la célula. eLife 9, e49178 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Herzig, S. & Shaw, RJ AMPK: guardián del metabolismo y la homeostasis mitocondrial. Nat. Rev. Mol. Biol celular. 19, 121-135 (2018).

Artículo CAS PubMed Google Scholar

Marcu-Malina, V. et al. Redirigir las células T αβ contra las células cancerosas mediante la transferencia de un receptor de células T γδ ampliamente reactivo a los tumores. Sangre 118, 50–59 (2011).

Artículo CAS PubMed Google Scholar

Gründer, C. y col. Los dominios γ9 y δ2CDR3 regulan la avidez funcional de las células T que albergan γ9δ2TCR. Sangre 120, 5153–5162 (2012).

Artículo PubMed Google Scholar

Straetemans, T. y col. Fabricación de grado GMP de células T diseñadas para expresar un γδTCR definido. Frente. Inmunol. 9, 1062 (2018).

Artículo PubMed PubMed Central Google Scholar

Dekkers, JF y cols. Descubriendo el modo de acción de las células T diseñadas en organoides cancerosos de pacientes. Nat. Biotecnología. 41, 60–69 (2023).

Artículo CAS PubMed Google Scholar

Gassart, AD y cols. Desarrollo de ICT01, un anticuerpo anti-BTN3A, el primero en su clase, para activar la respuesta inmune antitumoral mediada por células T Vγ9Vδ2. Ciencia. Traducción Medicina. 13, eabj0835 (2021).

Artículo CAS PubMed Google Scholar

Mu, X. y col. El metabolismo de la glucosa controla la inmunovigilancia de tumores mediada por células T γδ humanas en la diabetes. Celúla. Mol. Inmunol. 19, 944–956 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Meizlish, ML, Franklin, RA, Zhou, X. y Medzhitov, R. Homeostasis e inflamación de los tejidos. Año. Rev. Immunol. 39, 557–581 (2021).

Artículo CAS PubMed Google Scholar

Warburg, O., Posener, K. y Negelein, E. Sobre el metabolismo de los tumores. Bioquímica. Z. 152, 319–344 (1924).

Google Académico

Heiden, MGV, Cantley, LC y Thompson, CB Comprensión del efecto Warburg: los requisitos metabólicos de la proliferación celular. Ciencia 324, 1029–1033 (2009).

ADS del artículo Google Scholar

Tzelepis, K. et al. Una prueba de abandono CRISPR identifica vulnerabilidades genéticas y objetivos terapéuticos en la leucemia mieloide aguda. Representante celular 17, 1193-1205 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Shifrut, E. et al. Las pruebas CRISPR de todo el genoma en células T humanas primarias revelan reguladores clave de la función inmune. Celda 175, 1958-1971 (2018).

Artículo CAS PubMed PubMed Central Google Scholar

Li, W. y col. MAGeCK permite una identificación sólida de genes esenciales a partir de pantallas knockout CRISPR/Cas9 a escala genómica. Genoma Biol. 15, 554 (2014).

Artículo PubMed PubMed Central Google Scholar

Ma, Y. et al. Las pruebas CRISPR/Cas9 revelan factores de dependencia del huésped de células B transformadas por el virus de Epstein-Barr. Microbio huésped celular 21, 580–591 (2017).

Artículo CAS PubMed PubMed Central Google Scholar

Jiang, S. y col. Edición del genoma mediada por CRISPR/Cas9 en líneas de células B linfoblastoides transformadas por el virus de Epstein-Barr. actual. Protocolo. Mol. Biol. 121, 31.12.1–31.12.23 (2018).

Artículo CAS PubMed Google Scholar

Mootha, VK y cols. Los genes que responden a PGC-1α implicados en la fosforilación oxidativa están coordinadamente regulados a la baja en la diabetes humana. Nat. Gineta. 34, 267–273 (2003).

Artículo CAS PubMed Google Scholar

Subramanian, A. y col. Análisis de enriquecimiento de conjuntos de genes: un enfoque basado en el conocimiento para interpretar perfiles de expresión de todo el genoma. Proc. Acad. Nacional. Ciencia. Estados Unidos 102, 15545–15550 (2005).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Miller, HE y Bishop, AJR Correlation AnalyzeR: predicciones funcionales a partir de correlaciones de coexpresión genética. BMC Bioinformática 22, 206 (2021).

Artículo PubMed PubMed Central Google Scholar

Lachmann, A. y col. Extracción masiva de datos de RNA-seq disponibles públicamente de humanos y ratones. Nat. Comunitario. 9, 1366 (2018).

Artículo PubMed PubMed Central ADS Google Scholar

Concordet, J.-P. & Haeussler, M. CRISPOR: selección de guía intuitiva para pantallas y experimentos de edición del genoma CRISPR/Cas9. Ácidos nucleicos res. 46, W242–W245 (2018).

Artículo CAS PubMed PubMed Central Google Scholar

Martin, M. Cutadapt elimina secuencias de adaptadores de lecturas de secuenciación de alto rendimiento. EMBnet J. 17, 10-12 (2011).

Artículo de Google Scholar

Clemente, K. et al. CRISPResso2 proporciona un análisis de secuencia de edición del genoma rápido y preciso. Nat. Biotecnología. 37, 224-226 (2019).

Artículo CAS PubMed PubMed Central Google Scholar

Brinkman, EK, Chen, T., Amendola, M. y van Steensel, B. Evaluación cuantitativa sencilla de la edición del genoma mediante descomposición de trazas de secuencia. Ácidos nucleicos res. 42, e168 (2014).

Artículo PubMed PubMed Central Google Scholar

Davodeau, F. y col. Estrecha correlación entre el reconocimiento de antígenos Daudi y micobacterianos por parte de las células T gamma delta humanas y la expresión de los receptores de células T codificados por V9JPC1γ/V2DJCδ. J. Inmunol. 151, 1214-1223 (1993).

Artículo CAS PubMed Google Scholar

Bai, L. y col. La mayoría de las células T específicas de sulfatida CD1d en la sangre humana utilizan un TCR Vδ1 semiinvariante. EUR. J. Inmunol. 42, 2505–2510 (2012).

Artículo CAS PubMed PubMed Central Google Scholar

Sachs, N. y col. Un biobanco vivo de organoides de cáncer de mama captura la heterogeneidad de la enfermedad. Celda 172, 373–386 (2018).

Artículo CAS PubMed Google Scholar

Pleguezuelos‐Manzano, C. et al. Establecimiento y cultivo de organoides intestinales humanos derivados de células madre adultas. actual. Protocolo. Inmunol. 130, e106 (2020).

Artículo PubMed PubMed Central Google Scholar

Zheng, Y., Ahmad, K. & Henikoff, S. Tutorial de análisis y procesamiento de datos CUT&Tag. Protocolo.io https://doi.org/10.17504/protocols.io.bjk2kkye (2020).

Meers, MP, Tenenbaum, D. y Henikoff, S. Llamada máxima mediante análisis de enriquecimiento disperso para perfiles de cromatina CUT&RUN. Epigenética Cromatina 12, 42 (2019).

Artículo PubMed PubMed Central Google Scholar

Shannon, P. y col. Cytoscape: un entorno de software para modelos integrados de redes de interacción biomoleculares. Genoma Res. 13, 2498–2504 (2003).

Artículo CAS PubMed PubMed Central Google Scholar

Kutmon, M., Lotia, S., Evelo, CT y Pico, AR Aplicación WikiPathways para Cytoscape: hacer que las vías biológicas sean susceptibles de análisis y visualización de redes. F1000Res. 3, 152 (2014).

Artículo PubMed PubMed Central Google Scholar

Tsuchiya, S. y col. Implementación de GlycanBuilder para extraer una amplia variedad de glicanos ambiguos. Carbohidrato. Res. 445, 104-116 (2017).

Artículo CAS PubMed Google Scholar

Varki, A. y col. Nomenclatura de símbolos para representaciones gráficas de glicanos. Glicobiología 25, 1323-1324 (2015).

Artículo CAS PubMed PubMed Central Google Scholar

Gustavsen, JA, Pai, S., Isserlin, R., Demchak, B. y Pico, AR RCy3: biología de redes utilizando Cytoscape desde R. F1000Res. 8, 1774 (2019).

Artículo PubMed PubMed Central Google Scholar

Martens, M. y col. WikiPathways: conectando comunidades. Ácidos nucleicos res. 49, D613–D621 (2021).

Artículo CAS PubMed Google Scholar

Jiang, P. y col. Las firmas de disfunción y exclusión de células T predicen la respuesta a la inmunoterapia contra el cáncer. Nat. Medicina. 24, 1550-1558 (2018).

Artículo CAS PubMed PubMed Central Google Scholar

Dunham, I. et al. Una enciclopedia integrada de elementos del ADN en el genoma humano. Naturaleza 489, 57–74 (2012).

Artículo CAS ADS Google Scholar

Luo, Y. et al. Novedades en el portal de datos de la Enciclopedia de Elementos del ADN (ENCODE). Ácidos nucleicos res. 48, D882–D889 (2019).

Artículo PubMed Central Google Scholar

Ewels, PA y cols. El marco nf-core para procesos bioinformáticos seleccionados por la comunidad. Nat. Biotecnología. 38, 276–278 (2020).

Artículo CAS PubMed Google Scholar

López-Delisle, L. et al. pyGenomeTracks: gráficos reproducibles para conjuntos de datos genómicos multivariados. Bioinformática 37, 422–423 (2020).

Artículo PubMed Central Google Scholar

Descargar referencias

Agradecemos a los miembros del laboratorio Marson, I. Jain, S. Dodgson, S. Pyle, T. Tolpa y Gladstone Flow Cytometry Core por brindar valiosos aportes y experiencia técnica. También agradecemos a B. Gewurz (Escuela de Medicina de Harvard) por compartir células Daudi-Cas9. MRM fue becario Irvington del Instituto de Investigación del Cáncer (CRI) apoyado por el CRI y contó con el apoyo de los Premios Michelson del Proyecto de Vacunas Humanas para Inmunología Humana e Investigación de Vacunas financiados por la Fundación de Investigación Médica Michelson. JWF fue financiado por una subvención de los NIH (n.º R01HG008140). AR recibió el apoyo de una subvención de formación de los NIH (n.º T32GM007281). MMA cuenta con el apoyo de una subvención NSF GRFP (n.º 2038436). MO contó con el apoyo de la Fundación Astellas para la Investigación sobre Trastornos Metabólicos, la Fundación Chugai para la Ciencia del Descubrimiento de Medicamentos Innovadores y la Fundación Mochida Memorial para la Investigación Medicinal y Farmacéutica. KAT contó con el apoyo del programa Gladstone PUMAS, financiado por una subvención de los NIH (n.º 5R25HL121037). JK y ZS recibieron el apoyo de Oncode-PACT y las subvenciones núms. de la Sociedad Holandesa contra el Cáncer. KWF 11393, 12586 y 13043. EJA está financiada por una subvención del NIH (n.º R01AI155984). El laboratorio Marson ha recibido fondos de la subvención CRI Lloyd J. Old STAR, The Cancer League, Innovative Genomics Institute, Simons Foundation y Parker Institute for Cancer Immunotherapy. Agradecemos a Hubrecht Organoid Technology por proporcionar organoides de cáncer de mama derivados de pacientes, y a JML Roodhart (Departamento de Oncología Médica, Centro Médico Universitario de Utrecht, Universidad de Utrecht, Utrecht, Países Bajos) por proporcionar organoides de cáncer de colon derivados de pacientes. El núcleo de citometría de flujo de Gladstone cuenta con el respaldo de James B. Pendleton Charitable Trust. El esquema de la Fig. 3a fue adaptado de la plantilla 'Cadena de transporte de electrones' de BioRender. Algunos de los resultados que se muestran aquí se basan en datos generados por la Red de Investigación TCGA: https://www.cancer.gov/tcga.

Estos autores contribuyeron igualmente: Shane Vedova, Jacob W. Freimer

Instituto Gladstone-UCSF de Inmunología Genómica, San Francisco, CA, EE. UU.

Murad R. Mamedov, Shane Vedova, Jacob W. Freimer, Maya M. Arce, Mineto Ota, Peixin Amy Chen, Vinh Q. Nguyen, Kirsten A. Takeshima y Alexander Marson

Departamento de Medicina, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Murad R. Mamedov, Shane Vedova, Jacob W. Freimer, Maya M. Arce, Mineto Ota, Peixin Amy Chen y Alexander Marson

Departamento de Genética, Universidad de Stanford, Stanford, CA, EE. UU.

Jacob W. Freimer, Mineto Ota y Jonathan K. Pritchard

Departamento de Ciencia de Datos, Instituto del Cáncer Dana-Farber, Boston, MA, EE. UU.

Avinash Das Sahu

Departamento de Bioestadística, Escuela de Salud Pública TH Chan de Harvard, Boston, MA, EE. UU.

Avinash Das Sahu

Centro Integral del Cáncer de la UNM, Universidad de Nuevo México, Albuquerque, Nuevo México, EE. UU.

Avinash Das Sahu

Departamento de Bioquímica y Biología Molecular, Universidad de Chicago, Chicago, IL, EE. UU.

Amrita Ramesh y Erin J. Adams

Centro de Inmunología Traslacional, Centro Médico Universitario de Utrecht, Utrecht, Países Bajos

Angelo D. Meringa, Jürgen Kuball y Zsolt Sebestyen

Instituto de Ciencia de Datos y Biotecnología, Institutos Gladstone, San Francisco, CA, EE. UU.

Cristina Hanspers

Departamento de Cirugía, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Vinh Q. Nguyen

Centro de Diabetes, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Vinh Q. Nguyen & Alexander Marson

UCSF CoLabs, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Vinh Q. Nguyen

Centro Princesa Máxima de Oncología Pediátrica, Utrecht, Países Bajos

Anne C. Ríos

Instituto Oncode, Utrecht, Países Bajos

Anne C. Ríos

Departamento de Biología, Universidad de Stanford, Stanford, CA, EE. UU.

Jonathan Pritchard

Departamento de Hematología, Centro Médico Universitario de Utrecht, Utrecht, Países Bajos

Jürgen Kuball

Comité de Inmunología, Universidad de Chicago, Chicago, IL, EE. UU.

Erin J. Adams

Departamento de Microbiología e Inmunología, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Alejandro Marson

Instituto de Genómica Innovadora, Universidad de California-Berkeley, Berkeley, CA, EE. UU.

Alejandro Marson

UCSF Helen Diller Family Comprehensive Cancer Center, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Alejandro Marson

Instituto Parker de Inmunoterapia contra el Cáncer, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Alejandro Marson

Instituto de Genética Humana, Universidad de California, San Francisco, San Francisco, CA, EE. UU.

Alejandro Marson

También puedes buscar este autor en PubMed Google Scholar.

MRM y AM diseñaron el estudio. MRM, SV, AR, MMA, ADM, PAC, VQN y KAT realizaron experimentos y generaron reactivos esenciales. JWF realizó análisis computacional y visualización de datos. ADS y MO realizaron análisis y visualización de datos TCGA. Visualización de enriquecimiento de rutas generadas por KH. ACR ayudó a obtener organoides tumorales derivados de pacientes. EJA, JK, ZS y JKP ayudaron a diseñar ensayos e interpretar los resultados. MRM y AM escribieron el manuscrito con aportaciones de todos los autores.

Correspondencia a Murad R. Mamedov o Alexander Marson.

AM es cofundador de Arsenal Biosciences, Spotlight Therapeutics y Survey Genomics; forma parte de las juntas directivas de Spotlight Therapeutics y Survey Genomics; es observador de la junta directiva (y ex miembro de la junta directiva) de Arsenal Biosciences; es miembro de los consejos asesores científicos de Arsenal Biosciences, Spotlight Therapeutics, Survey Genomics, NewLimit, Amgen, Lightcast y Tenaya; posee acciones en Arsenal Biosciences, Spotlight Therapeutics, NewLimit, Survey Genomics, PACT Pharma, Lightcast y Tenaya; y ha recibido honorarios de Arsenal Biosciences, Spotlight Therapeutics, NewLimit, Survey Genomics, Tenaya, Lightcast, 23andMe, PACT Pharma, Juno Therapeutics, Trizell, Vertex, Merck, Amgen, Genentech, AlphaSights, Rupert Case Management, Bernstein y ALDA. AM es inversor y asesor informal de Offline Ventures y cliente de EPIQ. JWF fue consultor de NewLimit, es empleado de Genentech y tiene acciones en Roche. El laboratorio Marson ha recibido apoyo para la investigación de Juno Therapeutics, Epinomics, Sanofi, GlaxoSmithKline, Gilead y Anthem. JK es accionista de Gadeta BVJK y ZS son inventores de patentes con temas relacionados con γδTCR. AM y MRM son inventores en solicitudes de patente que se han presentado en base a los hallazgos descritos aquí.

Nature agradece a Dmitry Gabrilovich, Thomas Herrmann y los demás revisores anónimos por su contribución a la revisión por pares de este trabajo.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

(a) Esquema de la vía del mevalonato, adaptado de WikiPathways. Fosfoantígenos resaltados en azul. (b) Supervivencia de células eGFP+ Daudi cocultivadas con células T primarias Vγ9Vδ2 en diferentes proporciones efector-objetivo (E:T) con o sin zoledronato (ZOL). Las células se cuantificaron mediante imágenes cuantitativas de células vivas en tiempo real (Incucyte). La supervivencia se normalizó en células Daudi cultivadas sin células T. Media ± DE. n = 3 por condición. (c – e) Comparaciones por pares de log2 (cambio [FC]) de los resultados de la detección entre los tres donantes de PBMC humanos sanos. (f) Número de genes contenidos en cada conjunto de genes KEGG enriquecido negativamente después de filtrar los genes que no estaban en el conjunto de datos de pantalla, valores q de FDR y (g) número de genes encontrados en dos conjuntos de genes KEGG.

Datos fuente

(a) Mapa de calor de los índices de riesgo (logaritmo natural transformado) asociado con la firma del gen de detección de cocultivo en pacientes TCGA para 33 tipos de cáncer (un índice logarítmico positivo indica un peor pronóstico y uno negativo indica un efecto protector del firma genética). La firma del gen de detección de cocultivo se escaló a media = 0, DE = 1. Los valores se muestran solo para tipos de cáncer con supervivencia significativa y asociación de firma en tumores de pacientes, según lo determinado por una prueba de Wald con corrección de comparaciones múltiples de Benjamini-Hochberg (dos- padj lateral < 0,05). ( b, d ) Correlación de la expresión de genes tumorales y la supervivencia en la cohorte de pacientes con glioma de bajo grado (LGG), (b) con toda la cohorte y (d) con la cohorte dividida según la abundancia de transcripciones tumorales TRGV9/TRDV2. Se compararon los pacientes con expresión alta y baja de cada gen determinado en los 1040 genes en la firma de detección de cocultivo. La puntuación Z positiva de la prueba de Wald indica una correlación positiva con la supervivencia, y la puntuación Z negativa indica una correlación negativa con la supervivencia. (c, e) Correlación de las puntuaciones distintivas derivadas de la vía KEGG y de la vía de respuesta al interferón tipo I y la supervivencia en la cohorte de pacientes con glioma de bajo grado (LGG), (c) con toda la cohorte y (e) con la cohorte dividida según la abundancia de transcritos tumorales TRGV9/TRDV2. Se compararon los pacientes con puntuaciones altas y bajas de firma de vías. ( f, g ) Supervivencia de (f) todos los pacientes con LGG y (g) pacientes con TRGV9/TRDV2 alto o TRGV9/TRDV2 bajo LGG divididos por expresión alta y baja de la firma de la vía del ciclo de TCA. (h, i) Supervivencia de pacientes con TRAC/TRBC-alta/baja (h) LGG y (i) BLCA divididos por expresión alta y baja de la firma del gen de detección de cocultivo. (be) La significancia se determinó mediante una prueba de Wald (regresión de Cox) con corrección de comparaciones múltiples de Bonferroni (padj bilateral < 0,05). (fi) Prueba de rango logarítmico (análisis de supervivencia de Kaplan-Meier), ajustada (padj) con corrección de comparaciones múltiples de Benjamini-Hochberg. (c, por ejemplo) Los niveles de firma de la ruta se estimaron limitando la comparación a genes que se superponían entre la firma de resultados de la pantalla de cocultivo y la ruta.

(a) Correlación de la expresión de BTN3A1 con las vías de ontología genética (GO) en miles de muestras sanas (todos los tejidos combinados) recopiladas por Correlation AnalyzeR. Para determinar las vías que se correlacionan con BTN3A1, se utilizan correlaciones de Pearson en todo el genoma para BTN3A1 como métrica de clasificación en el algoritmo GSEA, que determina el valor padj. (b) Correlaciones por pares entre la expresión de BTN3A1 y los genes mostrados en miles de muestras sanas (todos los tejidos combinados) (Correlation AnalyseR). (c) Cada línea vertical indica la correlación entre la expresión de BTN3A1 y uno de los genes en el conjunto de genes de fosforilación oxidativa KEGG (OXPHOS), superpuesta sobre un gráfico de densidad de las correlaciones por pares de BTN3A1 con genes en todo el genoma humano. Datos de tejidos inmunes sanos (Correlation AnalyzeR).

(a – c) Comparaciones por pares de resultados significativos (FDR <0,01) y no significativos entre las tres réplicas (Rep) de poblaciones de células Daudi-Cas9 utilizadas para la detección de expresión de BTN3A. ( d ) Correlación de los tamaños del efecto de pantalla (LFC) entre aciertos concordantes separados en reguladores positivos y negativos de la expresión superficial de BTN3A. Se muestra la línea de regresión lineal con un intervalo de confianza del 95%. (e) Tinción de superficie BTN3A en células Daudi-Cas9 vivas tratadas durante 72 horas con zoledronato (ZOL), un inhibidor de FDPS. n = 3 por dosis de ZOL, datos representativos de uno de tres experimentos independientes. Comparación ANOVA unidireccional con ningún tratamiento con la prueba de comparaciones múltiples de Dunnett. ( f ) Tinción de superficie BTN3A en células vivas Daudi-Cas9 FDPS KO o células AAVS1 KO de control en los días indicados después de la transducción de sgRNA lentiviral. n = 4 por cada KO. Comparación de ANOVA unidireccional con células KO Daudi-Cas9 AAVS1 (#5) con la prueba de comparaciones múltiples de Dunnett. Datos de un experimento. (e, f) Media ± DE. p < 0,0001 (****), p < 0,001 (***), p < 0,01 (**). ( g ) GSEA de conjuntos de genes KEGG que regulan positiva o negativamente la expresión de BTN3A en la superficie. Se muestran el número de genes contenidos en cada conjunto de genes KEGG después de filtrar los genes que no estaban en el conjunto de datos de pantalla y los valores q de FDR.

Datos fuente

( a – d ) Esquemas del agotamiento y enriquecimiento de KO dentro de (a) fosforilación oxidativa, (b) biogénesis del grupo hierro-azufre (Fe-S), (c) biosíntesis de N-glucano, (d) y vías de sialilación a lo largo de ambas pantallas. El sombreado que indica log2FC se muestra solo para aciertos significativos (FDR <0,05). Todas las rutas fueron adaptadas de WikiPathways. (a) Las subunidades de OXPHOS se muestran con nombres abreviados sin prefijos que las acompañan (CI: NDUF; C II: SDH; C III: UQCR, C IV: COX; CV: ATP5) (p. ej., B4 en CI es NDUFB4). Las subunidades codificadas por genes mitocondriales no se incluyen en la visualización.

(a) Mapa de calor de los índices de riesgo (logaritmo natural transformado) asociados con la firma del gen de detección BTN3A en pacientes TCGA para 33 tipos de cáncer (un índice logarítmico positivo indica un peor pronóstico y uno negativo indica un efecto protector de la firma del gen ). La firma del gen de detección BTN3A se escaló a media = 0, SD = 1. Los valores se muestran solo para tipos de cáncer con supervivencia significativa y asociación de firma en tumores de pacientes, según lo determinado por una prueba de Wald con corrección de comparaciones múltiples de Benjamini-Hochberg (padj bilateral < 0,05). (bd) Supervivencia de pacientes (b) total, (c) TRGV9/TRDV2-alta/baja, o (d) TRAC/TRBC-alta/baja LGG divididos por expresión alta y baja de la firma del gen de detección de expresión BTN3A. Prueba de log-rank (análisis de supervivencia de Kaplan-Meier) y prueba de Wald (regresión de Cox), ajustada (padj) con corrección de comparaciones múltiples de Benjamini-Hochberg.

( a ) Histogramas representativos de la fluorescencia de BTN3A de superficie para un subconjunto de KO de Daudi-Cas9 de un solo gen y el control AAVS1. ( b ) Fluorescencia de tinción de tetrámero de TCR (MFI) del clon G115 Vγ9Vδ2 14 días después de la transducción de sgRNA lentiviral. Datos de un experimento. AAVS1 KO n = 12, BTN3A1 KO n = 3, todas las demás eliminaciones n = 6. (c, d) datos de qPCR para (c) transcripciones de BTN3A2 y (d) BTN2A1 normalizadas a transcripciones de ACTB. n = 5-6 (excepto RER (#1) KO n = 4 para BTN2A1), AAVS1 KO n = 12, datos combinados de dos experimentos independientes. (bd) ANOVA unidireccional con la prueba de comparaciones múltiples de Dunnett. Media ± DE. p < 0,0001 (****), p < 0,001 (***), p < 0,01 (**), p < 0,05 (*).

Datos fuente

( a ) IRF1 ChIP-Seq disponible públicamente para el locus de butirofilina en células K562 que expresan de manera estable IRF1 marcado con eGFP C-terminal (ENCODE). ( b – d ) Datos de CUT&RUN para la unión de IRF1 y ZNF217 en los promotores en los loci (b) BTN3A1, (c) BTN3A2 y (d) BTN3A3 en células WT Daudi-Cas9. n = 3 por condición. El algoritmo SEACR llama picos y los verifica por encima de un umbral de señal de fondo estricto. (e) Supervivencia de Daudi-Cas9 KO después de un cocultivo de 24 horas con células T Vγ9Vδ2 expandidas en presencia de ZOL en una proporción E:T de 2:1. Para cada donante de células T γδ, la supervivencia de Daudi se calcula en relación con las células Daudi cultivadas sin células T y se normaliza con respecto a la supervivencia de las células de control KO Daudi-Cas9 AAVS1. Datos combinados de tres donantes y dos experimentos independientes. AAVS1 KO n = 6, IRF1 KO n = 3. Comparación ANOVA unidireccional con células AAVS1 KO con la prueba de comparaciones múltiples de Dunnett. Media ± DE. p < 0,01 (**).

Datos fuente

( a ) Superficie BTN3A MFI en Daudi-Cas9 KO cultivados en diferentes concentraciones de piruvato durante 3 días en RPMI (sin glucosa, sin piruvato). Normalizado a células cultivadas sin piruvato (0 mM). (bd, f) MFI BTN3A de superficie en células Daudi-Cas9 tratadas durante 72 h con (b) un inhibidor de mTOR (rapamicina), un inhibidor de ISR (ISRIB), agonistas de ISR (guanabenz, Sal003, salubrinal, raphin1, sephin1) y DMSO (vehículo) (células KO); (c) metformina (células WT); (d) A-769662 en comparación con cantidades equivalentes de DMSO (vehículo) (células WT); o (f) los compuestos mostrados (células KO). (e) Superficie BTN3A MFI en células WT Daudi-Cas9 cotratadas con AICAR y cantidades crecientes de Compuesto C (inhibidor de AMPK) o DMSO (vehículo). (a) n = 4 por condición (n = 3, TIMMDC1 (#2) a 0 mM), datos combinados de dos experimentos independientes, cada uno normalizado individualmente. (b) n = 6 por condición (excepto n = 5 para AAVS1 (#5) con guanabenz y para PPAT (#1) con salubrinal), datos combinados de dos experimentos independientes, cada uno normalizado individualmente para células tratadas con DMSO (vehículo) . (c) n = 8 por condición, datos combinados de dos experimentos independientes. Comparación ANOVA unidireccional con células que no recibieron tratamiento con la prueba de comparaciones múltiples de Dunnett. (d) n = 3 por condición, datos representativos de uno de dos experimentos independientes. (e) n = 3 por condiciones, datos representativos de uno de dos experimentos independientes. Prueba t de Student de dos colas no pareada con corrección de Bonferroni. (f) n = 3 por condición (n = 2 para AMPKα1 (#1) tratado con DMSO), datos representativos de uno de dos experimentos independientes. Comparación de ANOVA unidireccional con células KO AAVS1 (#5) con la prueba de comparaciones múltiples de Dunnett. (af) Media ± DE. p < 0,0001 (****), p < 0,001 (***), p < 0,01 (**), p < 0,05 (*), p > 0,05 (NS).

Datos fuente

(a) MFI de tinción del tetrámero TCR del clon G115 Vγ9Vδ2 de células WT Daudi-Cas9 tratadas con C991 80 µM (DMSO), DMSO (vehículo), AICAR 0,5 mM (acuoso) o sin tratamiento durante 72 h. Prueba t de Student de dos colas no pareada. ( b ) Fluorescencia de tinción de tetrámero (MFI) de Vγ4Vδ1 TCR (clon DP10.7) de células Daudi-Cas9 KO tratadas con C991 80 µM (DMSO), DMSO (vehículo), AICAR 0,5 mM (acuoso) o agua durante 72 horas. Esta tinción con un tetrámero de un clon de γδTCR irrelevante define el fondo para la tinción del tetrámero de Vγ9Vδ2 TCR en la Fig. 4a. (c) datos de qPCR para transcripciones de BTN2A1, BTN3A1 y BTN3A2 en células Daudi-Cas9 tratadas con C991, normalizadas internamente a transcripciones de ACTB y normalizadas a células tratadas con DMSO (vehículo). Prueba t de Student de dos colas no pareada. (d) Tinción de control de isotipo IgG1κ en células Daudi-Cas9 KO tratadas con tratamiento con Compuesto 991 (DMSO) 80 µM, DMSO (vehículo), AICAR (acuoso) 0,5 mM o agua (vehículo) durante 72 h. (e) Supervivencia de células eGFP+ Daudi tratadas durante 3 días con AICAR o agua antes del cocultivo (E:T 2:1) con células T primarias Vγ9Vδ2 en presencia de un anticuerpo anti-BTN3A (clon 103.2). Las células se cuantificaron mediante imágenes cuantitativas de células vivas en tiempo real (Incucyte). La supervivencia se normalizó en células Daudi cultivadas sin células T. (a) n = 4 por condición, datos representativos de uno de dos experimentos independientes. (b) n = 3 por condición, datos representativos de uno de dos experimentos independientes. (c) n = 4 por condición, datos representativos de uno de tres experimentos independientes. (d) n = 3, datos representativos de uno de dos experimentos independientes. (e) n = 4 por condición. (ae) Media ± DE. p < 0,0001 (****).

Datos fuente

Índice de contenidos y figura complementaria 1.

Resultados del análisis de cocultivo por genes individuales. La significación estadística se evaluó mediante la prueba MAGeCK RRA seguida del ajuste para comparaciones múltiples. Se utilizaron valores de FDR para determinar la significancia.

Resultados de la detección de cocultivo mediante sgRNA individuales. La significación estadística se evaluó mediante la prueba MAGeCK RRA seguida del ajuste para comparaciones múltiples. Se utilizaron valores de FDR para determinar la significancia.

Conjuntos de genes de la vía KEGG de detección de cocultivo enriquecido negativamente.

Análisis LGG TCGA con genes individuales de la firma de pantalla de cocultivo. Puntajes z de la prueba de Wald y valores P bilaterales no ajustados.

Análisis LGG TCGA con rutas de la firma de pantalla de cocultivo. Puntajes z de la prueba de Wald y valores P bilaterales no ajustados.

Resultados del análisis de expresión de BTN3A por genes individuales. La significación estadística se evaluó mediante la prueba MAGeCK RRA seguida del ajuste para comparaciones múltiples. Se utilizaron valores de FDR para determinar la significancia.

Resultados del análisis de expresión de BTN3A mediante sgRNA individuales. La significación estadística se evaluó mediante la prueba MAGeCK RRA seguida del ajuste para comparaciones múltiples. Se utilizaron valores de FDR para determinar la significancia.

Imprimaciones relevantes para los métodos.

sgRNA de validación.

Detalles del ensayo de la sonda qPCR.

Secuencias del tetrámero DP10.7 gdTCR.

Firmas genéticas adicionales.

Springer Nature o su licenciante (por ejemplo, una sociedad u otro socio) posee los derechos exclusivos de este artículo en virtud de un acuerdo de publicación con los autores u otros titulares de derechos; El autoarchivo por parte del autor de la versión manuscrita aceptada de este artículo se rige únicamente por los términos de dicho acuerdo de publicación y la ley aplicable.

Reimpresiones y permisos

Mamedov, MR, Vedova, S., Freimer, JW et al. Las pantallas CRISPR decodifican las vías de las células cancerosas que desencadenan la detección de células T γδ. Naturaleza (2023). https://doi.org/10.1038/s41586-023-06482-x

Descargar cita

Recibido: 24 de enero de 2022

Aceptado: 26 de julio de 2023

Publicado: 30 de agosto de 2023

DOI: https://doi.org/10.1038/s41586-023-06482-x

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.