那就要拉出我前兩天寫的一個公眾號文章來了：
今天要分享的這篇文章讓人讀得身心舒暢，來自中山大學宋爾衛團隊的最新Nature。
有關嗜中性球細胞外DNA陷阱（Neutrophil extracellular traps, NET）的背景知識在此不再多做贅述，感興趣的可以參考本號之前的文章
NET的生物學功能除了能夠trap住微生物以外還不為人知，有報道說血液中NET的水平可以反應機體的炎癥反應，有報道稱NET與腫瘤有關推測是因為NET trap住了癌細胞等等，但是並沒有特別令人信服的證據和機理被提出，NET的臨床意義模糊。今天的這篇文章在此基礎上開創性的發現了NET參與腫瘤轉移的直接證據並透過豐富的體內和體外實驗找到了NET在細胞上的受體CCDC25以及其下遊部份訊號通路，這是一個孤兒受體上下遊功能均從未有人報道過。
在文章的一開始，研究團隊研究了544位元乳癌病人的原位腫瘤和轉移腫瘤，在對標本的NET染色中（MPO，pcit染色，是NET的結合蛋白），發現原位腫瘤中NET的發現比例並不高，但是轉移腫瘤樣品中NET卻能夠被普遍發現，而且肝轉移的腫瘤樣品中NET的含量尤其高。
利用小鼠模型進行進一步探究，透過註射乳癌細胞（4T1和MDA-MB-231）來進行模型模擬。他們發現在腫瘤向肝臟轉移之前（Day16），就已經能夠在肝臟中檢測到相當數量的NET，而mRNA腫瘤檢測要到註射後第34天才能夠檢測成功。但是血液中的NET要到Day25天才能夠檢測得到。也就是說，很可能是肝臟先產生NET然後釋放到血液中，然後NET才會與腫瘤細胞進行相互作用。所以NET有被繼續開發成為腫瘤轉移性的診療marker的潛能。
為了探究是否NET真的與肝轉移腫瘤的形成有直接關系，他們1.選用了PAD4缺陷的小鼠，這種小鼠不能夠產生NET；2.往正常小鼠模型中註射DNase1來降解NET-DNA。這兩種方法都能夠有效抑制乳癌細胞向肝臟進行轉移，而且 不光乳癌細胞，HCT116細胞模擬的結腸癌的肝轉移也會被抑制。
然後，進一步探究NET是怎樣介導腫瘤轉移的，他們利用NET進行了細胞遷移分析和細胞貼附分析。並行現NET能夠促進腫瘤細胞向NET遷移，並且與黏連蛋白相比，腫瘤細胞更傾向於吸附在NET上！所以他們推測，NET介導的肝轉移是透過這種趨化效應從而向高濃度NET的肝臟中進行轉移的。
那麽是什麽蛋白介導了細胞與NET的結合和趨化？他們用生物素-NET pull down了細胞的表面膜蛋白，透過質譜鑒定出了CCDC25這個功能未知的蛋白。而且證明了CCDC25 更傾向於結合8-羥基去氧鳥苷酸水平高的DNA（NET的biomarker）細胞實驗也證明了敲除CCDC25後NET所帶來的遷移、促進分裂等效應也就消失了。
體內實驗也證明了敲除CCDC25的小鼠中肝轉移的腫瘤數量有明顯的下降，類似的效應也可以透過向小鼠體內註射CCDC25抗體來實作（藥物開發）
接下來的工作能夠看出一個生物lab竭盡全力想要揭示CCDC25是怎麽與NET DNA進行相互作用的努力。在沒有CCDC25蛋白結構的情況下，首先他們先證明了這個蛋白是一個N端在外C端在內的單次跨膜蛋白。透過突變分析，證明了第21-25胺基酸KDKYE對於CCDC功能的實作是至關重要的。在小鼠模型中過表達突變的CCDC25蛋白能夠看到低水平的腫瘤肝轉移。
透過CCDC25的pull down實驗他們找到了下遊訊號蛋白整合素連線激酶（Integrin-linked kinase， ILK）以及更下遊的β-parvin。於是部份訊號通路NET-DNA -ILK- β-parvin-RAC1-CDC42就被進一步揭示了。
至於剩下的訊號通路，可以直接連線到RAC1的訊號圖譜中，為什麽NET-DNA能夠促進細胞遷移、增值等等原因迎面而解。
至此這篇文章基本就結束了，作者告訴了我們什麽呢？
1. NET-DNA可能能夠作為腫瘤轉移標誌物進行進一步開發
2. NET-DNA可能是透過趨化效應來誘導腫瘤進行遷移
3. 細胞膜表面CCDC25蛋白承擔著辨識NET-DNA並啟用下遊訊號通路的功能
4. 透過基因編輯手段和利用抗體來封閉CCDC25能夠顯著降低腫瘤的轉移，所以CCDC25應該被當做一個重要的靶點被重視
因為本文絕大多數實驗都是在乳癌細胞上完成的，也有用到結腸癌細胞，那麽本文發現的NET-CCDC25在其它癌癥中會不會也有這麽重要的作用呢？
上圖表示的是CCDC25高表達的癌癥病患的比例，可以看出不光實驗中用到的兩種癌細胞，還有很多癌癥都伴隨著CCDC25的高表達，NET介導的腫瘤轉移很可能是普適性的。
文章雖仍有很多地方可以繼續努力，比如實驗中用的都是癌細胞系而不是真正的原代癌細胞，小鼠模型都是透過註射癌細胞系而成癌的這與真正的腫瘤還是有很大區別等等。但是這篇文章真的已經足夠讓人驚艷了，本次推播中絕大多數data都來自supplementary data就足以證明。
