p53生物學

p53 是癌症生物學中被研究最深的單一分子，從 1979 年作為 SV40 large T 抗原結合蛋白發現（Lane & Crawford, 1979, Nature；Linzer & Levine, 1979, Cell），到 1989 年 Levine/Vogelstein 確立為腫瘤抑制因子，再到當代的動態和 GOF 研究，p53 生物學是癌症分子機制的縮影。

轉錄組與細胞命運決定

p53 結合 >500 個直接目標基因，啟動停滯、凋亡、衰老、代謝重組和鐵死亡（ferroptosis）等程式。細胞如何「選擇」結果？

• 刺激強度與種類：溫和壓力促停滯，嚴重損傷促凋亡
• p53 翻譯後修飾組合（PTM code）：Ser46 磷酸化（HIPK2）偏向凋亡；Lys120 乙醯化（Tip60）促進 PUMA 轉錄
• 共調控子：ASPP1/2 促進凋亡基因、iASPP 抑制；55K 變體偏向凋亡
• 時序動態（Lahav 實驗室）：Purvis et al.（2012, Science）證明 p53 脈衝 vs 持續訊號誘導不同命運——抑制 MDM2 使 p53 從脈衝轉為持續，細胞從修復轉為衰老

p53 作為代謝調控子

p53 廣泛調控代謝：

• 抑制 Warburg 效應：透過 TIGAR（抑制 PFK-1）、SCO2（促 OXPHOS）、GLS2（麩醯胺酸代謝）
• 抗氧化：SESN1/2、GPX1、ALDH4
• 脂質代謝：抑制 SREBP，促進 FAO
• 鐵死亡：抑制 SLC7A11 促進鐵死亡敏感性（Jiang et al., 2015, Nature）

這是野生型 p53 抑制癌化的重要機制之一，超越了傳統的生長停滯/凋亡觀。

MDM2-p53 負回饋與振盪

MDM2 是 p53 的直接轉錄目標，形成負回饋：
p53 ↑ → MDM2 ↑ → p53 ↓ → MDM2 ↓ → p53 ↑

此負回饋在輻射暴露後產生週期約 5.5 小時的 p53 脈衝（Lahav et al., 2004, Nature Genetics）。脈衝數（累積 p53 活性）決定結果：1-2 脈衝停滯、多脈衝凋亡、持續水平衰老。

GOF 突變的分子機制

突變 p53 的 GOF 活性透過多機制：

1. 干擾其他 TSG：結合並抑制 p63/p73（p53 家族同族）
2. 新轉錄目標：與其他 TF（如 NF-Y、SREBP、ETS2）異源複合物驅動促癌基因
3. 穩定性異常：HSP90 保護突變 p53 免於降解，HDAC6-HSP90 軸
4. 外泌體傳播：突變 p53 透過外泌體影響鄰近細胞

Muller 和 Vousden（2014, Nature Cell Biology）綜述 GOF 機制，推動 mutant-p53 標靶藥物開發：

• APR-246 / eprenetapopt：共價修飾 R175H/R273H 使其回復野生型構型，與 azacitidine 合併在 TP53 突變 MDS 展現活性（Sallman et al., 2021, JCO）
• PC14586：口服 R175H 特異性重活化劑（PYNNACLE 試驗）
• Arsenic trioxide：最近報導可穩定某些 p53 結構突變（Chen et al., 2021, Cancer Cell）

MDM2 抑制劑

Nutlins（Vassilev et al., 2004, Science）是經典 MDM2-p53 介面抑制劑。Idasanutlin、navtemadlin、milademetan 等進入臨床。挑戰：(1) 僅對 TP53 WT 有效，(2) 血液毒性（正常造血 HSC 對 p53 活化敏感），(3) 抗藥性透過獲得 TP53 突變。

p53 與免疫

p53 調控先天免疫（STING、PD-L1、MHC-I 表達）和發炎。WT p53 抑制 PD-L1 透過 miR-34；TP53 突變常伴 PD-L1 上調，創造免疫治療機會。TP53 GOF 誘導腫瘤促發炎分泌組（SASP-like），重塑微環境。

Li-Fraumeni 症候群

TP53 胚系突變（常 R175H、R248Q、R273H）。臨床特徵：

• 終身癌症風險 >90%（女性）、70%（男性）
• 肉瘤、早發乳癌（<35 歲）、腦瘤、腎上腺皮質癌、白血病
• 多重原發癌
• 兒童期即可發病

管理：Toronto Protocol 全身 MRI + 每年乳房 MRI、結腸鏡（Villani et al., 2016, Lancet Oncology 顯示早期偵測顯著改善存活）。

前沿研究

• p53 pulses in vivo：單細胞活體成像顯示脈衝模式在不同組織差異
• p53 家族整合：p63（上皮幹細胞）、p73（神經元）與 p53 的交互作用
• p53 代謝網路：鐵死亡、絲胺酸代謝、NAD+ 恆定的新連結
• 人工智能輔助 p53 重活化：AI 預測小分子結合突變 p53 的計算平台

教訓

p53 的故事告訴我們：單一分子可整合多種壓力、執行多種命運、其突變不只是失能還可能 GOF、其動態維度不可忽略，以及——即使研究了 40 年，仍有新層面被揭示。