【Cell】作者解析臨床腫瘤大隊列CNS研究模式——蛋白基因組

來源: 上海中科新生命生物科技有限公司   2020-7-10   訪問量:1216評論(0)

2020年07月09日,Cell 雜志上史無前例地同時發表了三篇腫瘤蛋白質組學的重磅成果,構建了基于蛋白質組的肺癌圖譜全景及分子特征,揭示了肺癌精準治療的新靶點。為了讓給位老師能夠更詳細了解蛋白基因組的研究內容和方法,特此回顧我們在今年4月份給大家帶來的蛋白基因組講座。我們請到了同樣在《Cell》上發表了腫瘤蛋白基因組重磅研究成果的,來自中科院上海藥物研究所的朱洪文博士的分享。

在精準醫學的理念下,隨著高通量組學技術的成熟應用,腫瘤的研究逐漸進入了系統化的模式。其中,蛋白基因組(proteogenomics)的研究方式越來越受臨床研究者青睞:近年來CNS級別的雜志上陸續發表了多篇蛋白基因組相關研究。

那么,什么是蛋白基因組?蛋白基因組具體要做哪些研究和分析?分別解決了什么科學問題?

4月15日下午,中科院上海藥物研究所朱洪文博士為大家帶來了一期題為《定量蛋白質組學方法在大隊列腫瘤研究中的應用》的在線講座。朱博士于2019年以共同一作的身份在《Cell》雜志上發表了關于肝細胞癌蛋白基因組的研究成果。本次講座朱博士以該研究為例,詳細解析了腫瘤大隊列的典型研究思路,并介紹了近年來主流的定量蛋白質組技術發展以及各種技術的優缺點比較。本期講座回顧為大家帶來《Cell》蛋白基因組一作專家的分享與解答。

編者按

什么是臨床腫瘤研究的蛋白基因組模式?

Proteogenomics是近兩年來腫瘤精準治療領域的熱點方向。2016年美國癌癥登月計劃(Cancer Moonshot 2020)讓精準醫學正式落地。同年,美國VA、DoD、NCI三部門聯合宣布將建立第一個同時進行基因信息和蛋白信息表征的醫學系統,把基因組和蛋白質組作為常規檢測手段,對癌癥病人進行個性化蛋白基因組(Proteogenomics)表征,為更精準的用藥提供指導。

在學術界,早在2013年,《Nature》上發表的一篇關于子宮內膜癌的多組學研究,就開啟了學術界采用蛋白基因組模式開展腫瘤精準分型、精準治療研究的熱潮。隨后《Nature》、《Cell》等頂級期刊上陸續發表了colon and rectal cancer、breast cancer、ovarian cancer等腫瘤的大隊列Proteogenomics研究。

Proteogenomics是一種多組學分析體系,簡單來說就是將基因組、轉錄組、蛋白組,以及翻譯后修飾組(腫瘤研究主要關注磷酸化修飾組)的大數據整合起來,從多分子層面的大數據重新定義疾病的分型、挖掘潛在的治療靶點,最終在蛋白水平上發現與驗證腫瘤相關基因突變、表達變化及關鍵分子調控機制,以進行更精準的用藥指導和藥物開發。

蛋白質組學是大隊列腫瘤研究中最重要的研究內容之一

在腫瘤的基因研究如火如荼的今天,為什么要引入蛋白組,開展蛋白基因組研究?蛋白質是生物功能的執行者,它能夠在最接近表型的分子水平上體現基因突變、染色質拷貝數變異等因素造成的腫瘤發生機制。以蛋白質組表達信息進行的腫瘤分子分型也已經被諸多權威文獻證明是最接近臨床表型分型的。朱博士在講座中提到:“蛋白質組學可以發現基因組學和轉錄組學層面上呈現不了的生物學信息”。同時,朱博士列舉了近年來多篇利用蛋白質組學進行腫瘤大隊列研究的案例,其中包括結直腸癌、卵巢癌、前列腺癌、肝癌、彌漫性胃癌、黑色素瘤、成神經管細胞瘤、乳腺癌、透明細胞腎癌、子宮內膜癌、小細胞肺癌等多種腫瘤類型。

肝癌蛋白基因組研究案例分享

蛋白基因組的本質是利用基因組、轉錄組、蛋白質組、修飾蛋白質組等多組學整合手段對腫瘤進行系統研究,以蛋白質組為核心發現腫瘤發生發展的關鍵調控機制,為腫瘤分型、藥物開發和精準治療等提供必要信息。在該研究中,總共納入了316對癌癥和癌旁組織進行分析,這些樣本都具有詳細的臨床信息,比如預后生存期、癌栓有無等。通過對核酸、蛋白樣本的抽提和質控后,篩選到了165對樣本進行后續的基因、轉錄、蛋白、磷酸化組學檢測。

最終獲得以下主要結論:

1. 關于基因特征:通過外顯子測序,發現國內肝癌的基因突變頻率以TP53最高,其次是CTNNB1。

2. 關于轉錄-蛋白的相關性與功能:通過轉錄組與蛋白質組的聯合分析,發現呼吸電子傳遞、RNA聚合酶相關基因的轉錄-蛋白相關性偏低,而代謝通路相關基因的相關性普遍較高。該結果與之前報導的其它腫瘤特征類似。

3. 關于基因拷貝數-轉錄本-蛋白表達的相關性與功能:拷貝數變異與RNA&蛋白表達量的關聯分析中,發現染色體4q和16q的缺失會通過順式效應影響泛素化相關蛋白、進而通過反式效應影響細胞周期相關蛋白,從而促進腫瘤增殖。

4. 蛋白組實現精準分子分型:通過蛋白質組分子分型,將腫瘤分為3個亞型:代謝驅動型、腫瘤微環境失調型和增殖驅動型。結合臨床生存期數據,明顯發現增殖驅動型預后最差,代謝驅動型預后較好。同時,將蛋白質組和轉錄組分型不一致的樣本進行預后的比較,發現蛋白質組的分型效果明顯更好。

5. 發現新的診斷標志物:利用蛋白質組學數據以及臨床預后數據,篩選到兩個預后標志物PYCR2與ADH1A。

6. HBV肝癌的蛋白組特征:從蛋白質組數據中發現HBV相關蛋白以及受體蛋白——膽汁酸轉運蛋白SLC10A1在腫瘤中顯著低表達,并具有亞型相關性與預后相關性。膽汁酸代謝和HBV的轉錄復制由同一套轉錄因子(FXR、RXR等)調控,這些轉錄因子功能受損會同時導致膽汁酸合成受阻和HBV基因表達下調,是感染HBV肝癌的特異性分子特征。

7.關鍵基因及分子機理的新發現:結合基因突變信息、蛋白質組與磷酸化組信息,發現CTTNB1突變型和野生型肝癌之間的蛋白質和磷酸化差異主要聚集于代謝通路。分析發現CTNNB1突變與果糖二磷酸醛縮酶A(ALDOA)的磷酸化相關。后續的體內外機制研究表明,ALDOA磷酸化增強肝癌細胞的糖代謝,進而促進肝癌的生長成瘤,且ALDOA的活性對于CTNNB1突變的肝癌細胞的增殖非常重要。因此,靶向調控代謝通路在肝癌防治中將發揮重要的作用。

關于蛋白基因組研究采用的主流蛋白質組學技術

在講座中,朱博士為大家介紹了近年來主流的蛋白質組學研究技術,并對它們的優缺點分別進行了總結:

1. 非標記定量譜圖數定量法:定量準確性不高,適合老型號質譜儀采集的質譜數據,使用越來越少。

2. 非標記定量-離子流色譜峰強度定量法:樣本處理簡單,尤其適用于少量蛋白樣本;但蛋白鑒定深度有限、定量缺失值較多。

3. 代謝標記SILAC法:定量準確;通量低,樣本量需求大,腫瘤蛋白質組研究相關應用正逐漸變少。

4. 化學標記定量(iTRAQ&TMT):通量高、蛋白鑒定深度高、同一組標記實驗內平行性好;存在多組標記實驗批次效應問題、定量比例壓縮問題。

5. 數據非依賴性采集模式(SWATH/DIA):重復性好,缺失值少,樣本用量少;鑒定深度略遜于化學標記定量。已經顯示出其在腫瘤蛋白質組研究中的潛力。

以上是這篇文獻案例的主要內容:蛋白基因組解決了腫瘤分子分型、預后標志物、多組學分子機制探討等多類科學問題。如果想更詳細地了解這篇文獻,可以微信后臺回復:【朱洪文博士講座】索取講座回看視頻;中科新生命之前也對這篇文獻做過詳細的解讀,同樣可以微信回復【腫瘤分子分型講座】獲取回看視頻。

 

在講座最后,朱博士對腫瘤大隊列蛋白基因組研究做了一些總結和答疑。

1.關于蛋白基因組研究的初衷:朱博士認為,“蛋白基因組研究最基本的出發點是構建大而全的臨床腫瘤樣本蛋白質和磷酸化數據庫,為基礎科研提供參考;從蛋白質組層面上對腫瘤進行分子分型,為腫瘤的精準治療提供思路”。2.關于大家關心的“批次效應嚴重的標記定量方式如何滿足構建大而全臨床數據庫的問題”:朱博士表示,一方面可以采取內參搭橋的方式對批次數據進行整合和批次效應去除,另一方面隨著SWATH/DIA等數據非依賴式采集方法的發展,這些技術在臨床腫瘤樣本檢測中也體現出了越來越大的優勢。3.關于蛋白基因組的擴展研究方向,例如代謝組學在蛋白基因組研究中的應用前景:朱博士表示,“如果代謝組學的定性準確度上能夠達到一定的水平,它在進一步揭示腫瘤分子機制中會發揮非常大的作用”。小編也非常同意這個觀點,從朱博士分享的這篇文獻案例中,我們可以看到其中的一種腫瘤亞型就是代謝驅動型,研究中篩選到的預后標志物PYCR2也是代謝相關的酶。因此,代謝組學在腫瘤分子機制研究中必然會起到重要作用。此外,中科新生命基于本地2700+標準品數據庫,能夠盡可能保證非靶代謝組學定性結果的準確性,使得代謝組學能夠在腫瘤大隊列研究中發揮重要的作用。4.關于蛋白基因組研究的瓶頸:朱博士也提到,“蛋白基因組研究中,多組學研究技術不是瓶頸,數據解讀才是關鍵,需要多方合作。“面對這一實際需求,中科新生命推出了針對大隊列腫瘤樣本的蛋白基因組檢測分析服務,包括個性化課題設計、學術顧問團隊數據解讀、定制版結題報告等VIP級服務內容。歡迎有合作意向的老師與我們聯系。



上海中科新生命生物科技有限公司   商家主頁

地址:上海市園美路58號1號樓15-18樓
聯系人:劉
電話:021-54975031
傳真:021-54975030
Email:[email protected];[email protected]

体彩p5开奖历史记录