发布时间:2016-05-27 14:41 原文链接: Nature发布大规模癌症蛋白质基因组学研究重要成果

  基于来自癌症基因组图谱(TCGA)计划的数据,一个多机构科学家小组完成了首个大规模的乳腺癌“蛋白质基因组学”( proteogenomic)研究,将一些DNA突变与蛋白质信号联系到一起,并帮助确定了一些驱动癌症的基因。

  这项研究旨在通过蛋白质和它们的修饰来更好地认识癌症。发表在5月25日《自然》(Nature)杂志上的研究论文,证实了相比于单独采用任一种分析方法,整合基因组和蛋白质组数据来生成更完整的癌症生物学图像的能力。

  论文的资深作者、Baylor医学Lester 和Sue Smith乳腺中心主任及教授Matthew Ellis博士说:“我们还没有充分认识复杂的癌症基因组是如何转化为导致复发和死亡的驱动生物学的。这些研究结果表明整合蛋白质基因组学有一天可能会被证明是一种强大的临床工具,使得我们能够横跨癌症基因组学与临床效应之间巨大的知识鸿沟。”

  索取博奥生物蛋白质组学与核酸平台详细技术资料请填写联系方式

  这项研究努力提供了TCGA计划中已确定基因组学特征的77个乳腺癌肿瘤蛋白质组与磷酸化蛋白质组(phosphoproteome)景观的广泛信息。尽管TCGA生成了癌症体细胞突变的广泛目录,当前尚不清楚其中许多突变对细胞功能或患者结局的影响。此外,并非所有的突变基因都是真正的癌症“驱动者”——一些仅仅是功能影响很小的“乘客”突变。一些突变被发现存在于遭到删除的极大的DNA区域内或是在额外的拷贝中,因此通过研究它们的蛋白质产物活性来筛选出候选基因列表,可以帮助确定治疗靶点。

  在这项研究中,研究人员利用精确的高分辨率质谱法分析了乳腺肿瘤,这一技术扩大基因组的覆盖范围超过了传统基于抗体的方法。这使得他们能够扩展研究努力,量化了超过12,000个蛋白质和33,000个磷酸化位点——一个极深的覆盖水平。

  论文的资深作者、Broad研究所蛋白质组学平台主任Steven Carr博士说:“样品处理和仪器的发展给基于质谱的蛋白质组学带来了一场革命。我们现在可以将其应用于磷酸蛋白质组——这对于了解癌症和其他疾病中的信号传导至关重要。我们的方法以从前无法实现的规模生成了强大且可重复的数据。”

  与其他的癌症一样,乳腺癌肿瘤也具有许多的突变,因此研究它们需要无数的实验来认识在模型系统中各种突变组合的影响。采用这种方法,该研究小组研究了这些突变发生了进化的癌细胞,并分析了细胞蛋白质的整体产量。

  针对一些乳腺癌亚型和携带常见突变如PIK3CA和TP53突变的肿瘤,分析结果揭示出了一些新的蛋白质标记物和信号通路。研究人员还将一些基因中的拷贝数改变(额外或缺失的DNA)与蛋白质水平联系一起,使得他们鉴别出了10个新的候选调控因子。其中两个候选基因SKP1和 CETN3可能与癌基因EGFR有关联。EGFR是一种特别具有侵袭性的乳腺癌亚型——“基底细胞样”肿瘤的标志物。

  利用转录(mRNA)分析,科学家们将乳腺癌分为4种主要的亚型:管腔A和B亚型,基底细胞样肿瘤,和富含HER2的肿瘤。在这项工作中,研究人员利用蛋白质组和磷酸蛋白质组数据概要说明了基底和管腔亚型。他们还设法基于磷酸化信号通路聚类肿瘤鉴别出了富含基质的集群,并阐明了采用采用mRNA方法未看见的一种G蛋白偶联受体亚群。

  在研究和治疗乳腺癌时,科学家和医生们都希望发现除了HER2以外更多可用药物控制的激酶蛋白。采用曲妥单抗(赫赛汀)可以靶向HER2,但这种蛋白质仅存在于20%乳腺癌中。在这项研究中,研究人员孤立点分析了一些激酶的磷酸化状态,凸显出了乳腺癌样本中一些异常活化的激酶,如HER2, CDK12, PAK1, PTK2, RIPK2和TLK2。

  蛋白基因组是利用蛋白质组学数据,尤其是高精度的串联质谱数据, 结合基因组和转录组数据对基因组进行注释。蛋白质组数据不仅可以对已注释的基因进行验证和校正,进而发现新基因,实现对基因组序列的重新注释,还能系统发现蛋白质特有的翻译后事件(如翻译后修饰和信号肽等)。随着基于串联质谱技术的蛋白质组学的快速发展,蛋白基因组学已成为功能基因组学研究不可或缺的重要工具。2014年,中国科学院水生生物研究所葛峰课题组与李涛课题组合作,对模式蓝藻Synechococcus sp. PCC 7002的蛋白基因组学进行了系统研究,研究论文发布在PNAS杂志上。

  2014年,由范德堡大学领导的一个研究小组鉴别出了驱动大肠癌的一些遗传突变的蛋白质“标签”。这项发表在Nature杂志上的重要研究,第一次综合阐析了人类癌症的“蛋白组-基因组学”特征,这将推动结直肠(大肠癌)癌诊断和治疗取得新的进展。

  迄今为止最大规模的乳腺癌全基因组测序研究,揭示出了与这一疾病相关的5个新基因,以及影响肿瘤生长的13个新突变标记。发表在2016年Nature与Nature Communications杂志上两篇研究论文的结果,还揭示出了存在于乳腺癌中的一些遗传变异以及它们出现在基因组中的位置。

相关文章

新研究破译薇甘菊入侵基因密码

薇甘菊作为全球十大最具危害的恶性入侵杂草之一,以其惊人的繁殖速度和强大的环境适应性,在亚洲、太平洋地区及中国华南地区造成严重生态破坏。然而,其基因组层面的适应性进化机制长期未被系统解析,制约了科学防控......

研究开发出酵母泛基因组数字模型与代谢网络分析方法

近日,中国科学院大连化学物理研究所研究员周雍进团队与上海交通大学副教授鲁洪中合作,在酵母系统生物学研究中取得新进展。研究团队通过整合分析全球1807株酿酒酵母菌株的基因组与生态位数据,构建了高覆盖度的......

2025年全国糖生物学会议启幕甜蜜之约,共探前沿

2025年8月9日,备受瞩目的2025年全国糖生物学会议暨第六届全国糖化学会议在四川成都正式开幕。本届盛会由中国生物化学与分子生物学会糖复合物专业分会、中国化学会糖化学专业委员会、安特百科(北京)技术......

蛋白质生成卡顿引发细胞老化

德国莱布尼茨老龄研究所团队在一种名为鳉鱼的淡水鱼大脑中发现,随着年龄增长,细胞内合成蛋白质的“工厂”——核糖体,在制造某一类关键蛋白质时出现卡顿,从而引发一连串恶性循环,导致细胞功能不断衰退。这或许是......

基因组大数据还原野猪横跨欧亚的百万年迁徙历程

近日,中国农业科学院农业基因组研究所农业基因编辑技术创新团队深入解析了中亚野猪种群在跨越欧亚大陆百万年的迁徙历程中适应环境的独特遗传密码,为理解大型哺乳动物如何应对环境变化提供了全新视角。相关研究成果......

两步突破难题!湖大岳磊团队HydroWash新策略实现DESIMSI蛋白质成像双重提升

近日,湖南大学生物学院生物与化学质谱实验室岳磊教授团队在蛋白质质谱成像(MSI)领域取得重要突破。团队创新性地提出了组织蛋白质成像新策略:HydroWash。该方法创新性地将组织洗涤与明胶水凝胶调控相......

基因组密码被解锁:深度学习模型破解非编码区奥秘

人类基因组中超98%的遗传变异位于非编码区,这些变异通过调控染色质可及性、三维构象、剪接加工等多种分子机制影响基因表达,最终导致疾病发生。由于调控机制的复杂性和细胞类型特异性,目前解读非编码变异的分子......

重磅!因美纳将收购SomaLogic,3.5亿美元现金!

将高度互补的蛋白质组学技术专长与因美纳行业领先的产品创新和全球市场影响力相结合为因美纳在广阔且持续增长的市场中实现增长奠定基础自2021年末以来,因美纳与SomaLogic即在蛋白质组学联合开发方面开......

阿里云生物基础大模型登上Nature子刊可挖掘核酸、蛋白质之间的内在联系

6月19日消息,国际顶级期刊《NatureMachineIntelligence》发表了阿里云AIforScience的研究成果LucaOne。这是业界首个联合DNA、RNA、蛋白质的生物大模型。该大......

“女娲”基因组计划发布第八项成果

近日,中国科学院生物物理研究所徐涛研究组和何顺民研究组在《基因组、蛋白质组与生物信息学报》杂志发表论文。两位科学家牵头的“女娲”中国人群基因组计划旨在构建中国人群的全基因组数据资源,支撑中国人群的疾病......