蛋白组学助力布局肺癌研究20-50分文章
近年来，肺癌的发病率呈现逐年上升的趋势，至2020年，我国肺癌新发病例数已达81.6万例，高居众癌之首。根据肺癌细胞在显微镜下的形态特点，肺癌可初步分为小细胞肺癌（SCLC）和非小细胞肺癌（NSCLC）两大类，其中NSCLC约占85%，SCLC约占15%。总体而言，虽然SCLC与NSCLC同为肺癌，仅有一字之差，但SCLC的病因、发病部位、肿瘤特点、症状、治疗方式以及预后都与NSCLC有一定差异。蛋白质基因组的兴起为疾病分型提供了一个新的思路，同时也可利用蛋白基因组学进行药物靶点进行研究从而确定肺癌中的关键生长刺激因子以及影响信号通路的关键目标。今天小编给大家分享三篇利用主流蛋白质组学方法结合其他手段发现疾病分型和药物靶点的肺癌研究优秀文章，一起来看看吧~
01 肺腺癌蛋白基因组学分析预测肺腺癌复发
文章标题：Proteogenomic Analysis of Surgically Resected Lung Adenocarcinoma
发表时间：2018.10月
DOI：10.1016/j.jtho.2018.06.025
发表期刊：Journal of Thoracic Oncology
2022年影响因子/JCR分区：20.121/Q1
技术手段：蛋白质组学、转录组学
研究背景
手术切除的早期肺腺癌患者的5年生存率为50% - 70%，辅助化疗仅能轻微降低这一风险。在手术时对肿瘤复发风险的准确预测可能使患者免受辅助化疗的毒性，并针对其他患者加强治疗和监测。在这项研究中，作者探究了复发性肺和非复发性肺之间的差异mRNA -蛋白相关性，提出了结合转录组和蛋白质组数据的综合方法，利用这些信息发现新的失调基因和综合临床生物标志物预测肺腺癌复发。
实验设计
分别对来自三个队列经辅助化疗复发和未复发肺腺癌61例患者癌症新鲜组织样本和FFPE样本进行RNAseq检测和蛋白质组学检测。
结果展示
mRNA和蛋白质数据在基因水平上进行匹配，并通过表达进行过滤，得到每个肺腺癌患者的2286组配对RNA和蛋白质测量值。复发组和非复发组所有基因的mRNA -蛋白相关性有显著差异(p<10-16),相关性差的mRNA和蛋白质丰度可能反映了转录后(剪接、microRNA、RNA定位等)和翻译后(磷酸化、泛素化、降解改变等)调控。基因可以在mRNA和蛋白质水平上独立差异表达,在mRNA和蛋白质水平上差异表达的基因之间几乎没有重叠。
使用机器学习对蛋白和RNA数据进行回归分析发现内线粒体膜T转位酶50 (Timm50)在复发性和非复发性肿瘤之间具有差异相关性，Timm50在RNA水平上呈弱差异表达，但在蛋白水平上无差异表达。并且使用二元复发状态来对患者进行分组。然后使用趋势过滤进行回归，以找到每个队列中RNA和蛋白质丰度之间的关系，最终改进生成肿瘤是否复发的最终LOR值，同时使用蛋白质浓度、RNA浓度和RNA-蛋白质相关性的变化预测患者的复发情况，并利用模型在51例疾病样本中进行了验证。
02 非小细胞肺癌的蛋白质基因组学揭示了与特定治疗靶点和免疫逃避机制相关的分子亚型
标题：Proteogenomics of non-small cell lung cancer reveals molecular subtypes associated with specific therapeutic targets and immune evasion mechanisms
发表时间：2021.11月
DOI：10.1038/s43018-021-00259-9.
发表期刊：Nature Cancer
2022年影响因子/JCR分区：23.177/Q1
技术手段：TMT蛋白质组学、免疫组化、DIA蛋白质组学
研究背景
尽管肺癌治疗取得了重大进展，但长期存活的肺癌患者仍然很少，更深入地了解分子表型将有助于识别特定的癌症依赖和免疫逃避机制。
样本准备
首先收集了5种主要组织学类型141例配对的非小细胞肺癌（NSCLC）的肿瘤组织样本和癌旁组织样本。
通过TMT蛋白质组学总共鉴定到13975个蛋白，聚类分析将NSCLC患者分为6个不同的亚型。揭示了FGL1在亚型4中高表达，关联分析鉴定FGL1相关蛋白和转录本，发现FGL1与肿瘤抑制因子STK11/LKB1在蛋白质水平而非mRNA水平呈强烈负相关，表明STK11转录后调控FGL1表达。结合已有报道发现FGL1/CPS1水平升高是STK11-AMPK信号传导丧失的可靠指标。
随后开发了两种NSCLC分类方法筛选到200个蛋白用于NSCLC分类。使用 NSCLC转录组学数据集（GEO NSCLC)验证了分类器，发现GEO NSCLC的分类再现了6种NSCLC蛋白质组亚型，且相关的总生存数据表明分类亚型之间的预后差异，表明 NSCLC 蛋白质组亚型的预测价值。
最后为了进一步验证基于MS数据的分类方法，使用DIA-MS分析了NSCLC队列（n=208）。选择k-TSP特征样本（n=188）进行分类，成功将其中的175个样本分类为先前描述的6种NSCLC蛋白质组亚型。患者亚型分类的结果也与前面的亚型分类高度一致，表明了基于DIA的NSCLC亚型分类方法具有潜在临床意义。
03 蛋白组学分析揭示了小细胞肺癌干细胞中的靶向GNAS/PKA/PP2A轴
文章标题：Unbiased Proteomic Profiling Uncovers a Targetable GNAS/PKA/PP2A Axis in Small Cell Lung Cancer Stem Cells
发表时间：2020.07月
DOI：10.1016/j.ccell.2020.05.003
发表期刊：Cancer Cell
2022年影响因子/JCR分区：38.585/Q1
技术手段：磷酸化蛋白质组学、RNA-seq、组织芯片和免疫印迹、IP-MS
研究背景
小细胞肺癌（SCLC）占所有肺癌病例的15%～20%,临床针对SCLC的治疗靶点不明确，激酶和磷酸酶是关键的信号转导酶，通常是有效的治疗靶点，SCLC激酶与磷酸酶的相关研究很少，该项研究填补了这一空缺。
样本准备
收集了3种SCLC患者来源的异种移植模型（PDXs）和8种同种异体移植模型（从自体小鼠模型中分离出来）与非小细胞肺癌（NSCLC）样品（2种肺腺癌PDXs、1种鳞状肺癌PDX和4种单肿瘤来源的同种异体移植模型）进行了比较，正常鼠肺用作对照。
激酶组学筛选活性激酶，多重抑制剂珠(MIBs)柱富集SCLC中的活性激酶，通过对不同小鼠模型进行质谱检测与分分析，确定了20种在SCLC中比在正常肺或NSCLC中更有活性的激酶。其中，PRKACA编码PKA-Cα（PKA催化亚基α）。通过与临床患者数据对比及已有文献分析，作者将目标聚焦到PKA。进一步利用RNA-seq、组织芯片和免疫印迹等技术证实PKA在人类SCLC中表达并活跃。
为了研究体内SCLC中PKA活性的功能，利用TKO小鼠和PrkacaM120A杂交小鼠（相比野生型其激酶催化活性较低），对肿瘤及相应因子进行检测分析，对照TKO小鼠相比，PrkacaM120A小鼠SCLC发展受到显著抑制。与TKO细胞相比，PKACaM120A肿瘤衍生的SCLC细胞系在培养中存活率下降，不同细胞系中PKA-Ca的敲除也会导致生长下降和凋亡增加。用PP2A抑制剂（PP2Ai）、PKA抑制剂（PKAi）及PP2A激活剂（SMAP）处理SCLC细胞系并检测相应因子，发现使用PP2A激活剂（SMAP）处理可抑制PKA底物的磷酸化，并诱导SCLC细胞凋亡，PP2A抑制PKA本身或操纵PKA信号网络中的其他酶可能在SCLC中具有抗癌作用。
Gas(由GNAS编码)是人类SCLC中表达最高的蛋白之一，构建Gnasflox/flox+TKO杂交小鼠和TKO小鼠，发现Gnas 缺失导致肿瘤发展减少。GnasR201C小鼠在Ad-Cre感染后14周，GnasR201C诱导6周，导致SCLC发展显着增加，推测GnasR201C在SCLC存在促癌作用。GnasR201C 肿瘤的原代培养物中，GnasR201C的表达导致 PKA 激酶活性和 PKA 底物磷酸化的增加。
通过在SCLC细胞中表达PKA-Ca、PKA-Cb和PKA-R1A并对纯化后的洗脱部分进行质谱分析最终确定SCLC细胞中的PKA相互作用组，编辑了128蛋白组成的互作网络。为确定下游信号网络和PKA直接底物，在高度依赖于PKA活性的两种PKA突变细胞模型中进行了磷酸化蛋白质组分析。发现未突变PKA能够更好地用 ATP 磷酸化底物。GO分析显示，PKA涉及细胞周期、基因表达和代谢过程等多个信号通路富集。PKA激活通过调节多个信号网络促进SCLC生长，有大量底物。
最后进行功能验证，在PKA活性较低的NJH29细胞中过表达aPKA（活性PKA）后构建PDX模型中检测肿瘤指标，aPKA的表达导致PKA信号的增加和SCLC生长的显着增加。将NJH29-GFP和NJH29-aPKA细胞的稀释液移植到NSG小鼠中，发现PKA的激活足以提高SCLC干细胞的在小鼠体内的发展。相反，依赖 PKA活性的NCI-H526细胞中PKA-Ca的敲低降低了癌症干细胞标志物的表达并降低了小鼠体内发生SCLC的速度，并且肿瘤干细胞标志物的表达也显着降低。
结论
利用磷酸化蛋白质组学分析确定了许多PKA底物和作用机理，绘制磷酸化蛋白质组如何响应PKA激活而变化的图谱，并确定PKA激活如何改变SCLC的生物学特性。鉴定了PKA下游信号网络中的蛋白质以及PKA的大量潜在靶标。对PKA的完整信号网络机制的研究具有重要的意义。
