指路明灯---高通量蛋白质组学技术解析异常蛋白互作网络助力药物敏感性研究
景杰编者按：蛋白质是生命活动的最终执行者，蛋白质组学研究可以揭示各种细胞生物学事件背后的机制，提供丰富且有价值的信息。蛋白间的相互作用是细胞信号传导和维持体内平衡的关键机制，传统蛋白互作网络的研究主要是采用Yeast two-hybrid assay （酵母双杂交）或者AP-MS（亲和纯化-质谱联用）等方法。然而利用上述方法，即便是绘制静态蛋白质交互网络尚难实现，那么全面解析蛋白互作的动态网络则更是遥不可及。不过，随着高性能质谱仪的发展，高通量蛋白质组学日益成为一种行之有效的蛋白质组学研究技术，广泛用于而被应用于蛋白质表达谱，蛋白翻译后修饰谱以及蛋白互作网络的研究当中。日前，著名学术期刊Nature biotechnology刊登利用高通量蛋白组学技术研究蛋白互作分析方法(IMAHP，Interactome mapping by high-throughput quantitative proteome analysis)。作者分析了41个乳腺癌细胞系中异常互作蛋白，并研究其如何影响细胞的命运。此外，通过这些可视为生物标志物的异常互作蛋白，成功预测了这些细胞系对195种药物的敏感性。作者认为IMAHP可以广泛用于深入研究蛋白互作网络的动态变化、寻找癌症中异常的互作蛋白，以及用于后期的药物筛选。景杰生物作为全球蛋白质及翻译后修饰的领跑者，可以为您提供一整套常规蛋白质组学及修饰组学研究的解决方案，同时还能为您提供高灵敏度的修饰类泛抗体，助力您的研究工作。
关键词：蛋白质相互作用、乳腺癌、药物筛选、IMAHP
研究思路与成果：
图1. High-throughput multiplexed quantitative proteome mapping of 41 breast cancer cell lines and protein co-regulation analysis to identify protein–protein associations.
本文通过10标TMT的肽段体外标记法，对41个乳腺癌细胞系进行高通量蛋白组学分析，鉴定到10535个蛋白，平均每个细胞系鉴定到9115个蛋白，其中6911个蛋白具有定量数据。值得一提的是这里作者利用SPS-MS3定量，克服了传统利用MS2定量不够准确，容易受基质干扰，重复性有所欠缺的缺点（图 1a）。作者通过斯皮尔曼等级相关系数进行聚类分析发现41个细胞系可匹配到各自本属的乳腺癌亚型中，包括luminal, basal, claudin-low 和 nonmalignant （图 1）。基于蛋白组数据的亚型聚类分析与基于转录组数据的亚型聚类分析基本一致。在获得以往发表的36个细胞系的转录组学数据之后，作者比较了蛋白组数据和转录组数据在分析蛋白相互作用方面的差异。在以36个乳腺癌细胞系的蛋白酶体亚基PSMB1和 PSMB2为例进行蛋白互作共调控分析中发现，这种已知相互作用与蛋白的表达水平与呈现高度相关性（p=0.8），而与mRNA的表达水平呈现非常差的相关性（p=0.08）。随后，作者使用STRING数据库，并以high-confidence associations (score ≥ 0.700) 为基准，评估了基于蛋白组和转录组获得的蛋白互作网络的准确性。他们发现基于蛋白组数据获得的蛋白互作中有42%在STRING数据库中得到确认，远远高于转录组组的4%。显而易见，在鉴定蛋白相互作用方面，基于转录组预测的蛋白相互作用是非常不准确的，只有基于蛋白质组学的预测才是比较可靠的。
图2. Protein–protein association network revealed by proteomics-based protein co-regulation analysis across 41 breast cancer cell lines .
为进一步绘制蛋白互作网络，作者对41个乳腺癌细胞系的蛋白组数据进行了共调控分析方法。根据蛋白复合物数据库CORUM的注释信息，在3024个蛋白之间存在14909处相互作用中，作者鉴定到143个独特的蛋白复合物。 在14909处蛋白相互作用中，有4197（28%）处相互作用可通过CORUM数据库得到确认，有5149（35%）处在STRING数据库中得到确认，并且在STRING数据库和CORUM数据库中同时存在的相互作用达到3032 处 （图 2）。
图3. Deviations of protein co-regulation allow the identification of cell-line-specific dysregulation of protein–protein associations, revealing cell-specific vulnerabilities.
随后，作者分析了41个乳腺癌细胞系中差异化的异常蛋白互作网络。比如在MD-AMB-157细胞系中的成功检测到了THOC1和THOC2 的异常相互作用（图 3）。该分析发现，不同细胞系中异常的蛋白互作数量差异很大，从ZR751细胞系的0.1%到Hs578T细胞系的5.9%，影响到了许多不同的蛋白复合物。这些异常的蛋白互作数量与那些缺失会影响细胞命运的蛋白数量呈现高度的正相关性。几乎在所有的细胞系中，决定细胞命运的蛋白显著性富集于异常的蛋白互作网络中。这些结果表明IMAHP方法可以高通量分析肿瘤细胞系中异常的蛋白互作，进而高效地预测肿瘤细胞系的命运。
图4. Subtype-specific dysregulated functional modules reflect sensitivity of breast cancer cell lines to specific therapeutics.
作者分析发现Luminal和basal两个乳腺癌亚型发生异常互作的蛋白中，有32个细胞周期调控蛋白显著富集于basal亚型中， 而10个线粒体核糖体蛋白则显著富集于Luminal亚型中（图 4）。为了评估这些异常的蛋白互作是否可以用来预测细胞系对药物的敏感性，作者使用了195个药物对41个细胞系进行处理。结果显示，有六种药物对周期蛋白发生异常互作的细胞系的作用最为明显，同时也有6种药物与线粒体核糖体蛋白发生异常互作的细胞系的作用最为明显。这些结果显示全面的蛋白互作网络分析是一种预测癌细胞系的药物敏感性的有效方法。
综上所述，相对于转录组测序，高通量蛋白组学技术和蛋白互作分析方法（IMAHP）可以更加有效，准确地绘制胞内的蛋白互作网络，并发现癌细胞中异常的蛋白互作，为癌症研究、药物筛选提供强有力的工具。
Reference：
John Lapek, et al. 2017. Detection of dysregulated protein association networks by high-throughput proteomics predicts cancer vulnerabilities. Nature Biotechnology, advance online publication, doi:10.1038/nbt.3955