CANCER RES：临床蛋白质组学揭示乳腺癌新的分型

Original: Dr.Proteomics 精准医学与蛋白组学 2019-06-30

景杰生物|报道

编者按：乳腺癌是一种重要的常见疾病，是癌症相关死亡的主要原因之一，对女性健康带来了严重的危害。在上个世纪初，所有乳腺恶性肿瘤患者都接受了统一治疗。随着时间的推移，科学家发现患有相同类型癌症的患者预后不同，对乳腺癌的临床鉴定和分类工作提出了新的要求。

近日，国际专业学术期刊Cancer Research杂志上发表了蛋白组学技术运用于乳腺癌分子分型的最新研究成果。以色列特拉维夫大学萨克勒医学院Tamar Geiger教授通过基于质谱的蛋白质组学分析了130多例乳腺癌样本，阐述了三种乳腺癌亚型和健康组织之间的肿瘤间异质性。无监督分析确定了四个蛋白质组，其中一个代表一种新的管腔亚型，其特征是增加的PI3K信号传导。

研究者使用独立的基于蛋白质的数据集进一步验证该亚型（不在两个独立的转录组群中验证），证明了深度蛋白质组学分析的重要性。而这个结果极有可能影响癌症的治疗决策。

实验思路

基于蛋白组学的肿瘤分型策略的一般性思路为：

1、运用高通量蛋白组学分析、生物信息学分析不同亚型癌症组织样本与健康组织之间蛋白组差异；

2、分析样品蛋白组数据与已知癌症亚型的相关性；

3、解析不同分型的样本的蛋白表达和修饰特征；

本文中研究人员采集了131例乳腺癌组织样本，采用高通量蛋白组学分析，结合生物信息学的技术进行蛋白组分析，一共鉴定到10819个蛋白。使用监督方法分析131个样品与已知乳腺癌亚型的相关性; 并使用无监督分析揭示新的乳腺癌分类。

研究结果

1. 乳腺癌亚型之间的监督分析比较

为了验证蛋白质组学数据中已知的亚型特征，研究者对健康组织和每个亚型之间中已知亚型标记变化进行了分析。这些标记包括ERBB2，MKI67，KRT18，EGFR，CD44和FOXA1。与ER+和TN相比，HER2样本中HER2蛋白水平比较高；TNT肿瘤中KRT18和FOXA1显著降低; 然而，EGFR和CD44仅在TN中略高于其他亚型。值得注意的是，与健康组织的比较显示，一些癌症标志物不仅仅在转化组织中表达。乳腺癌亚型比较结果显示，每种亚型中都有数百种重要蛋白质上调表达。如前所述，通过I型干扰素和抗原呈递过程验证的上调的免疫活性在TN肿瘤中显着富集。为了进一步对样品进行普遍性的分析，研究者使用了较低严格标准的亚型特异性和构建KEGG途径蛋白质组学图。

Figure 1 乳腺癌亚型和健康组织的监督分析

2. 癌症蛋白质组的无监督分析确定了四个肿瘤簇

为了更好的显示亚型之间的差异，研究者排除了22个健康对照，使用共识聚类算法对109个肿瘤样品进行了分类。研究者对于肿瘤簇数量进行优化，使聚类效果达到最佳，成功将乳腺癌样分为四个簇。共识簇之间的经典亚型分析显示出了与已知分类的部分一致性。大多数TN样本属于共识簇4（Consensus cluster 4）； HER2样本在所有的簇中都有分布; ER+样品（LumA或LumB）分成了三个簇。虽然CC1，CC2和CC3都与ER+样本相关联，CC2和CC3更接近富含TN的簇，CC1跟它们的差异较大。

Figure 2 共识聚类鉴定蛋白质组聚类

4.新LumA簇（CC2）的临床相关性

为了进一步验证独立样本，研究者重新分析了TCGA提供的反相蛋白质阵列（RPPA）数据——这些数据包括对848个肿瘤样本中217种抗体的检查。研究者仅选择了本研究中包含的临床亚型的IDC样本（n = 621）。与质谱数据相似的是，TCGA RPPA数据的k均值聚类鉴定到两个LumA簇。具有四个簇的k均值聚类产生了一个HER2簇，一个基础簇和两个富集LumA样品的簇（其中一个也富集到LumB样品）。使用可选的五个簇运行相同的算法给出了类似的结果，但将LumA/LumB簇分成两个不同的簇。两个LumA RPPA簇的比较也体现了特定蛋白质的差异，包括PI3K相关蛋白及其磷酸化形式的显着差异。之前的研究通过无监督分类比较了基因组和蛋白组学的差异，研究者分析了是否能够通过CC2和CC3中差异表达蛋白的蛋白质组学特征分离LumA样品（基于LumA样品的RNA谱）。与基于蛋白质水平的分离相反，相同基因的RNA数据的分级聚类显示，即使根据其亚型分类，内在亚型之间没有明显的区别。

Figure 3 蛋白质组学分类的独立验证

小结

本文采用了高通量蛋白组学分析结合质谱和生物信息学的方法分析了131个乳腺癌样本，一共鉴定到10819个蛋白，鉴定新的LumA亚型。更重要的是，本研究基于蛋白质组学对管腔乳腺肿瘤进行分类，为更全面的乳腺肿瘤临床评估奠定基础，从而有利于治疗决策。因此，这项工作可能代表了对激素治疗反应的定向研究的起点。这类重点研究将包括患者的生存信息以及有关患者治疗过程和反应的临床数据。

本文作为蛋白质组学在疾病分型与精准治疗研究领域的典型运用案例，也体现了蛋白质组学在肿瘤精准治疗研究中的重要意义。蛋白质作为功能的最终执行者，其差异变化是导致肿瘤发生的直接原因。基于高灵敏度、高通量的蛋白质组学技术，通过对基因、蛋白质等遗传信息多维度、综合关联的分析，不但可以从蛋白质层面验证肿瘤相关的基因突变、可变剪切的真实表达情况，还能够直接检测蛋白表达丰度及翻译后修饰水平的差异，发现上下游调控分子，从而实现肿瘤的分子分型与精准治疗。

蛋白组学在肿瘤分子分型领域主要的运用有：

1、分子分型与生物标记物：使用基于蛋白质组学的方法对肿瘤临床大样本进行检测，分析更贴近疾病表型的分子分型，寻找代表性的生物标志物；

2、药物精准开发：解析不同分型的样本的蛋白表达和修饰特征，寻找新的药物靶点和治疗方法，

3、肿瘤发生机理：以蛋白质组分析结果为核心，同基因组、转录组和代谢组等其他维度的数据做关联分析，多维度解析肿瘤发生发展过程的全貌。

想了解蛋白质组学与修饰组学更多运用，也可点击行业精选-癌症研究专区，或行业精选-关键词检索（如肺癌），搜索相关学科热点。技术方案与更多详情，请咨询当地学术顾问团队或后台点击在线客服进行沟通咨询！

Gali Yanovich, et al., 2018, Clinical Proteomics of Breast Cancer Reveals a Novel Layer of Breast Cancer Classification, Cancer Research.

▼往期精彩回顾▼

2018年蛋白质组学JCR（期刊引用报告）

2018年Lasker基础医学奖：组蛋白结构及其修饰对基因表达的调控

肿瘤蛋白组整体方案：肿瘤蛋白组整体方案惊艳亮相CSCO2018

蛋白组学与胃癌分子分型：我国学者运用蛋白质组学对胃癌进行分子分型

磷酸化与乳腺癌分类：NAT COMMU：磷酸化组学揭示三阴性乳腺癌临床分类标记物