乳腺癌居全世界女性癌症发病率之首，也是癌症研究的热点。随着基于高通量技术的发展，基因组、蛋白组等组学技术在乳腺癌的研究中发挥着越来越重要的作用。2016年，Nature报道了Steven Carr教授团队运用蛋白组、磷酸化修饰组等技术对乳腺癌进行了癌症组织内部的分子分型研究[1]。2019年，Henrik J. Johansson等人运用蛋白质组学等技术，实现了对乳腺癌进行多层次系统性检测，包括mRNA表达、基因拷贝数改变，单核苷酸多态性，磷蛋白水平和代谢物丰度等[2]。 三阴性乳腺癌（TNBC）是最罕见，也是最具侵略性和最难治疗的乳腺癌类型，它包括一系列具有不同组织学和预后的异质性肿瘤，其中最致命的亚型被称为化生性乳腺癌（MBC），占所有乳腺癌的0.2-5%。MBC具有独特的病理特征，其中的腺性成分可部分或完全被非腺性成分取代，一般具有临床侵袭性高，且化疗效果不佳，预后差等特点。这一重大的临床挑战强调了MBC亚型精准划分的必要性。 2020年4月7日，美国密歇根大学安娜堡分校Celina G. Kleer团队在国际著名期刊Nature Communications上发表论文，利用定量蛋白质组学技术对27例MBC、TNBC和正常乳腺组织进行分析，系统描绘了MBC和TNBC的蛋白质全景图。相比于TNBC，不同的MBC亚型表现出不同的蛋白质表达差异。进一步比较人的和小鼠的梭形细胞癌亚型的蛋白质组，作者发现有36个蛋白存在交集，其中包括17个参与翻译过程的上调蛋白，以及19个参与细胞代谢的下调蛋白。这些数据提供了潜在的MBC诊断和预后标志物，以及MBC病理亚型的治疗靶点。 2012年WHO将MBC分为非特殊类型化生性癌(包括低级别腺鳞癌、纤维瘤病样化生性癌、鳞状细胞癌和梭形细胞癌)、伴有间叶分化的化生性癌(包括软骨样分化、骨样分化和其他类型间叶分化)、混合性化生性癌和肌上皮癌。首先，研究者选择了15例MBC组织样本，其中包括梭形细胞癌（n = 6），鳞状细胞癌（n = 4）和肉瘤样癌（n = 5）；同时选择了6例非化生性TNBC和6例正常乳腺组织做对比（样本策略）。然后采取10标TMT方法（质谱策略），对上述27个样品进行了准确的蛋白定量和生物信息学分析（图1）。 图1、人临床样本定量蛋白质组学流程 无监督k-means聚类和层次聚类显示正常乳腺组织和肿瘤组织具有明显的区别，而某些MBC亚型（如梭形细胞癌和鳞状细胞癌）与TNBC之间的关系更密切。与正常组织相比，MBC的下调蛋白主要集中于肿瘤抑制因子、细胞外基质活性和伤口愈合反应等方面（图2）。 图2、MBC、TNBC和正常乳腺组织热图分析 为了进一步检验MBC组织病理学亚型与特定蛋白质组特征相关，作者进行了基因集富集分析（GSEA）（图3）。与TNBC相比，MBC中EMT明显上调，而氧化磷酸化通路（OHPHOS）明显下调。不同的病理亚型中，MYC、E2F、OXPHOS、干扰素γ、TP53和PI3K等基因集都存在显著的表达差异。这些基因集及其标志性蛋白可做为潜在的治疗靶点进行后续研究。 图3、MBC和TNBC的GSEA分析 作者还针对10个MBC患者的癌组织和正常组织样本进行了全外显子组测序。结果发现不同的MBC亚型具有较多的的特征性突变，只有5个基因是所有MBC亚型共有，包括TP53、MUC17、PLEC、CRYBG2和ZNF681。值得注意的是，在之前的基于测序的研究中，仅TP53有过报道，强调了蛋白质组学在解释生物学机制和功能方面的重要性。 由于梭形细胞癌亚型在临床上预后最差，所以作者专门针对这一亚型进行深入探索。作者针对MMTV-Cre;Ccn6fl/fl肿瘤小鼠的MBC进行了定量蛋白质组学。结果发现，与正常的乳腺组织相比，MMTV-Cre;Ccn6fl/fl小鼠的MBCs与人的梭形细胞癌亚型在表达模式上更为相似（图4），这其中重叠的蛋白有36个蛋白，17个上调，19个下调。前者主要参与核糖体功能、翻译和RNA代谢等过程（如RPL18A、RPL18、RPL6）；而后者主要参与氧化还原、羧酸和乙醇代谢等代谢过程（例如ALDH1L1、ADH1B、ADH1C、SOD1、LIPE、FABP4）。 图4、MMTV-Cre;Ccn6flfl/flfl小鼠的MBC定量蛋白质组学分析 综上所述，本研究利用定量蛋白质组学，绘制了MBC的蛋白质全景图，并揭示不同MBC亚型具有不同的蛋白质表达特征。同时对比全外显子组测序和分析结果，强调蛋白质组在细分肿瘤亚型中的重要作用。此外，作者还为MMTV-Cre;Ccn6fl/fl小鼠作为梭形细胞癌亚型的研究模型，提供了分子证据。这将有助于测试新的治疗方法，以及探讨梭形细胞癌亚型的发生发展机制。 参考文献1、Philipp Mertins, et al., 2016, Proteogenomics connects somatic mutations to signalling in breast cancer. Nature.2、Henrik J. Johansson, et al., 2019, Breast cancer quantitative proteome and proteogenomic landscape. Nature Communications.3、Djomehri, S. I., et al., (2020). Quantitative proteomic landscape of metaplastic breast carcinoma pathological subtypes and their relationship to triple-negative tumors. Nature communications. 往期精彩回顾