责编丨酶美 乳腺癌防治月与粉红丝带 每年十月的第三个星期五被定为乳腺癌防治日，因此十月又被称为乳腺癌防治月，旨在通过对于乳腺癌风险、致病机理等方面的宣传加强大家对于乳腺癌的认识。著名影星安吉丽娜·朱莉通过基因检测发现BRCA1中携带有罹患乳腺癌和卵巢癌的家族性基因突变，因而选择进行双侧乳腺切除手术，降低患癌风险，通过此事件更多的人意识到癌症筛查以及进行癌症预防的重要性。除了BRCA1之外，通过DNA测序以及多种对乳腺癌基因组的广泛分析，科学家们还鉴定发现了广为人知的癌症基因，比如TP53以及PIK3CA等。但是乳腺癌患者群体中还存在一些罕见基因突变，由于这种异质性的存在，大多数的乳腺癌患者采用的是广泛的化疗或者激素疗法，但其效果因人而异。因此，针对每个患者肿瘤中特定分子变化相匹配的个性化医疗方案，提高癌症治疗效果、降低药物毒性，从而可以减少不必要的、没有针对性的临床治疗。 个性化医疗方案的一个关键的问题是，病人肿瘤内这些罕见的突变是如何引起病理后果的，最终影响病人肿瘤的发生发展的，从而能够将这些转化为定制个性化医疗的参考依据。乳腺癌是女性中最常见的恶性肿瘤，预计2021年全美有281,550位女性以及2650位男性被诊断为乳腺癌【1】。乳腺癌根据其中存在或者缺失的关键蛋白分为几个关键亚型：雌激素受体型（Estrogen receptor，ER）、孕激素受体型（Progesterone receptor，PR）以及人类表皮生长因子受体型（Human epidermal growth factor receptor 2，HER2/ERBB2）。为了对乳腺癌中基于多种信号同路的网络复杂异质性进行理解，建立一个乳腺癌相关的分子网络以及景观地图是非常必要的。 为此，美国加州大学旧金山分校Nevan J. Krogan研究组与癌症细胞图谱计划Trey Ideker研究组合作在Science发文题为A protein interaction landscape of breast cancer，利用亲和纯化联合质谱的方法对乳腺癌细胞中的蛋白质相互作用组进行探究，建立了乳腺癌中的蛋白质相互作用景观，可以为乳腺癌以及多种癌症的个性化治疗提供靶点参考。 为了生成乳腺癌细胞中的蛋白质相互作用图谱，作者们使用癌症基因组图谱【2,3】中对于乳腺癌相关的基因进行分析，收集了一组与癌症细胞生长、增殖以及基因组稳定性相关的40个分子并建立成表，利用该列表来指导蛋白质相互作用网络的构建。为了生成蛋白质相互作用图谱，作者们将诱饵蛋白（“Bait” proteins）克隆到带3xFlag标记的慢病毒载体中，分别转染到不同的乳腺癌细胞系中，并通过强力霉素诱导启动子表达。在强力霉素诱导40小时后收获细胞，进行基于anti-Flag标签的亲和纯化，随后进行质谱以无偏差的方式检测相互作用的猎物蛋白（“Prey” proteins）（图1）。最后，作者们利用compPASS以及SAINTexpress这两种评估计算方法对得到的相互作用图谱进行量化【4-6】。由于诱饵蛋白过表达可能会产生一定的背景，但是可以在相对均匀的背景下以高度敏感和可重复的方式捕获蛋白质相互作用组并通过适当的算法去除背景信号。由此，作者们共鉴定发现了589个高置信度的蛋白质-蛋白质相互作用，与已知的蛋白质相互作用组相比其中有78%未见报道。另外，这589个相互作用组中81%是细胞特异性的，说明在不同的遗传背景下蛋白质相互作用组也大有不同。该结果反映了不同乳腺癌细胞类型中丰富的蛋白质相互作用组，弥补了大家对于乳腺癌驱动因素认识的不足，因为迄今为止所有的蛋白质相互作用组分析都是在HEK293T细胞或者是HeLa细胞中进行的。 图1 乳腺癌蛋白质相互作用图谱构建方式 蛋白质-蛋白质相互作用组通常表明不同蛋白质之间调制某个特定细胞过程以及信号通路功能关系。举例来说，该质谱分析发现PIK3CA存在以前从未发现的相互作用蛋白BPIFA1以及SCGB2A1，可以作为PI3K-AKT信号通路在多个乳腺癌细胞系环境中的负调控因子发挥作用，为该关键信号通路的调节以及临床治疗方面提供了新的见解。除此之外，作者们还鉴定发现了BRCA1新的相互作用因子UBE2N，该因子可以作为PARP（poly(ADP-ribose) polymerase）抑制剂以及其他DNA修复靶向治疗方法响应的生物分子标记物。蛋白磷酸酶1调节亚基树突棘素（Spinophilin）首次被鉴定发现是BRCA1的相互作用蛋白，可以调节BRCA1以及其他DNA修复蛋白的去磷酸化过程，促进DNA双链断裂修复。 图2 乳腺癌蛋白质相互作用组工作模型 总的来说，作者们以乳腺癌细胞系作为工作模型，建立了一个鉴定乳腺癌驱动蛋白的蛋白质相互作用组，可以对涉及其中的信号通路以及蛋白质复合体的具体分子机制进行探究（图2）。这些图谱能够发掘先前没能在HEK293以及HeLa细胞系发现的关键蛋白质-蛋白质相互作用，因此该乳腺癌肿瘤蛋白质相互作用景观可以用于已知的抗肿瘤方案进行分类，同时也可以驱动其他多种肿瘤治疗靶点的发现。 同期Science发表另两篇癌症蛋白网络分析的文章，这些工作展示了对蛋白互作网络进行数据挖掘和深度分析的重要意义，为此Science发表了专项评述：Identifying cancer drivers。癌症组学数据的富集和多维度分析比较提供了癌症诸如肿瘤微环境，炎症状态，免疫监控等方面更多的信息。结合功能验证，将为癌症的个性化治疗铺平道路。 原文链接：https://doi.org/10.1126/science.abf3066 制版人：十一
参考文献
1 Siegel, R. L., Miller, K. D., Fuchs, H. E. & Jemal, A. Cancer Statistics, 2021. 71, 7-33, doi:https://doi.org/10.3322/caac.21654 (2021).2 Comprehensive molecular portraits of human breast tumours. Nature 490, 61-70, doi:10.1038/nature11412 (2012).3 Stephens, P. J. et al. The landscape of cancer genes and mutational processes in breast cancer. Nature 486, 400-404, doi:10.1038/nature11017 (2012).4 Sowa, M. E., Bennett, E. J., Gygi, S. P. & Harper, J. W. Defining the human deubiquitinating enzyme interaction landscape. Cell 138, 389-403, doi:10.1016/j.cell.2009.04.042 (2009).5 Teo, G. et al. SAINTexpress: improvements and additional features in Significance Analysis of INTeractome software. Journal of proteomics 100, 37-43, doi:10.1016/j.jprot.2013.10.023 (2014).6 Huttlin, E. L. et al. The BioPlex Network: A Systematic Exploration of the Human Interactome. Cell 162, 425-440, doi:10.1016/j.cell.2015.06.043 (2015).