科研 | Cancer Res：低级别浆液性卵巢癌的多组学特征可识别潜在生物标志物

点击蓝字↑↑↑“微科享”，轻松关注不迷路

编译：微科盟橙子，编辑：微科盟Tracy、江舜尧。

微科盟原创微文，欢迎转发转载。

导读

低级别浆液性卵巢癌（LGSOC）是一种罕见的肿瘤亚型，在转移性疾病患者中病死率很高。目前迫切需要开发有效的治疗方法，利用新的临床前模型进行治疗发现和药物评价。在这里，我们使用全基因组测序、RNA测序和基于质谱的蛋白质组学在14个LGSOC细胞系上的多组学整合来阐明新的生物标记物和治疗漏洞。比较LGSOC细胞系数据和LGSOC肿瘤数据可以预测MEK抑制剂（MEKi）的疗效，我们发现KRAS突变仅见于MEKi敏感细胞系，NRAS突变主要见于MEKi耐药细胞系。我们在MEKi敏感细胞系和MEKi耐药细胞系中发现了不同的体细胞突变模式。CDKN2A/B和MTAP基因的缺失在细胞系中比在肿瘤样本中更为频繁，并且可能代表在没有KRAS/NRAS/BRAF突变情况下的关键驱动事件。这些LGSOC细胞系是LGSOC肿瘤分子畸变的典型模型。对于体外MEKi疗效的预测，蛋白质组学数据提供了比基因表达数据更好的鉴别。凝聚素、微染色体维持和复制因子C蛋白复合物被确定为MEKi耐药细胞系的潜在治疗靶点。这项研究表明，CDKN2A/B或MTAP缺乏症可通过综合致死治疗策略加以利用，强调了利用蛋白质组学数据作为分子药物预测工具的重要性。多组学方法对于提高我们对LGSOC分子基础的理解以及应用这些信息开发新的治疗方法至关重要。

论文ID

原名：Multiomics Characterization of Low-Grade Serous Ovarian Carcinoma Identifies Potential Biomarkers of MEK Inhibitor Sensitivity and Therapeutic Vulnerability译名：低度浆液性卵巢癌的多组学表征可识别MEK抑制剂敏感性和治疗漏洞的潜在生物标志物
期刊：Cancer Research
IF：9.727发表时间：2021.04通讯作者：Mark S Carey，Colin C Collins
通讯作者单位：英属哥伦比亚大学

实验设计

实验结果

1. LGSOC体细胞突变研究概况
为了研究LGSOC细胞系中体细胞突变的变化，我们对14个LGSOC细胞系和11个独立患者的10个匹配的正常样本进行了高覆盖率全外显子组测序。在3名患者中，我们从患者治疗过程中不同时间点采集的肿瘤/腹水样本中建立了两个不同的细胞系（补充表S1）。我们将这组LGSOC细胞系称为VGH组。我们获得了正常样本和肿瘤样本的平均覆盖率（补充表S2）。总之，我们在14个细胞系的蛋白质编码区检测到1893个非沉默突变（补充表S3和S4）。如我们最近的研究所述，在所有四种MEKi敏感的LGSOC细胞系（CL-01、CL-02、CL-14和CL-15；均来自独立的LGSOC患者；图1A）。其中两个（CL-01和CL-14）携带KRAS^G12D突变，而另外两个（CL-02和CL-15）携带KRAS^G12V突变（图1B和C）。这些KRAS突变的变异等位基因频率（VAF）在CL-14、CL-15和CL-01中超过70%，在CL-02中为55%（补充图S2），表明这些突变很可能起源于克隆。有趣的是，在KRAS中检测到的所有突变都位于第12位的甘氨酸残基。NRAS在一个MEKi敏感细胞系和三个MEKi耐药细胞系中发生突变。NRAS^Q61R突变对3株MEKi耐药细胞系（CL-03、CL-04和CL-10；CL-03和CL-04来自同一患者）具有特异性，而NRAS^C118Y突变存在于一个MEKi敏感细胞系（CL-14）中，并伴有KRAS突变。NRAS突变的VAF介于48%和62%之间，也表明这些突变很可能是克隆的（补充图S2）。BRAF^D594G突变只出现在一个细胞系（CL-09；图1B）。我们进一步评估了作为AACR项目GENIE一部分的一组LGSOC肿瘤（n=97）中的体细胞突变。这一队列包括原发性和转移性LGSOC患者，然而LGSOC没有关于肿瘤分期的信息。GENIE队列中最常见的突变是KRAS（40%）、NRAS（11%）和BRAF（12%；补充图S3A和S3B）。图1C显示了在两个队列中确定的特定突变。在VGH队列中发现的NRAS^C118Y和BRAF^D594G突变在GENIE队列中没有发现（图1C）。10个细胞系，包括所有MEKi敏感病例，在MAPK途径中至少有一个突变基因（补充图S4A）。在GENIE队列中，RAS/RAF突变普遍存在（63%），并且相互排斥（补充图S3A）。除了MAPK信号通路轴的突变外，LGSOC细胞系中发现的其他突变基因参与Notch通路、染色质重塑和DNA修复（图1A；补充图S4A）。值得注意的是，我们在两个MEKi耐药细胞系（CL-07和CL-08）中观察到TP53^R234H突变，VAF均高于96%，表明其克隆起源（图1A；补充图S2）。而在LGSOC肿瘤中，TP53突变是罕见的（8%的频率），我们从同一个BRCA1突变患者的连续肿瘤样本中获得两个细胞系。值得注意的是，GENIE队列中3%的LGSOC有TP53突变。Notch通路基因在5种细胞系中发生突变；主要是对MEKi有抵抗力的病例。信号通路，如PI3K、染色质重塑、MYC、TP53和NRF2，在MEKi耐药细胞系中大多发生突变（补充图S4A）。同样，GENIE队列中不同亚群的LGSOC肿瘤也存在DNA修复途径、染色质重塑途径、Notch途径和TP53途径的突变（补充图S4B）。使用deconstructSigs软件，我们根据从COSMIC突变特征数据库获得的突变特征，评估了患者来源细胞系中的特征突变模式。对细胞系中的突变模式的分析显示，在MEKi敏感细胞系中，C>T转换核苷酸替换突变高度富集，而MEKi耐药和MEKi未测试细胞系在C>T（转换）和C>A（转换）核苷酸替换突变中均富集（图1A；补充图S5）。此外，LGSOC肿瘤的GENIE队列也显示出C>T和C>A核苷酸替代突变的强烈富集。我们发现突变信号1主要与年龄相关的突变有关，在MEKi敏感细胞系中起作用（图1A）。另一方面，与C>A突变的转录链偏倚相关的突变信号4、8、24和29在MEKi耐药和MEKi未测试的细胞系中有效。有趣的是，与DNA错配修复相关的突变信号3、6和15在5个MEKi耐药和MEKi未测试的细胞系中也起作用。应急测试结果表明，突变信号29对MEKi敏感细胞株和MEKi耐药细胞株有显著的鉴别作用（P<0.01；Fisher精确检验）。这些样本的临床注释显示，MEKi敏感细胞系与原发性肿瘤（而不是复发性肿瘤）相关，这些细胞系在收集前接受的治疗方案比MEKi耐药相关培养的治疗方案少。有趣的是，尽管MEKi敏感细胞系与老年患者相关（平均65.5 vs. 51.7岁），但他们的估计总生存率被发现更长（平均6.5 vs. 4.4岁；补充表S1）。在我们的LGSOC细胞系中观察到的两种不同的MEKi作用表型与浆液性交界性或微乳头状肿瘤的存在以及复发时间无关。最后，利用GENIE队列的数据，我们比较了GENIE队列中四种主要卵巢癌亚型（HGSOC、LGSOC、透明细胞卵巢癌和卵巢宫内膜样肿瘤）的外显子肿瘤突变负荷（TMB）。与其他亚型相比，LGSOC肿瘤的TMB较低（图1D）。图1 LGSOC体细胞突变的研究概况
A，14个LGSOC细胞系的体细胞突变状况，按主要癌症途径的基因分组：MAPK途径、Notch途径、染色质重塑和DNA修复途径。每个样本中不同宇宙突变特征的比例贡献（底部）。B，显示相应突变蛋白质的突变分布和蛋白质结构域的图。C，KRAS、NRAS和BRAF的3D蛋白结构，在我们的LGSOC细胞系（蓝色突出显示）和GENIE队列中的LGSOC肿瘤（黑色突出显示）中发现突变。两个LGSOC队列中发现的突变以红色突出显示。D，方框图显示LGSOC中TMB与卵巢癌主要亚型的比较。我们利用GENIE队列中的肿瘤进行分析，图中的每个点代表各自卵巢癌亚型的肿瘤样本。 2. LGSOC中CNAs的应用前景
拷贝数畸变（CNA）是用整个外显子组序列测定的。我们在分析的14个LGSOC细胞系中鉴定了6480个CNA（补充表S5）。所有细胞系的拷贝数变化如图2A所示，单个细胞系的拷贝数变化如图2B所示。如前所述，染色体9p的丢失和染色体8、12和20的增加是常见的。总的来说，我们在14个LGSOC细胞系中的13个细胞系中观察到MTAP的纯合性拷贝丢失，在一个细胞系中观察到其杂合性缺失（图2C）。同样，我们发现在14个LGSOC细胞系中有12个细胞系中观察到CDKN2A/B的纯合性缺失，在2个细胞系中观察到其缺失。这些拷贝数的变化与p16表达的缺失有关，这是通过western blotting评估的（数据可根据要求获得）。对局部性扩增和缺失的整体GISTIC分析揭示了几个包含已知致癌驱动因素的复发事件（补充表S6）。这些包括PDGFRB（5q32）、FGFR4（5q35）、MYC（8q24）和CCND2（12p13）的扩增以及CDKN2A（9p21）、MAPK1（22q11）和SMARCB1（22q11）的缺失。四个MEKi敏感的LGSOC细胞系，都含有KRAS突变，也含有影响KRAS的拷贝数增加。CNA在靶向致癌途径的不同基因中被鉴定，例如MAPK、NOTCH、PI3K、Hippo、Wnt、TGFb信号途径、染色质重塑、DNA修复途径和细胞周期过程（补充图S6）。在MEKi耐药细胞系中，我们观察到染色质重塑、NOTCH和Wnt信号通路中的基因拷贝数缺失。有趣的是，MEKi敏感细胞系在1号、9p号和10号染色体上大部分是拷贝中性的，并且倾向于获得5号、8号和12号染色体的拷贝数。图2 LGSOC中的CNS应用前景
A，每个染色体区域所分析的LGSOC细胞系的总拷贝数变化谱。具有拷贝数变化的重要基因被突出显示。B，分析的每个样品的拷贝数变化曲线。C，染色体9p21和MAPK通路中部分基因的拷贝数状态。 3. 识别LGSOC驱动因素和预测MEKi作用的多组学方法
3.1 利用HIT'nDRIVE技术鉴定LGSOC中的驱动基因
利用我们最近开发的计算算法HIT’nDRIVE，我们在这些LGSOC细胞系中识别了驱动基因。我们首先使用SNV-mRNA表达数据和CNV-mRNA表达数据进行HIT’nDRIVE实验。HIT’nDRIVE分析优先考虑了8个LGSOC细胞系中17个独特的驱动基因，这些细胞系具有匹配的基因组和转录组数据（图3A；补充表S7）。同样，我们也使用SNV蛋白表达数据和CNA蛋白表达数据运行HIT’nDRIVE。该分析在7个LGSOC细胞系中鉴定了19个独特的驱动基因，可获得匹配的基因组和蛋白质组数据（图3B；补充表S7）。利用mRNA和蛋白质表达数据进行的两种分子生物学分析均确定染色体9p21、MTAP、CDKN2A和CDKN2B中的基因是所有LGSOC细胞系中最常见的驱动基因（图3A和B）。对于CDKN2A和MTAP，mRNA和蛋白质表达谱（可用于7个细胞系）被发现相关并且在非常低的水平上表达。GENIE队列中LGSOC肿瘤的CNA分析显示，CDKN2A/B和MTAP的缺失约为31.5%（17/54），纯合子缺失为7.4%（4/54；补充表S8）。我们使用HIT’nDRIVE CNAmRNA表达分析，多个细胞系共享的拷贝数增加包括ABCC5、XRN1、BRDT和NFE2。类似地，在多个细胞系中，HIT-nDRIVE CNA蛋白表达分析显示DIDO1、TPD52、DDX51和SMUG1的CNA增加。有趣的是，NEF2、DDX51和SMUG1位于染色体12q上，表明该区域在LGSOC进展中的潜在作用。此外，CNA蛋白表达分析优先考虑了对MEKi耐药表型特异的基因EIF4G3的突变和缺失。 图3 用HIT’nDRIVE鉴定LGSOC的驱动基因
A和B，这些肿瘤图代表了HIT’nDRIVE鉴定的LGSOC驱动基因的基因组改变。为了鉴定驱动基因，使用SNV和CAN的mRNA表达数据（A）和蛋白质表达数据（B）。使用HIT’nDRIVE分别分析突变和CNA数据。来自同一患者的细胞系已使用在细胞系名称下绘制的线配对。用于驱动程序发现的HIT’nDRIVE中的单元格线由绘图顶部面板上的黑色条突出显示。在具有匹配的基因组和mRNA表达数据的8个细胞系（A）和具有匹配的基因组和蛋白质表达数据的7个细胞系（B）中进行命中率分析，即在命中率分析中我们不能使用没有mRNA表达谱的6个细胞系和没有蛋白质表达谱的7个细胞系。在这些后一种细胞系中，我们显示了相应的HIT’nDRIVE基因/蛋白质，这些基因/蛋白质也存在于未纳入HIT’nDRIVE分析的细胞系中。 3.2 评估基因和蛋白表达来预测MEKi作用
接下来，我们在8个已知对MEKi治疗敏感的LGSOC细胞系上进行了总RNA序列分析（IlluminaNextSeq500）。我们在所有样本中检测到平均14.3×10⁶个读取，超过27700个独特表达的基因。我们使用从每个样本获得的RNA序列图谱进行主成分分析（PCA）发现，除样本CL-01外，所有其他MEKi敏感样本聚集在一起，而MEKi耐药样本具有高方差，因此沿着主成分轴分布（图4A），这表明MEKi敏感的样本在转录上彼此非常相似，而MEKi耐药的样本则非常不同。接下来，我们用质谱对7个LGSOC细胞系进行了蛋白质组分析，共鉴定出5110个独特的蛋白质。主成分分析也显示MEKi敏感和MEKi耐药样本有两个不同的聚类（图4B），这表明LGSOC细胞系的蛋白质表达比其mRNA表达更能区分MEKi敏感和MEKi耐药表型。当我们使用蛋白质或mRNA数据进行PCA时，CL-01样本与其他MEKi敏感样本不同。应注意的是，蛋白质样品一式三份，尽管单个样品的结果高度相关（补充图S7）。为了确保研究结果不受一式三份样本的影响，我们使用单个样本重复PCA，结果相同。然后我们鉴定了MEKi敏感表型和MEKi耐药表型之间差异表达的转录物和蛋白质，分别鉴定了1231和1202个差异表达基因（在mRNA表达谱中）和蛋白（在蛋白质表达谱中），其中在两个数据集中检测到113个基因/蛋白（补充图S8A；补充表S9和S10）。与PCA结果相似，差异表达蛋白对MEKi敏感和MEKi耐药表型的区分优于差异表达基因（mRNA；补充图S8B和S8C）。MEKi敏感和MEKi耐药的LGSOC细胞系间差异表达的基因/蛋白包括EGFR、PRKCA、MAPK4、NF2、MTOR、MTAP、ATM、TGFB2和BRCA2。为了确定MEKi敏感细胞系和MEKi耐药细胞系之间差异表达的基因/蛋白调控的信号通路，我们进行了过度表达分析（补充表S11和S12）。尽管，不同的基因（在mRNA表达谱中）和蛋白（在蛋白质表达谱中）在MEKi作用表型之间存在差异表达，但有趣的是，我们观察到两组数据集中MEKi作用表型之间类似的差异表达信号通路（图4C）。与MEKi敏感细胞系相比，MEKi耐药细胞系中MAPK、Wnt、P53、DNA复制、DNA修复、细胞周期过程和氨基酸代谢等信号通路中的大部分蛋白都有高表达。另一方面，氧化磷酸化和紧密连接途径中的大部分蛋白在MEKi敏感系中表达，类似于图4A和图B中的观察（补充图S8B、S8C和S9A-S9C），通路水平分析也表明，蛋白质表达比mRNA表达更能区分MEKi作用表型。因此，随后的分析侧重于基于蛋白质表达数据的MEKi作用表型之间的差异。 图4 MEKi作用表型的转录组和蛋白质组特征
A和B，使用mRNA表达谱中4710个最可变基因（A）和蛋白质组表达谱中1278个最可变蛋白（B）对LGSOC进行PCA。C，利用mRNA表达和蛋白表达获得的LGSOC-MEKi治疗表型之间差异表达基因/蛋白质的途径富集，强调利用蛋白质组学数据改善MEKi敏感性的区分。 3.3 表征MEKi作用表型的蛋白质复合物
作为一种新的发现方法，我们利用CORUM数据库中的一组核心蛋白复合物来鉴定表征MEKi作用表型差异的大型蛋白复合物。为了鉴定表征MEKi作用表型的蛋白复合物，我们对CORUM蛋白复合物成员的平均蛋白表达谱进行了Wilcoxon秩和检验。在MEKi耐药细胞系中，我们鉴定出BRCC复合物、p130 ERα复合物、VEGFR2复合物、凝聚蛋白复合物、微染色体维持（MCM）复合物和复制因子C（RFC）复合物等蛋白复合物在其复合物成员中具有高蛋白表达（图5A和B；补充表S13）。在MEKi敏感细胞系中，我们发现F1F0-ATP合成酶复合物和RNA诱导沉默复合物的复合物成员蛋白表达高。此外，为了确定所有成员在转录和蛋白质水平上共表达的蛋白复合物，我们计算了每个蛋白复合物的共表达分数。我们发现56个蛋白复合物与相关的mRNA和蛋白共表达（图5C；补充表S14）。我们还发现28种蛋白复合物具有高mRNA共表达分数（R_mRNA>0:5），以及高蛋白共表达分数（R_protein>0:5），包括凝缩蛋白复合物，它被发现有很强的共表达分数。另一方面，MCM和RFC复合物具有较强的蛋白质共表达，而mRNA共表达较弱。 图5 表征MEKi作用表型的蛋白质复合物
A，火山图显示MEKi敏感和耐药LGSOC细胞系之间差异表达的CORUM蛋白复合物。每个点代表一个CORUM蛋白复合物。差异表达的蛋白质复合物用红色点表示。计算MEKi耐药细胞系的表达倍数变化。B，LGSOC细胞系中MEKi作用表型间差异表达的瘤胃蛋白复合物的蛋白质表达谱热图。C，散点图显示CORUM蛋白复合物mRNA共表达分数和蛋白质共表达分数之间的相关性。图中的每个点代表一个蛋白质复合物，相关的蛋白质复合物以橙色突出显示，复合物包括p130Cas-ER-α复合物，p130Cas-ER-α-csc激酶PI3激酶p85亚单位复合物；VEGFR2复合物，VEGFR2 S1PR1 ERK1/2 PKCα复合物。 3.4 MAPK信号通路失调可能影响MEKi作用
随着MEKi治疗在一些不可治愈的LGSOC疾病患者中显示出活性，我们进一步更详细地研究了MAPK通路的激活。首先，我们将参与这一途径的基因/蛋白质的mRNA和蛋白质表达变化联系起来（图6A）。在MEKi耐药细胞系中，诸如PRKCA、HSPA2、TGFB2、FGF3、TP53和FLNC等基因在mRNA和蛋白质表达数据中高度上调，并且这些发现高度相关（图6B）。另一方面，MAPK13、HSPB1和CACNA2D1在MEKi敏感细胞系中上调。此外，我们发现与MEKi敏感细胞系相比，MEKi耐药细胞系中RAS-RAF-MEK-ERK和PI3K-AKT-mTOR通路发生了高度改变（补充图S10和S11）。图6 MAPK信号通路的蛋白质组表达谱表征了LGSOC对MEKi治疗的作用
A，MAPK信号通路相关基因或蛋白的mRNA/蛋白表达变化。每个点代表一个基因/蛋白质。计算MEKi耐药细胞系的表达倍数变化。红色突出显示的点是那些在MEKi耐药和MEKi敏感性LGSOC样本之间具有高于2倍变化表达的基因/蛋白质。B，MAPK信号通路相关蛋白表达谱的热图。

讨论

由于缺乏有效的治疗，LGSOC妇女的死亡率很高。我们的研究是首次使用多组学方法更全面地描述14个LGSOC患者来源细胞系的基因组、转录组和蛋白质组。这些细胞系模型紧密地再现了GENIE队列和其他先前研究中描述的LGSOC肿瘤的基因组异常，并强调了已知涉及MAPK（RAS/RAF/MEK）通路的常见体细胞突变。LGSOC细胞系富含C>T和C>A核苷酸替换和KRAS突变。正如Jones及其同事先前所描述的，LGSOC细胞系和肿瘤的TMB均低于其他卵巢癌亚型。我们的研究结果也支持早期的观察结果，即在晚期/复发性LGSOC肿瘤中，BRAF和NRAS突变的频率低于KRAS突变，并且NRAS突变的频率低于之前所描述的。与LGSOC相关的突变特征以前没有被用于药物预测。尽管这些特征为表征与不同癌症病因相关的基因组破坏模式提供了显著的基础，但它们也可以作为预测性生物标记物。研究发现，LGSOC肿瘤和细胞系都与LGSOC中C>A横向核苷酸替代突变的转录偏倚有关，表明鸟嘌呤损伤正在通过转录偶联的核苷酸切除修复来修复。有趣的是，突变特征也区分了LGSOC细胞系中的MEKi作用表型。特别是突变信号1、5和12与MEKi敏感细胞系相关，而信号8、4和29在MEKi耐药细胞系中更为普遍，而信号29显著区分MEKi作用表型。突变信号1与年龄相关，与老年患者相关。在迄今为止发表的文献中，年龄与MEKi作用之间的关系尚未被描述。根据我们的发现，年龄与作用相关的假设应该在患者样本中进行评估。染色体9p21抑癌基因座（包括CDKN2A和MTAP）的缺失是许多人类癌症类型中最常见的缺失事件。LGSOC细胞系和肿瘤都有影响这些基因的缺失。然而，我们注意到这些事件发生频率的一个重要差异。如前所述，LGSOC细胞系（86%；12/14）染色体9p21有局灶性/纯合性缺失，CDKN2A/p16低表达证实。相反，GENIE项目的LGSOC肿瘤中9p21的杂合缺失为31.5%-53%。建立9p缺失的LGSOC原代培养物/细胞系很可能具有选择性优势，通过其他因素，如复发性疾病患者样本的高频率发挥作用。有趣的是，p16表达的缺失与LGSOC的不良预后相关，暗示细胞周期抑制剂的潜在作用，如靶向CDK4/6的细胞周期抑制剂。MTAP是蛋氨酸修复途径中的关键酶，由于其染色体的接近性，常与CDKN2A共缺失。通过对多个人类癌细胞系的短发夹RNA介导的大规模筛选，我们知道MTAP缺陷癌细胞的活力因精氨酸甲基转移酶PRMT5蛋白的缺失而受损。PRMT5抑制剂可能是这种失调代谢状态的一种合成致死策略，对MTAP-和CDKN2A/B-缺失的肿瘤有意义。MTAP和CDKN2A缺乏对LGSOC的潜在治疗价值有待进一步探讨。我们的研究描述了几种不同的技术来评估用于确定疾病驱动因素和MEKi作用预测的多组学数据。最近，Schutte和他的同事发现，在识别临床相关的分子改变方面，基因组和转录组数据的整合显著优于不太全面的分析。基于DNA和RNA的分析的结合已经证明可以作为验证潜在发现的相互控制。由于LGSOC是一种罕见的肿瘤，因此模型系统和患者样本有限。因此，有效的分析工具和生物互补数据集的使用可能有助于减少FDR和/或提高预测精度。HIT’nDRIVE分析利用了分析多组学数据的能力，也可以用于增强罕见癌症的发现，正如我们之前所展示的。通过HIT’nDRIVE分析，我们确认了LGSOC细胞系中潜在的驱动基因（KRAS、MTAP和CDKN2A/B）。在最近报道的MILO试验（NCT01849874）中，KRAS突变的存在似乎是一个预测性的生物标志物。在亚组分析中，接受比美替尼治疗的晚期或复发性LGSOC患者的PFS显著改善（17.5个月比10.8个月；与内科医师选择化疗方案比较，P<0.01）。此外，在最近一项包含13名LGSOC患者的基因型匹配试验中，据报道，使用基于MEKi的靶向组合治疗的患者的有效率为30%。虽然这些结果是有希望的，但是除了KRAS之外，预测治疗效果的生物标志物是非常需要的。在这里，使用LGSOC细胞系，我们证明了蛋白质组学图谱比转录组学图谱更能区分不同的MEKi作用表型，并发现影响TP53、细胞周期和DNA修复途径的蛋白质改变在MEKi耐药细胞系中很常见。这些通路应作为治疗干预的潜在靶点进一步研究。基于蛋白质组学的分析有助于理解基因组变化的生物学意义，并可作为药物预测和新治疗靶点鉴定的发现工具。我们发现利用蛋白质组学和转录组学数据鉴定MEKi应答表型之间的差异信号通路活性具有相当大的一致性，这有力地表明这些通路在MEKi耐药中起作用。MEKi将很快成为治疗复发性LGSOC妇女的常用药物。为了确定预测MEKi作用的可靠生物标志物，我们使用转录物/蛋白表达来评估MAPK通路的调控。MAPK信号反馈环在MEKi抵抗中起关键作用。在MEKi耐药细胞系中，PI3K-AKT-mTOR和MAPK通路活性均发生改变。认识到 KRAS 突变可能会影响 MEKi 敏感性，MAPK 通路上调导致 MEKi 抗性似乎是反常的。然而，复杂的反馈抵抗机制已经在通路中被描述，RAS突变可能影响通路功能和促进药物疗效的细胞信号依赖性（癌基因成瘾）。在MAPK通路分析中，差异表达最大的蛋白是蛋白激酶Cα（PRKCA或PKCa）。我们先前使用反相蛋白阵列鉴定了PKCa和EGFR作为MEKi耐药的生物标志物，并在体外验证了EGFR作为治疗靶点。用质谱鉴定相同的两个生物标志物代表了一种正交验证的形式，从而为这种多组学分析方法在预测性生物标志物发现中的应用提供了支持。本研究中描述的预测性生物标志物将有望指导那些能够获得临床试验样本或其他细胞系模型来验证这些发现的群体/研究者的未来研究。虽然MEKi敏感的LGSOC细胞系依赖MAPK通路激活来维持生存（如MEKi治疗在体外的致死效应所示），但MAPK信号复杂性的未来研究应该被探索作为改善MEKi表型治疗效果的一种手段。更准确地描述MAPK信号，包括更好地理解通路反馈环，将是非常重要的。靶向通路中多种蛋白质的治疗干预（组合疗法）正在评估中，或者，同时靶向其他通路可能是有效的。最后，我们利用我们的蛋白质组学数据来鉴定在LGSOC中具有潜在治疗相关性的蛋白质复合物。利用CORUM数据库，我们阐明了MEKi作用表型之间差异表达的新蛋白复合物。以前的研究表明，这些蛋白复合物中的一些调节细胞增殖；包括卵巢癌中的RFC和其他癌症中的MCM。MCM复合物形成DNA复制螺旋酶的核心，有趣的是，它与卵巢癌的顺铂耐药有关。在肺癌和乳腺癌中，RFC表达增加与上皮-间充质转化和不良预后相关。我们发现的其他复合物，如BRCC和凝缩蛋白复合物，与癌症中的DNA修复有关。虽然MEKi代表了LGSOC的一种有前途的新疗法，但MEKi治疗仅与6-8个月的PFS改善相关。在MEKi耐药细胞系中发现的复合物内蛋白质表达的增加为研究这些复合物作为潜在治疗靶点提供了强有力的理论基础。

原文链接：  

https://pubmed.ncbi.nlm.nih.gov/33441310/

----------微科盟更多推荐---------- 

免费生信作图平台——生科云
	长按左侧二维码  进入生科云
生科云所有分析工具可以免费使用，不收取任何直接或间接费用；您还可以在微信上联系微生态老师，随时获取免费的指导，帮助您解决分析时遇到的问题；专业的生信分析团队，持续添加、更新、优化生信云上的分析工具，集成多种生信分析流程，一键批量生成主流科研图，帮您节省时间，有更多的时间探究生物学意义。

----------微科盟精彩文章---------- 

如果需要原文pdf，请扫描以下二维码，加助理获取

微科享期待与您交流更多蛋白组学问题

（联系蛋白组学老师即可申请入群）

请关注下列二维码

了解更多蛋白组学知识