大规模的癌症蛋白质组学研究记录了药物治疗对蛋白质变化的反应
德克萨斯大学MD安德森癌症中心的研究人员通过对癌细胞系中药物治疗反应蛋白质变化的大规模分析，产生了宝贵的资源，以帮助预测药物敏感性，了解治疗耐药机制，并确定最佳的联合治疗策略。
他们的研究结果今天发表在癌症细胞，包括在用168种不同化合物治疗后，300多种细胞系中200多种临床相关蛋白质的表达变化，使其成为可用的最大的蛋白质反应数据集药物治疗在癌细胞系．
“我们已经看到了一些微扰研究，研究药物治疗或crispr介导的变化后的基因表达变化，但在蛋白质组学分析方面存在显著差距，”生物信息学和计算生物学教授、资深作者韩亮博士说。“我们希望通过分析主要治疗靶蛋白的变化来填补这一空白，这在耐药性和设计药物组合方面提供了很多见解。”
微扰生物学测量一个系统，例如癌症细胞大脑会对各种刺激做出反应。梁解释说，这些类型的实验已被证明在建模癌症行为和理解系统层面的反应方面是有用的。为了分析蛋白质扰动，研究人员使用了一种称为逆相蛋白质阵列(RPPA)的技术，该技术能够对一组选定的蛋白质进行快速定量分析。在基线和治疗后，通常在多个时间点测量蛋白质水平。
该研究评估了319种常用的、特征明确的针对各种信号通路和细胞过程的药物细胞系从许多癌症类型，包括乳腺癌，卵巢癌，子宫癌，皮肤癌，前列腺癌和血液癌。
研究人员并没有分析所有可能的药物-细胞系组合，而是专注于那些最有可能与该领域相关的组合。他们总共生成了15492个样本的RPPA谱，包括11884个药物处理样本和3608个对照样本。该数据具有高度的可重复性，并经多个独立途径验证。
从这些分析中获得的数据为药物反应或耐药性的机制提供了重要的见解，突出了特定药物治疗后激活或抑制的信号通路。此外，拥有基线和治疗后蛋白质水平的数据在建模预测对其他药物的敏感性方面更有用，Liang解释说。
研究人员还构建了一个全面的蛋白质-药物连接图，以可视化反应，并更好地研究不同蛋白质和信号通路之间的关系。这些图谱展示了服用某种药物后，哪些蛋白质发生了显著变化，哪些药物产生了类似的反应，哪些蛋白质出现了类似的变化模式。研究这些复杂的关系可以揭示未知的联系，并可以指出潜在有效的治疗组合。
“通过这个数据集，人们可以立即看到给定药物的后果，包括紊乱的通路和适应性反应，这可以帮助确定最佳的药物组合，”梁说。“随着我们继续努力扩大数据，我们认为这将是研究人员的一个有价值的起点药物机制研究”。
的蛋白质响应数据可以在数据门户中公开提供给研究人员，该门户提供了各种可视化和下载数据的方法。
尽管这项研究只包括了癌症类型，研究人员希望在未来继续添加到数据集。从长远来看，研究团队预计，基线和治疗后的蛋白质组学分析可能是临床试验中一个有用的工具，可以更好地跟踪患者的治疗反应并优化治疗策略。
进一步探索
