Proteogenomics提高乳腺癌的治疗缺陷的识别
贝勒医学院的研究人员,麻省理工和哈佛大学和其他机构应用强大的proteogenomics方法更好地了解乳腺癌的生物复杂性。使用这种方法,研究人员能够提出更精确的诊断已知的治疗目标,识别新的翻译成治疗恶性肿瘤的肿瘤易感性和暗示新的机制参与乳腺癌治疗抵抗。这项研究发表在《华尔街日报》细胞。
Proteogenomics结合实验室技术为下一代DNA和RNA测序质量spectrometry-based分析深,公正的量化蛋白质和蛋白质的修改癌症细胞以及计算方法的综合分析这些数据。这样proteogenomic方法被广泛应用于癌症的研究人员在美国国家癌症研究所的临床肿瘤蛋白质组学分析财团(NCI-CPTAC)。
“重要的是,我们的分析包括识别磷酸化和乙酰化作用,揭示蛋白质修改个别蛋白质的活动信息。蛋白质乙酰化作用并没有在乳房癌症之前。这些新方法保证生物见解难治疗乳腺癌和解剖异质性反应的能力,”博士共同通讯作者马修·埃利斯说,乳腺癌肿瘤和贝勒医学院的教授和主任的莱斯特·史密斯和苏乳房中心McNair学者贝勒和苏珊·g·科曼的学者。
同时分析遗传密码的变化和由此产生的蛋白质功能方面的改变提供了一个更完整的图片里面是什么乳腺癌肿瘤比孤立地分析每个组件。
更精确的数据
研究者的初始proteogenomic使用剩余样本分析乳腺癌的癌症基因组图谱提供了原理,proteogenomics代表提前在乳腺癌剖析。当前的研究代表了一大步,它包括在内组织样本收集使用协议,专门保护蛋白质的修改,分析更多的样本,进行基因组学和蛋白质组学特征完全相同的组织碎片,并添加蛋白质乙酰化分析蛋白质磷酸化,DNA和RNA测量。近年来大幅Proteogenomic分析技术已经成熟,这些先进的方法应用于这个数据集。
研究人员122年proteogenomic分析完成首次治疗原发性乳腺癌样本。他们测量生成大量的数据38000蛋白质磷酸化位点和近10000蛋白质乙酰化的网站/肿瘤,以及全外显子组和RNA sequencing-necessitating先进的分析和整合信息的计算方法。这样的“复杂分析现在通常表现在大规模proteogenomic数据集,我们正在开发工具来自动化过程,“湄摩尼博士说,共同通讯作者和主要计算科学家广泛。
“我们在这里描述proteogenomic描述迄今最大的集的乳腺癌样本有目的地收集这些类型的分析,最大化的保真度和准确度的结果,”艾利斯说。“每个肿瘤细胞都有上百基因组变化。主要是我们不了解他们的临床或生物意义。我们说明的方法使更深入和更完整的理解每个人的乳腺癌。”
确定药物靶点
例如,分析表明,一些亚型乳腺癌有一定的通道更严重的激酶磷酸化酶比其他癌症,表明更大的活动,因此targetability。这些分析包括最近确定药物靶点如CDK4/6及其监管的背景下,以及程序性细胞死亡受体和配体的目标,新的免疫治疗药物。综合分析还发现了雌激素受体阳性乳腺癌的新设置,可以用这些药物治疗。这是很重要的,因为目前这些代理是局限于雌激素受体阴性的疾病。
额外的分析提出了全新的见解ER +和ER的代谢缺陷——乳腺癌。“我们的全球分析acetylproteome,第一个在乳腺肿瘤,暴露了乳腺癌的新细节subtype-specific新陈代谢,“共同通讯作者Steven a . Carr说,蛋白质组学主任广泛。
改进诊断和治疗
研究人员希望他们的发现能够激励乳腺癌科学家探索治疗或诊断潜在的新的生物改变他们在这项研究已经确定了。他们还很乐观,他们的发现将鼓励努力proteogenomics转化为癌症表达谱的方法,可以使用在临床上改善诊断和治疗。
“我们相信proteogenomics方法将继续帮助我们确定新的候选人的治疗目标,更好地理解免疫乳腺癌和其他癌症的景观,获得洞察响应和阻力,并最终进展我们个性化的目标癌症关心的,”博士指出共同通讯作者迈克尔•吉列肺和重症监护医师马萨诸塞州综合医院和高级组长在广泛的蛋白质组学。“科学是强大的和令人兴奋的,但最终是我们所能提供的病人很重要。”
进一步探索
