在腫瘤學的研究中，致癌基因如何影響信號通路變化是人們對致癌基因造成腫瘤發生的機制認知的關鍵所在，早期通過應用抗體或芯片技術的靶向蛋白研究受限于分析廣度與深度，無法解析更全面的蛋白調控變化，也無法揭示蛋白質翻譯后修飾在其中的角色功能。因此，利用基于質譜的高深度蛋白質組學以及蛋白質修飾組學并整合轉錄組等測序技術的多維組學分析，提供了全景式解析腫瘤發生過程中蛋白調控網絡變化的熱門系統生物學手段。
2019年8月16日，來自美國孟菲斯St. Jude Children' s Research Hospital的研究員在國際知名期刊Nature Communications上發表了多組學驅動的腫瘤驅動基因信號通路調控的文章，研究者以HGG小鼠模型為研究對象，采用高深度蛋白質組學、磷酸化修飾組學和轉錄組學的多組學整合研究，比較了兩種由致癌受體酪氨酸激酶（RTKs：PDGFRA D842V和TPM3-NTRK1融合）驅動的HGG小鼠模型。本項研究工作進一步證實了以蛋白質組學為核心的多組學整合分析在腫瘤等復雜疾病成因分析中的優勢，并提供了新的腫瘤潛在治療思路。
研究者首先對兩種不同的HGG模型小鼠的腫瘤樣本進行多維組學分析，其中應用TMT標記定量的高深度蛋白質組學與磷酸化修飾組學分別鑒定到13860種蛋白以及30431個磷酸化修飾位點。這組數據達到了非常高的鑒定深度，為后續多維組學的關聯分析提供了保障。
隨后，研究者分別在蛋白質組學和磷酸化修飾組學以及轉錄組三個層次的數據水平上分析兩種HGG腫瘤模型以及對照組的數據分離度，通過PCA分析以及表達聚類分析，發現三個不同組別的樣本在RNA、蛋白以及磷酸化層面均具有明顯的分離。同時研究者也再次通過蛋白組與轉錄組的關聯分析證實了二者之間關聯性一般。
圖2 不同樣本在多維組學層面的分離聚類
接下來，研究者分別在三個不同組學的維度進行差異表達分析，通過WGCNA以及one-way ANOVA等分析技術，研究者找到了不同組學維度上兩種HGG腫瘤樣本中的特征調控通路。考慮到信號調控通路中磷酸化與激酶之間的相互作用，研究者進一步分析了不同腫瘤樣本上磷酸激酶的活性分析。研究者發現，在HGG模型中激酶的活性相較于對照組有著較大的不同，證明了腫瘤中激酶表達譜以及活性的重編程，其中最值得關注的是AKT激酶以及其下游磷酸化信號通路具有較強的激活。
圖3 激酶活性分析證實了HGG腫瘤模型中揭示了AKT激酶以及其下游信號通路的關鍵性
隨后研究者進一步分析了轉錄組數據中與激酶相關的轉錄因子表達水平變化，得到HGG腫瘤中特異性的激酶-轉錄因子調控網絡，并且發現相較于PDGFRA突變，NTRK突變的HGG腫瘤模型表現出更強的AKT激活活性，且具有更差的預后。
圖4 NTRK與PDGFRA突變的HGG模型差異
最后，研究者結合上述多維組學的數據，通過CRISPR-Cas9的方法對發現的一些關鍵作用基因如轉錄因子或關鍵激酶等分別進行敲除篩選，尋找到潛在的腫瘤治療靶點，為后續轉化醫學研究提供新思路。
本篇多維組學大數據文章充分展示了利用強有力的系統生物學分析手段并結合高質量的深度覆蓋蛋白質組學、修飾組學以及轉錄組學數據能夠全景式呈現蛋白調控網絡變化的全貌，進而發現新的調控通路或調控模式，使我們的研究不再是管中窺豹，而是縱覽全局，一目了然。
參考文獻：Wang H, et al., 2019, Deep multiomics profiling of brain tumors identifies signaling networks downstream of cancer driver genes. Nat Commun.
轉載于 Dr.Proteomics 精準醫學與蛋白組學
浙公網安備33010802007965號