「青莲聚焦」肺癌研究中利用蛋白组学布局5-10分文章

肺癌是常见的癌症类型之一，绝大部分病例确认诊断时已发生转移，无法进行手术切除，导致五年生存期不足20% ，而IV期病人五年存活率仅有6% 。因其高发病率和高致死率，肺癌已经成为了人类生命健康的重要威胁。靶向治疗和免疫治疗的快速发展带来了新的方法，但目前仍受制于有限的生物标志物和治疗组合方式。基于高通量测序技术的发展，人们对肺癌有了更多的认识，揭示了很多与肺癌密切相关的基因突变。然而，越来越多的证据显示，肿瘤的发生发展并不是简单的基因突变的集合。肿瘤组织出现异常的直接原因是执行功能的蛋白质发生了异常变化，而这些异常并不能在基因层面被完全反映出来。药物作用的直接靶点都是蛋白质，而非基因。检测基因也是旨在能够间接反映出其对应蛋白质层面的功能信息。随着现代质谱的发展，科学家们可以直接测定药物真正靶向的分子，即蛋白组。蛋白组分析的一个重要特点是不但能分析样本组织中的癌细胞，还包括其中的间质和浸润免疫细胞。从而可以提供更加完整的分子表型全景图，帮助人们从整体的角度理解肿瘤的特征。因此，直接检测临床肿瘤样品的蛋白质组，是未来研究的必然趋势。那么，接下来通过几篇文献一起看看蛋白质组学在肺癌方面的应用。
前沿文献PART01
蛋白生物标志物有助于疾病的早期诊断、疗效评估、为治疗和预后判断提供指导。运用蛋白质组学在临床病人体液或组织中，寻找和发现有价值的生物标志物已经成为目前研究的一个重要热点。尿液样本的易于获得的、无创收集和广泛的诊断目标使得尿液分析非常适合临床（PoC）监测应用。在疾病早期阶段，机体尚能代偿的时候，血液受机体稳态机制的控制，疾病早期难以产生稳定的变化，而在这个过程中，尿液以各种形式收集血液在稳态机制控制下排除出的废物，其中包括很多疾病相关的变化。因此相较于目前临床检测常用的血液样本，尿液样本具有完全无创，可连续收集、更容易检测低丰度蛋白、早期发现、检测敏感、特异性强等诸多优势。

文章图片
标题：UrineProteomeProfilingPredictsLungCancerfromControlCasesandOtherTumors
期刊：EBioMedicine（IF=11.205）
文章摘要：

文章图片
技术策略：
收集的健康个体（n=33）、良性肺部疾病（n=40）、肺癌（n=33）、膀胱癌（n=17）、宫颈癌（n=25）、结直肠癌（n=22）、食道癌（n=14）和胃癌（n=47）患者的231份人类尿液样本进行了非标蛋白质组学分析，通过随机森林建模，筛选出一份可以将肺癌与其他病例分开的尿液蛋白质列表。通过特征选择算法，选择了一组五种尿液生物标志物，并建立了一个组合模型，可以在训练组（n=46）和测试组（n=14-47每组）中正确分类大多数肺癌病例。
结果速递：
蛋白组学鉴定并定量了尿液样本中7408种蛋白质，通过差异筛选与丰度筛选，选择了68种相对丰度可在超过70%的肺癌尿液标本中检测到的蛋白作为候选蛋白质。而后构建随机森林模型（预测模型通过特征算法选择了5种蛋白质FTL、MAPK1IP1L、FGB、RAB33B和RAB15），为了评估预测的准确性，在由10名健康对照和10名年龄和性别匹配的肺癌患者组成的独立验证集上进行测试，预测模型能够正确分类9个尿液样本和9个健康对照。五种临床使用的肿瘤标志物（AFP ， CA19-9 ， CA125 ， CA15-3和CEA）， 33名肺癌患者中有8名患者血液中的标志物表达水平显示正常，表明使用这些标志物的假阴性率很高，而模型中的蛋白质FTL具有佳的判别力， AUC为0.9073 。