Proteogenomics:通往个性化医疗?

Proteogenomics是相对近期的“组学——首次使用这个词2004年的一篇论文描述一个映射技术来提高基因组注释使用蛋白质组学数据。整合母公司与转录组、蛋白质组学和基因组学领域proteogenomics是最新的一系列“组学技术达到科学的长椅上。目标是发现新的肽通过比较感兴趣的蛋白质样品的质谱数据和创建一个数据库的蛋白质从基因组和转录组数据。

基因组学是第一个“组学技术和最初预计目前的卫生保健的灵丹妙药,提供病人的基因组,使预测信息,个性化医疗。研究人员很快意识到基因组本身并不总是足够的提供有用的临床信息基因可以翻译成无数的蛋白质根据环境生物的经历,以及其他因素。

转录组一些方法去解决这个问题通过分析确定哪些基因的RNA在细胞被表达。但这也可以产生误导的结果作为RNA内容并不总是代表蛋白质丰度。蛋白质组学分析蛋白质,细胞的功能效应物,确定疾病的生物标志物和潜在的药物靶点,绕过转录组的局限性。

不过,这并不是故事的结局作为蛋白质组学必须满足的挑战识别单个蛋白质的质谱分析或核磁共振读出,困难没有参考信息从基因组或转录组给蛋白质可能存在的基线的想法。第一个使用proteogenomics旨在解决这个问题利用基因组和转录组数据在蛋白质鉴定援助。

乔治- Marko-Varga使用proteogenomics副教授瑞典隆德大学。他的研究着眼于变化proteogenomic生物标志物在疾病包括癌症。“我们在proteogenomics研究的早期阶段,”他解释说,“我们仍在学习当我们向前移动。这很大程度上是一个挑战的技术,我们可以对整个基因组测序,但我们不能,然而,做一个分析整个蛋白质组的表达。”

Proteogenomics查看基因组序列,给出了一个系统的角度来看,RNA表达,蛋白质合成和转录后修饰。其潜在用途预防、诊断和治疗疾病和精密医学,创建基于病人的治疗组proteogenomic概要文件,甚至设计药物作用于特定的生物标志物。Marko-Varga教授解释说,“今天的最有价值的东西是理解疾病机制使用proteogenome数据和计算寻找相关性做强大。通过这种方式,我们可以寻找药物的影响——就像一个人是否是一个应答器或人。我们可以使用这个发现和验证新的预后和诊断的生物标志物。结合之前的组学方法,寻找生物标志物仅限于单一疾病的标志。现在,研究人员确定疾病范围很广的指纹标记在非侵入性的测试中使用体液。

Proteogenomics技术:质量规范和数据集成

质谱分析proteogenomic分析中使用的关键工具,这种技术的进步不可或缺的proteogenomics增加效用的研究。下一代测序数据现在允许研究更先进的目标,例如检测异常蛋白变体在一系列癌症组织样品。

信息也很重要proteogenomic领域集成的数据从个体基因组学和蛋白质组学实验。教授理查德·库玛Kandasamy研究炎症炎症分子研究中心的挪威科技大学。“我们在我们的研究的许多方面使用proteogenomics为了理解背后的分子机制激活和调节免疫的信号,”他解释说。“Proteogenomics使我们能够集成数据从几组学平台。我们已经成功地识别蛋白质编码昔日的证据分类长非编码rna,小型开放阅读框架和假基因。我们还获得证据改进的带注释的基因,包括识别选择拼接变异和变异肽在几个癌症提供新颖的见解表达在不同的细胞和组织。这些也可以用作评估潜在目标疾病进展和/或监测治疗反应。”

对抗癌症和驱动精密医学

Proteogenomics仍然使用在其初始容量发现基因和连接他们的功能,否则称为基因注释。然而,使用proteogenomics由于技术进步极大地扩展。

真正的突破使用proteogenomics更好治疗和诊断的疾病,如癌症。Proteogenomic分析允许的理解分子变化,如易位或甲基化,导致癌症。这种能力来确定疾病的生物标记物是革命性的诊断。Marko-Varga教授说,“我们在临床研究中使用proteogenomics当我们正在调查基因表达及其与蛋白表达的相关性。我们的研究团队的主要目标之一是确认你得到一个DNA-RNA-protein合成事件当癌症。”

确定一种药物是否能够提前为某个人工作proteogenomics的治疗是一个长期的目标。在4和1之间25人规定十个常用药物在美国是无,浪费时间、资源和无法治疗疾病。与西妥昔单抗结直肠癌可以治疗,但只提高了生存患者的肿瘤细胞表皮生长因子受体基因突变,而不是KRAS基因突变。乳腺癌是另一个例子曲妥珠单抗被用于HER2的直接目标。Marko-Varga教授解释说,“司机(监管机构)基因突变是中央在大多数癌症,但对蛋白质药物开发的基因。所以,我们需要回答的问题;是监管机构的关键蛋白质突变?如果答案是否定的,但蛋白质突变,我们设计的药物可能没有治疗效果,但安全问题。”

另一个发展是发展的个性化治疗癌症免疫疗法的形式。这个治疗使用proteogenomics确定在个别情况下肿瘤细胞的特异性抗原,这意味着这些细胞抗体可以被设计为目标而留下健康的活着。例如,肿瘤抗原可作为特定的生物标志物导管癌使用proteogenomics。

Proteogenomics潜力巨大,但进一步发展需要充分利用这一点。“最大的缺陷是缺乏端到端(即插即用型)管道和缺乏图形用户界面(GUI)由于大多数可用的软件是基于命令行脚本,“Kandasamy教授解释道。他补充说,“新创分析没有基因组或转录组数据集是繁琐的计算量,并分析多肽变体需要基因组、转录组和蛋白质组学数据集从同一来源。”

尽管目前的局限性,proteogenomics大步向前了我们人类生物学观点的能力作为一个整体,运行系统。随着技术提高了未来可以看到精密医学治疗是根据个人的地方。我们的饮食和生活方式如何影响我们proteogenome可能预测我们未来的疾病,以及我们如何计划和开展临床试验。Marko-Varga教授总结道,“疾病是非常复杂的proteogenome数据。这个数据和函数之间的联系是关键,目前我们缺乏理解数据的含义。改进会因为技术发展迅速,计算能力扩张和更多的权力分析proteogenome。”