蛋白质组学是准备黄金时段

在过去的二十年里,药已经朝着数据驱动的基于分子诊断和个性化的治疗信息。¹肿瘤是一个典型的例子,一个日益增长的一系列精密的药物设计针对特定的司机突变的癌细胞。然而,尽管这些药物提供了一些好处,他们未能改变生存在大多数肿瘤类型。

令人沮丧的是,识别特定基因的改变并不足以保证一个治疗工作。例如,药物针对活跃蛋白BRAF V600E形式的信号是有效的在黑素瘤,但没有活动在结直肠肿瘤完全相同的突变。

试图治疗疾病因此基于目录的基因突变可能是一个过于简单的方法。

基因不告诉整个故事——蛋白质组学可以填补空白

DNA测序现在快速、可靠、低成本、快速和广泛使用,使收购大量的基因和基因组信息。下一代测序技术已经用于临床试验和最近被批准用于常规使用由美国食品和药物管理局(FDA)。²

然而,在实践中,基因并不总是告诉整个故事的细胞或组织在分子水平上(表现型)。表观遗传调控的基因活性和表达也可能改变细胞内分子途径,导致功能障碍和疾病即使没有潜在的基因改变。结果,遗传分析是最好的代表底层细胞的分子机制和可能误导时,选择最佳的治疗。

转录组测序的组织或细胞内RNA产生——估计基因表达的一种方式,提供一个更详细的了解哪些细胞过程失调疾病和帮助治疗选择。

虽然转录组提供了一个更现实的描述比基因或基因表型分析,特别是在一个稳定的状态。然而,更准确的过渡时期和动荡,转录和翻译之间的相关性弱得多和RNA含量仅是不足以预测蛋白质丰度在许多情况下。例如,可能不是翻译成蛋白质,RNA和蛋白质转录后可以修改的方式都是不可预知的。³

结果,通常会有不匹配预测分子的细胞基于RNA序列及其实际表现型。分析细胞的蛋白质含量(蛋白质组学)将为患者提供更相关的表现型和精密的医学。然而蛋白质分析历来被视为比DNA或RNA测序技术上更有挑战性的,需要大量的原始材料。

蛋白质组学揭示里想的是什么

错误的或特异表达蛋白质的核心大多数疾病通路和通常的精确治疗的目标。此外,人们越来越意识到分子内的混乱疾病像癌症出现的复杂的途径,不能归咎于少数特异表达特定基因的缺点。研究整个组细胞产生的蛋白质可以因此提供一个广泛的概述细胞功能和疾病表型的基因分析不能。

蛋白质组学分析,科学家们提出了一个重大的挑战:蛋白质组是高度复杂的,包含成千上万的蛋白质,而且很容易错过分子存在于细胞在低水平。然而,研究人员预测,解码蛋白质组会影响生命科学和临床实践甚至比基因更重要的革命,因此面临的挑战是值得的。

近年来,质谱已成为蛋白质组学的分析方法选择,由于其高灵敏度和特异性,提供可靠的、高通量的蛋白质在生物样品的识别和量化。

最终,蛋白质组学可以用来定期补充基因组学和转录组数据在研究和开发中,诊断和治疗选择。但是现在才被克服的重大挑战。^{4、5、6所示}

猎枪蛋白质组学可以瞎猜的

使用最广泛的猎枪蛋白质组学质谱技术。这通常是基于一个名为视数据采集的方法(DDA),样本子集的成千上万的个人肽片段在一个复杂的组织,比如一个肿瘤。⁷

您选择这些随机子集,所以许多轮的分析需要确保所有的蛋白质存在于样本检测和分析。每个实验产生的不完整的结果而不是可重复的。这使得我们很难准确地量化任何特定蛋白质的丰度。

这些挑战给了质谱非量化的美誉,低吞吐量技术,防止蛋白质组学发现基本research.8以外的临床应用

下一代临床蛋白质组学的应用程序

另一种方法——data-independent收购,或者通过解决这些问题。DIA类似传统的猎枪蛋白质组学方法,但是每个肽样本中分散,以类似的方式在一个单一的实验分析。

这种“一枪”方法更有吸引力从临床应用的角度来看,因为它产生全面、可再生的和定量蛋白质组学概要文件与高吞吐量。然而,产生的数据集通过DIA极其复杂,需要分离出来(deconvoluted)为了了解身份和丰富的蛋白质,存在于最初的组织。

小说算法最近开发解决这个反褶积的挑战。这使得DIA的生成结果公正,更完整(近10000蛋白质在一个点),精确量化的和可再生的。^{5 - 7}

图1:数据独立收购(DIA)发现蛋白质组学工作流。图片来源:Biognosys

蛋白质组学受审

2019年4月,罗氏公司提出了一个模拟研究的结果模拟蛋白质组学在临床试验中发现的实现。团队使用人力资源管理来分析30代表结肠癌样本,成功地识别和量化超过9000高重现性的蛋白质。重要的是,肿瘤蛋白质组学分析所需材料的数量与转录组所需,提供基础的使用发现蛋白质组学在临床试验中设置。^{8 - 10}

蛋白质组学将推动转向个性化医疗

蛋白质组学是更复杂的比DNA和RNA序列提供了一个更准确的反映了分子细胞和组织的状态。使用DIA蛋白质组学方法,如人力资源管理是现在最接近的近似的蛋白质表达图谱可用于临床和发现的科学家。

现在,临床研究人员可以使用这些技术来发现蛋白质组学在患者表现型和分层,生物标志物的研究,药物和目标发现、通路建模、行动和机制研究。研究者没有设备或蛋白质组学带进他们的工作所需的专业知识,Biognosys提供可靠的蛋白质分析满足良好的临床实践临床应用的标准。¹¹

蛋白质组学领域已经成熟明显在过去的十年中,进步如DIA和人力资源管理最终克服障碍的量化精度、再现性和可伸缩性,使高吞吐量的常规使用质谱分析在临床应用。

在未来,预计每个临床样本将经常protein-profiled作为诊断和治疗选择过程的一部分。^{5 - 7}将蛋白质组学临床试验和实践将改善疾病表现型,诊断和有效的治疗选择,最终提高药物发现管道的效率和病人带来好处。

引用:

1. Doostparast Torshiz,。、王& k(2018)在药物开发下一代测序:目标识别和基因分层的临床试验。药物。今天,23 (10),1776 - 1783 doi: 10.1016 / j.drudis.2018.05.015
2. Siu, l。康利,文学士学位不过,S。& LoRusso,议员(2015)下一代测序来指导临床试验。癌症研究杂志21 (20),4536 - 4544 doi: 10.1158 / 1078 - 0432. - ccr - 14 - 3215
3. 刘,Y。拜尔,。,Aebersold r(2016)在信使rna依赖的细胞蛋白质含量丰富。细胞。165 (3)535 - 550 . doi: 10.1016 / j.cell.2016.03.014
4. 陈,R。&斯奈德,m(2013)个性化组学精密医学的承诺。威利Interdiscip转速系统生物医学。5 (1),73 - 82 doi: 10.1002 / wsbm.1198
5. 杜阿尔特,电汇与斯宾塞,比较温度(2016)个性化的蛋白质组学:精密医学的未来。蛋白质组,4 (4)29 doi: 10.3390 / proteomes4040029
6. rin, o .(2016)下一代蛋白质组学从工业的角度来看。Chimia。70 (12), 860 - 863 doi: 10.2533 / chimia.2016.860
7. DIA如何不同于经典的蛋白质组学和银两吗?(2018年3月15日)检索https://help.biognosys.com/help/how-does-dia-differ-from-classical-shotgun-proteomics
8. 舒伯特,ot,Rö圣上半叶柯林斯,公元前罗桑伯格,G。& Aebersold r(2017)定量蛋白质组学:挑战和机遇在基础和应用研究。Nat Protoc。12 (7), 1289 - 1294 doi: 10.1038 / nprot.2017.040
9. 罗氏提出了数据从Biognosys使用在临床试验中发现的蛋白质组学(2019年4月4日)检索https://www.biognosys.com/press-release-roche-presents-data-from-biognosys-for-use-of-discovery-proteomics-in-clinical-trials
10. Ducret A(2019)临床蛋白质组学进入临床试验:一个通用GCP-compliant工作流的常规分析FFPE组织样本的定量质谱。提出年度国会在临床质谱(美国)、棕榈泉,CA。
11. 罗氏的合作伙伴Biognosys, Caprion证明蛋白质组学准备临床试验(2019年4月23日)检索https://www.genomeweb.com/proteomics-protein-research/roche-partners-biognosys-caprion-demonstrate-proteomics-readiness .XOlJRi3Mw_W