10分蛋白组学文章套路竟然这么简单

生信之家 · 公众号 · · 2023-05-17 15:02

正文

文章摘要

目的： 卵巢癌是按组织学类型分类的一组不同的疾病。随着组织型特异性治疗的发展，精确的分类将成为最佳精确药物治疗方法的关键。

实验设计： 为揭示高分级浆液性癌(HGSC)和子宫内膜样癌(EC)两种最常见的组织类型之间的差异，研究者采用新鲜冷冻的肿瘤组织(HGSC，n=10； EC，n=10)进行了labelfree定量蛋白质组学研究。应用免疫组化技术对361例EC或HGSC的8种候选蛋白标志物进行了验证。

结果： 500多种蛋白在EC和HGSC肿瘤蛋白质组中存在显著表达差异(p<0.05)。免疫组化结果表明KIAA1324是最具特异性的EC新标志物。与现行WT1+TP53标准相比，8个marker的panel能更好的区分EC和HGSC的差异，HGSC的诊断率由90.7%提高到99.2%。 EC特异性诊断标志物PLCB1、KIAA1324和SCGB2A1也与EC的良好预后密切相关，提示该组织类型具有生物学异质性。蛋白质组数据的通路分析显示，EC和HGSC在雌激素和干扰素信号方面存在差异。

结论： 使用多个标志物集来鉴别诊断类似于EC和HGSC的疑难病例具有很好的指导意义。

主要结果如下：

1．利用蛋白组学的技术手段对10个EC和10个HGSC样本进行检测，一共鉴定到537个差异表达蛋白，统计学分析结果如下图。

2.选取在EC中高表达的几个蛋白进行免疫组化验证，EC和HGSC有很好的区分度。

3. 在正常样本和 EC 中验证 10种差异蛋白的表达水平，其中 PGR 和 KIAA1324 表现出很高的特异性。组合标志物能潜在的提高诊断的准确性，并且 PLCB1,KIAA1324 和 SCGB2A1 表现出很好的预后情况。

4. 生物信息学分析

对EC和HGSC的差异蛋白参与的主要富集通路进行分析。在(A) EC或(B)HGSC样本分析显示了前20条显著富集的通路。 (C)对显著变化的蛋白参与的生物学过程和通路进行聚类分析。 (D)显示与IFN刺激基因的雌激素反应或抗病毒机制匹配的核心蛋白的标准化(z评分)表达的热图。

越来越多的肿瘤研究在基因组学/转录组学的基础上，同时进行蛋白组的分析。

背景介绍：

蛋白质组学（Proteomics）是从整体水平研究细胞、组织或整个生命体内蛋白质组成及活动规律的学科。质谱技术、生物信息分析技术、人工智能技术的不断升级进步，使得蛋白质组检测技术也有了突破性的进展，并已广泛应用于生命科学研究的各个领域，特别是疾病标志物和分子机制的研究。随着我国精准医疗政策的推广，癌症和慢性疾病“早筛早诊”的观念逐渐深入人心，而目前诊断标志物的普遍缺乏，使得蛋白质组学技术迎来了蓬勃发展的新契机。

对于疾病的研究，蛋白质组学有其独特的优势。首先，蛋白质是几乎所有生命功能的直接执行者，它会随着年龄、生理活动、生活习惯和外界刺激发生相应改变，随时反映机体状况，又相对RNA和代谢物更加稳定，因此无论是发现疾病标志物还是研究疾病机理都是绝佳的研究对象。其次，蛋白质组学提供无偏见的高通量检测数据，通过科学的统计分析，可以多角度揭示分子机制，迅速筛选锁定关联因子，使得科学假设更加精准，且使研究周期大大缩短。另外，蛋白质组学研究不限样本类型（血液、唾液、尿液、石蜡切片、新鲜组织、毛发……）、不限疾病类型，对于所有的研究者来说都是有助力的研究技术。而对于有兴趣将研究成果转化的研究者来说，蛋白质因其生化检测技术成熟多样，也极具转化优势。我们还注意到，越来越多的基金申请书、高分文章都将蛋白质组学分析作为其中的重要环节，且呈现逐年递增的趋势。

要充分发挥蛋白质组学技术的优势，助力医学科研，我们不仅仅需要了解蛋白质组学的相关概念、应用场景及对应的技术，更需要掌握如何在前期进行科学合理的实验设计，选择合理的模型和样本、控制偏性、降低成本、避免弯路。

我们邀请到了临床蛋白质组学领域的资深专家团队（主持多项国家自然科学基金+顶刊文章+多项发明专利），召开“蛋白质组学助力医学科研”学习班，欢迎广大的研究人员报名参加。

目的与预期：

1. 掌握蛋白质组学概念、技术原理和研究流程；

2. 了解如何将蛋白质组学应用于医学研究，理清研究思路；

3. 结合流行病学基本原理，通过丰富的实操案例，掌握临床蛋白质组学实验的设计方法；

4. 掌握疾病标志物研究和疾病机制研究的常见思路，高分文章的研究策略

5. 掌握蛋白质组学样本的选择和处理方法；

6. 掌握蛋白质组学数据分析的流程，看懂蛋白质组学报告，并实现关键图表的绘制；

7. 基于蛋白质相技术的2022年国自然标书整体思路框架和撰写要点。