景杰生物 | 报道
供体细胞分泌的细胞外囊泡可以向受体细胞传递生物信息，并改变其基因表达、信号转导、免疫反应和细胞功能。在细胞外囊泡传递的分子中，磷酸化蛋白在信号转导和分子诊断中起着关键作用。从人血浆中发现的细胞外囊泡中的磷酸化蛋白可以作为区分癌症患者和健康受试者的潜在标记物，细胞外囊泡中的磷酸化蛋白是否受激酶网络的调控仍然有待研究。激酶网络可以管理信号转导，从而促进肿瘤的进展，并为肿瘤中的调控网络和药物开发靶点提供有用的信息。
2022年9月23日，上海交通大学肖华，吕辉，管欣教授以共同通讯的身份在癌症权威期刊Molecular Carcinogenesis 上在线发表了题为Phosphoproteomics of extracellular vesicles integrated with multi-omics analysis reveals novel kinase networks for lung cancer 的最新研究成果，报道了肺癌组织和癌旁组织之间差异表达的细胞外囊泡的磷酸化蛋白谱。基于束缚扩散 (tie Diffusion through interaction Events, TieDIE) 算法，将细胞外囊泡的磷酸化蛋白组数据与肺癌的基因组和转录组数据进行多组学分析。构建了细胞外囊泡的磷酸化蛋白和调控的激酶网络，为癌症治疗和药物开发找到了可靠的靶点。景杰生物为该研究提供了磷酸化修饰组学定量技术支持。
基因组变异是许多疾病的重要调节因子，潜在的分子调控网络可能导致不同性状的产生。调控网络中的信号传 递过程是通过调控相关分子的浓度及其状态或活性来实现的。就蛋白质而言，其生物合成或降解过程 (如转录和翻译) 将改变其浓度，而其位置、结构或翻译后修饰将决定其生物活性。细胞外囊泡 (EVs) 通过各种类型的生物分子的转移介导细胞间的通信。EVs的磷酸化蛋白由遗传多态性和信号调节网络决定，通过EVs传递的磷酸化蛋白会导致受体细胞基因表达的改变。
识别将基因组干扰与癌症转录变化联系起来的方法，对于获得对疾病起始和进展的机制理解至关重要，并最终预测药物反应。该项目的策略是确定连接基因组扰动和癌症中EVs的磷酸化蛋白变异的转录变化的联系，这对于理解疾病的起始、进展机制和预测其药物反应至关重要。
TieDIE算法采用交互扩散策略，在高特异性的不同输入类型的背景网络中寻找相关基因的联系，最终获得高特异性、低假阳性率的信号网络。这是首次尝试将EVs磷酸化蛋白组与基因组和转录组联合分析，以发现潜在的内部相互作用，这将有助于通过翻译后修饰数据在相关领域的发现。
在该策略指导下，研究者的具体步骤 (见图1)：
图1 多组学数据综合分析策略
1. EVs磷酸化蛋白相互作用网络的构建
通过EVs磷酸肽激酶底物富集分析 (KSErrA)，得到19个与肺癌样本EVs中重叠的激酶(p<0.05)，包括cyclin-dependent kinases (CDK1/CDK2/CDK3/CDK4/CDK7)、the inhibitor of nuclear factor kappa-B kinase (IKBKB) 和MAP kinase-activated protein kinases (MAPKAPK2/MAPKAPK5)。这些激酶已经被前人的研究证实为肺癌的重要调控因子。随后研究者经过实验验证了相关激酶。研究者整合了蛋白-蛋白相互作用数据库 (Human Protein Reference Database, HPRD)、KEGG通路数据库和激酶-底物数据库，扩散到经过实验验证的磷酸化蛋白的上下游，找到激酶调控蛋白和下游磷酸化蛋白，为每个蛋白构建信号传递网络。
图2 差异磷酸化蛋白的验证及蛋白相互作用网络的构建
2. 多组学分析揭示肺癌激酶网络和药物靶点
研究者对有或没有激酶数据集 (包括5个主调控激酶和25个差异磷酸化激酶) 分别进行TieDIE整合分析。在不包括激酶数据集的情况下，得到了一个由245个节点组成的调控网络。它们由34个转录因子、61个扩增/缺失/突变基因和150个连接蛋白组成，这些蛋白由1154个相互关系相连。加入激酶数据集，得到了一个由234个节点组成的调控网络。它们由34个转录因子、33个激酶 (其中12个与转录因子重叠)、63个扩增/缺失/突变基因和172个连接蛋白组成，连接蛋白由1599个相互关系相连。激酶数据集的整合消除了不直接相关的相互作用，增加了相关激酶的网络调控，丰富了NSCLC中转录因子、激酶、扩增/缺失/突变基因之间的相互联系。此外，利用磷蛋白组数据进行分析，使调控关系更加明确，为进一步的研究提供了更翔实的细节。
随后对TieDIE的分析结果进行癌症相关标志通路子网络分析。当纳入磷酸化蛋白组数据后，四个主要类型的标志信号通路显著增加，包括Inflammatory Response、Migration and Invasion、Stemness和Cell Cycle。每个标记子网络由转录因子、激酶、SNP/CNV基因和连接蛋白之间的相互关系组成。通过对子网络中磷酸化蛋白研究，发现肺癌EVs中存在的磷酸化的蛋白质有显著差异，其中一些蛋白质已经是药物靶点。对于新发现的一些磷酸化位点，它们对应的蛋白质可能对新药物开发或靶向治疗设计有潜在可能。
图3 综合多组学数据分析揭示了EVs的子网络和潜在的肺癌药物设计靶点
综上所述，该网络模型通过磷酸化蛋白发现潜在的涉及肿瘤EVs的调节关系。通过多组学数据的分析，提供了EVs参与肺癌相关信号通路的线索。EVs中的磷酸化蛋白是微环境中肺癌发生发展的潜在调控因子。靶向EVs激酶的激酶抑制剂与靶向癌细胞的药物的结合将成为癌症治疗研究的综合策略。高通量的数据和多维度分析对于发现癌症背后的分子机制至关重要，这将最终从多个角度促进靶向治疗的发展。
喜出望“外”！蛋白质组学破译细胞外囊泡蛋白密码
2022-09-06
BJC | 大连医科大学附属二院王琪团队分泌蛋白组揭示肺癌脑转移诊断及监测血清标志物
2022-06-09
Nat Comm | 赵晓航/孙伟团队尿液蛋白组揭示结直肠癌生物标志物
2022-06-08
JEV | 南方医科大学周丽丽团队揭示外泌体来源OPN蛋白，促发肾脏纤维化
2022-03-31
参考文献
1. Qiao Z, et al. 2022. Phosphoproteomics of extracellular vesicles integrated with multiomics analysis reveals novel kinase networks for lung cancer. Mol Carcinog.
本文由景杰学术团队报道，欢迎转发到朋友圈。如有转载、投稿等其他合作需求，请文章下方留言，或添加微信ptm-market咨询。
首页
