导读 肿瘤细胞系是肿瘤学研究领域最常用的模型。很多基于肿瘤细胞系的大型研究项目，如NCI-60、CCLE和GDSC，通常利用分子异质性的细胞系来鉴定标志物及后续的精准治疗。但是细胞系是否能准确代表原发性肿瘤，仍具有争议。基因组分析数据表明在很多肿瘤模型中，所建立的细胞系能在分子水平上体现原发性肿瘤的特征，但是转录组水平分析显示,肝细胞癌和结直肠癌细胞系模型的数据类似。然而，乳腺癌的转录组数据则存在显著差异。 虽然已有很多针对肿瘤细胞系蛋白质组学分析的报道，但是，目前尚无比较细胞系与原发性肿瘤样本的大规模蛋白质组学研究的报道。目前尚不清楚癌细胞系是否能在蛋白质组水平上代表原发性肿瘤，以及在体外，分子机理和蛋白质组学相关性程度有多深也是未知的。 本文对44例人结直肠癌（CRC）细胞系进行蛋白质组学和转录组学分析，这些细胞系前期已进行过基因组水平测定。同时，综合且全面的针对44例细胞系样本及95例CRC肿瘤样本、60例正常组织样本进行分析，并进一步将细胞系蛋白基因组数据与药物作用敏感性继续整合，以评估不同的组学数据用于预测治疗反应的适用度。
原名：Colorectal cancer cell line proteomes are representative of primary tumors and predict drug sensitivity
译名：细胞模型就足够寻找CRC药物作用靶点？看大牛蛋白质组学研究的新思路
期刊：Gastroenterology
IF：18.392
发表时间：2017年
通信作者：Oliver M. Sieber
通信作者单位：Systems Biology and Personalised Medicine Division, The Walter and Eliza Hall Institute of Medial Research, Parkville, VIC 3052, Australia
1、CRC细胞系蛋白质组学分析
采用基于LC-MS/MS的shotgun蛋白质组学分析44例CRC细胞系，鉴定到10643条不同的肽段，组装成了7796个蛋白质。为了获得蛋白质变异系数，进一步检索了由全外显子组（WES）和RNA-Seq所产生的数据库，最终在蛋白质组水平上鉴定到1702个独特变异体，其中COSMIC/TCGA数据库中有276个，在dbSNP数据库中有952个。
2、细胞系、肿瘤组织、正常组织中蛋白质组分的一致性
质控分析显示，研究细胞系所用到的蛋白质组学平台与前期CPTAC项目中研究肿瘤（n=95）、正常组织（n=60）蛋白质组变化的平台一致，且稳定性高。为了确定CRC细胞系、肿瘤组织、正常组织中蛋白质种类的重复率，将蛋白质组学数据整合成9101个蛋白质组。而由细胞系所得到的蛋白质组结果，与肿瘤、正常组织样品的重复率分别为98.0%和90.9%。
3、基质组分对肿瘤组织蛋白质组的作用
对CRC肿瘤组织和细胞系蛋白组中，4904个可量化的蛋白中的747个蛋白在细胞样品中显著高表达，979个蛋白在肿瘤组织样品中显著高表达（图1a）。GO注释分析显示，细胞系样品中过表达的蛋白质主要参与细胞生长、增殖相关的生物过程，如代谢和细胞周期（图1b）；肿瘤组织样品中过表达的蛋白质主要参与免疫反应，细胞外基质及响应于外部刺激（图1b）。
肿瘤组织中过表达的蛋白与癌症相关的纤维原细胞、白血球细胞、内皮细胞重复率高，表明肿瘤基质与肿瘤蛋白质组具有显著的影响。82.3%的肿瘤过表达蛋白质丰度显示与肿瘤纯净指数呈现负相关性（图1d）。
为了研究导致肿瘤基因过表达的具体基质组分，研究人员分析了肿瘤组织、细胞系中基质标志物的表达。结果显示，相比于细胞系，CRC肿瘤组织样本中，血浆、细胞外基质、内皮细胞、红细胞、纤维母细胞、粒细胞、巨噬细胞、巨核细胞和T细胞的蛋白标志物显著上调（图1e）。
图 1
4、细胞系蛋白质组与超突变表型的生物学机制
通过差异蛋白质表达分析及基因集合富集分析发现，相比于未发生超突变的细胞系，超突变细胞系的DNA错配修复途径显著下调，而肿瘤组织没有此现象（图2a）。
细胞系发生显著性变化的错配修复相关的蛋白质有MSH2、MSH6及DNA聚合酶δ的两个亚基POLD1、POLD2（图2b，c）。MSH2、MSH6的缺失表达常被作为DNA错配修复缺陷的诊断指标，特别是Lynch综合征相关的CRC病例；在核酸外切酶区域，由于体细胞突变导致POLD1的校对功能缺失，与肿瘤超高突变表型相关。但是，在肿瘤组织样本中，与超突变表型相关的数据具有免疫系统的特征（图2a），与超突变病例中观察到的高水平淋巴细胞浸润相一致。
图 2
5、细胞系中存在肿瘤信号通路的转录后调控特征
前期研究的结果显示，在TCGA CRC cohort中的mRNA和蛋白质水平的相关性不明显，表明了转录后调控机制发挥了一定的作用，因此，本文对肿瘤样本与细胞系的mRNA与蛋白水平的相关性进行对比分析。
不同基因间，单个样本中，稳态mRNA与蛋白丰度之间的Spearman平均相关性，在细胞样本中为0.6，在肿瘤组织中为0.46（图3a）；在不同样本的基因内进行比较，细胞系为0.37，肿瘤组织为0.22（图3b）。
实验结果说明基于肿瘤组织的分析，可能低估了蛋白-mRNA的相互关联性。同时，有必要对同一组织样本进行mRNA和蛋白质的检测。然而，即使分析细胞样本的数据，很难通过分析mRNA来预测蛋白的丰度变化。
为了检测细胞样本是否保留生物样品中转录后调控的肿瘤信号，采用GSEA KEGG富集法分析mRNA和蛋白质表达数据的平均等级差异。
28个生物学过程（其中20个是代谢过程）相关的蛋白质通过转录后调控机制上调表达，如cAMP,cGMP信号通路节点蛋白和细胞粘附相关的功能蛋白。只有2个通路相关的蛋白发生了下调，p53和Notch。
图 3
6、蛋白质组学数据预测CRC药物敏感性更为准确
在蛋白质水平上可定量的191个已知的药物靶标基因的相关性分析发现，蛋白质组学可达到16.2%的相关性，而mRNA为6.3%，DNA拷贝数为5.3%，变异数据低至1.9%。从蛋白水平可检测的药物靶点基因中，很多与EGF受体家族成员（afatinib， cetuximab， gefitinib）、热休克蛋白90（CCT018159,SNX-2112）及β-tubulin家族成员相关（图6a）。
将相关性分析延伸到药物相关通路的相关性后发现，蛋白质组学的数据仍能鉴定到52.8%的相关性，同样比mRNA(25.2%)、DNA拷贝数（1.6%）及突变数据（0%）更多。KEGG数据分析显示，DNA复制、MAPK和PI3K-Akt通路是在蛋白水平上最为显著的药物相关通路（图6b）。
图 6
本文中研究团队采用的蛋白质组学方法分析CRC细胞系，首次揭露了细胞内分子机制和蛋白基因组相关性，并且探索了用细胞系作为模型寻找肿瘤biomarker及药物治疗靶点的可行性。就蛋白水平的表达变化、代谢途径的改变方面而言，细胞系、肿瘤样本与正常组织样本之间的差异一致。转录组学和蛋白质组学的关联分析，显示细胞系中同样维持着转录后调控肿瘤生物学途径的机制。
尽管如此，细胞系与肿瘤组织也存在着蛋白组水平上的差异。这些主要变化是由肿瘤基质、外在信号和不同的生长条件造成的。如由于肿瘤基质的原因，在超突变细胞系中检测到的DNA错配修复、DNA聚合酶校对功能的缺失，未能在原发性肿瘤组织中找到。
总之，本研究极大的丰富了CRC研究领域的数据，为后续的个体精准用药提供了新的思路。
本文由George编译，莫秋芬、江舜尧编辑。
联系客服
