關注官方微信平臺

電話:400-664-9912

QQ:2850277928

郵箱:[email protected]

地址:上海市嘉定區新培路51號焦點夢想園B棟5樓

上海阿趣生物科技有限公司. 版權所有 滬ICP備17019578號-1

黑龙江11选5开奖结果公告:
文獻分享 | 應用蛋白組學技術在診斷子宮內膜癌上的新發現

分類:
阿趣動態
發布時間:
2019/06/28 11:11
瀏覽量
 
子宮內膜癌(endometrial carcinoma)是女性生殖系統中常見的癌癥,在婦女最常見的癌癥中排名第四,發病率僅次于宮頸癌。此類腫瘤的起因迄今尚不明確,一般認為,子宮內膜癌根據發病機制和生物學行為特點可分為雌激素依賴型(I型)和非雌激素依賴型(II型)。雌激素依賴型子宮內膜癌絕大部分為子宮內膜樣癌(EC),少部分為黏液腺癌;非雌激素依賴型子宮內膜癌(HGSC)包括漿液性癌,透明細胞癌等。目前用于診斷EC和HGSC的標志物有WT1、TP53、孕酮受體(PGR)和連環素β-1(CTNNB)。前兩者雖有較高的特異性,但是靈敏度卻比較低。PGR更是受限于低靈敏度(81%)和低特異性(56%)。CTNNB作為檢測指標的特異性雖然大于95%,可靈敏度也只有50%。因此,尋找適用性更強的診斷標志物工作已經迫在眉睫。
 
代謝組學
 
本期,阿趣生物技術支持部的小伙伴Tracy將給大家詳細解讀2019年4月中旬在《Clinical Cancer Research》雜志刊登的一篇題名為《Proteomics derived biomarker panel improves diagnostic precision to classify endometrioid and high-grade serous ovarian carcinoma》的文章,作者巧妙地應用蛋白組學技術研究診斷子宮內膜樣卵巢癌和高漿液性卵巢癌的生物標志物,最終發現對8個特征蛋白的聯合分析,可以提高診斷的效率以及準確性,并對指導更準確精準的組織特異性治療方案起到至關重要作用。
 
研究方法
 
樣本分組
發現集(n=20,HGSC=10,EC=10);驗證集(n=361,HGSC=172,EC=189)
 
技術手段
Label-Free定量蛋白組、免疫組化
 
儀器平臺
M-class nanoAquity UPLC system (Waters) ;Orbitrap Elite mass spectrometer (Thermo Scientific) ; Q Exactive Plus (QE+) mass spectrometer (Thermo Scientific)
 
數據庫:Human Uniprot database
 
檢索軟件:MaxQuant(1.5.8.3)
 
分析方法:LFQ、學生T檢驗 (p<0.05)、ROC-AUCs、geNetClassifier、nominal logistic regression.
 
技術路線
 
 
代謝組學
 
 
研究結果
 
1. Label Free全蛋白組定量分析  
 
發現集(n=20,HGSC=10,EC=10),經過Lable Free 定量蛋白組學檢測,共鑒定到6360個蛋白質,定量蛋白5648個。HGSC組和EC組定量共有蛋白有5559個,特有蛋白分別為48個和41個。兩組對比篩選到537個表達差異蛋白,包括在EC組表達量上調較顯著的PRG(4.20 log2FC)、MMP7(1.45 log2FC)、CTNNB1(0.86 log2FC),以及下調倍數較大的TP35(-2.06 log2FC)、MSLN(-2.67 log2FC)、IGF2(-1.62 log2FC)、CDKN2A(-2.57 log2DC)。
 
代謝組學
代謝組學
 
2. 篩選診斷HGSC和EC的生物標志物
 
使用R語言進行geNetClassifier分析,按照后驗概率≥0.95進行篩選獲得106個蛋白,發現排名在前兩位的蛋白是MUC5B和PIGR,之后的皮爾森相關性分析又發現在這106個蛋白中,一些腫瘤蛋白,特別是HGSC-1和HGSC-9,在HGSC和EC組中呈現較大的負相關。
 
在ROC-AUCs分析中,作者發現PLCB1、PAM、KIAA1324和SCGB2A1這四個蛋白AUC值較大,診斷效果較好,也可以作為診斷的候選生物標志物。
 
代謝組學
代謝組學
  
繼而作者使用驗證集的361個樣本(HGSC=172,EC=189),通過IHC的方法驗證,發現在EC組樣本中,上述候選的6個生物標志物(MUC5B、PIGR、PLCB1、PAM、KIAA1324、SCGB2A1)與目前診斷常用的4個標志物(PGR、CTNNB1、WT1、TP53)在EC組中表達量都較HGSC組高,其中KIAA1324,一種雌激素誘導基因,靈敏度和特異性是88.51%和52.94%,與PGR的特異性和靈敏度較最為接近。盡管PLCB1和PAM在ROC分析中具有較大的AUC值,但是IHC分析中的靈敏度卻比較低,只有62.94%和56.90%。WT1和TP53指標的靈敏度和特異性較其他蛋白高,但并不是很理想,故使用單一的蛋白作為診斷的指標效果并不可觀。
 
代謝組學   
 
基于此,作者另辟蹊徑,應用邏輯回歸的分析方法,對多個蛋白做ROC-AUC分析共建立5個模型。其中8個蛋白(KIAA1324、PAM、PGR、WT1、SCGB2A1、PIGR、CTNNB1、TP53)聯合構建的模型5的AUC值高達0.99751,在EC組和HGSC組的錯誤診斷率同樣低至1.76%和0.76%。最終作者確定這8個蛋白聯合作為HGSC和EC診斷標志物的方案。
 
代謝組學
 
3. 應用全蛋白組技術深度研究EC和HGSC的生物學功能
 
為了深入研究EC和HGSC的生物學功能,作者選擇了靈敏度更高的Q Exactive Plus質譜進行全蛋白學研究。EC組和HGSC組分別定量到7452和5648個蛋白。EC組顯著上調蛋白有471個,顯著下調蛋白有219個。Metascape和GSEA分析表明,在EC組中,雌性激素信號傳導,脂肪酸代謝通路較顯著的富集。此外,免疫/抗病毒反應,有絲分裂和細胞形態學過程以及雄激素受體信號轉導在HGSC組中作用也比較顯著。熱圖分析的z值表明這些蛋白主要參與晚期雌激素反應和干擾素刺激的抗病毒反應。實際上,雌激素誘導的基因在EC組中高表達,但在HGSC組中,泛素化連接酶(E1,E2,E3)通過結合類似泛素化的ISG15調節修飾干擾刺激基因化(ISGylation)的很多基因(MX1,MX2, IFT1, UBE2E1, STAT1, DDX58, EIF2AK2, UBE2L6),而Ubl羧基末端水解酶18(USP18)可以抑制ISGylation,故這些基因表達的蛋白產物在HGSC組中含量較高。
 
代謝組學
 
結論
 
本文作者應用非標記蛋白組技術以及geNetClassifier分析、多蛋白ROC模型建立等獨特的數據分析方法,最終發現并驗證8個蛋白((KIAA1324、PAM、PGR、WT1、SCGB2A1、PIRG、CTNNB1、TP53)的聯合應用可以將EC和HGSC診斷效率從90.7%提高至99.2%,克服了應用單一鑒定指標的低靈敏度和低特異性的缺點,并對于指導更加精準的組織特異性治療方案也提供了新思路。
 
蛋白組學好文推薦:
 
如需本次分享文獻資料
識別下圖的小程序碼
 
 
>
>
>
>
文獻分享 | 應用蛋白組學技術在診斷子宮內膜癌上的新發現