1. 首頁 > 健康養生 > >

「青蓮聚焦」肺癌研究中利用蛋白組學布局5-10分文章

健康知識養生常識

肺癌是常見的癌癥類型之一 ， 絕大部分病例確認診斷時已發生轉移 ， 無法進行手術切除 ， 導致五年生存期不足20% ， 而IV期病人五年存活率僅有6% 。 因其高發病率和高致死率 ， 肺癌已經成為了人類生命健康的重要威脅 。 靶向治療和免疫治療的快速發展帶來了新的方法 ， 但目前仍受制于有限的生物標志物和治療組合方式 。 基于高通量測序技術的發展 ， 人們對肺癌有了更多的認識 ， 揭示了很多與肺癌密切相關的基因突變 。 然而 ， 越來越多的證據顯示 ， 腫瘤的發生發展并不是簡單的基因突變的集合 。 腫瘤組織出現異常的直接原因是執行功能的蛋白質發生了異常變化 ， 而這些異常并不能在基因層面被完全反映出來 。 藥物作用的直接靶點都是蛋白質 ， 而非基因 。 檢測基因也是旨在能夠間接反映出其對應蛋白質層面的功能信息 。 隨著現代質譜的發展 ， 科學家們可以直接測定藥物真正靶向的分子 ， 即蛋白組 。 蛋白組分析的一個重要特點是不但能分析樣本組織中的癌細胞 ， 還包括其中的間質和浸潤免疫細胞 。 從而可以提供更加完整的分子表型全景圖 ， 幫助人們從整體的角度理解腫瘤的特征 。 因此 ， 直接檢測臨床腫瘤樣品的蛋白質組 ， 是未來研究的必然趨勢 。 那么 ， 接下來通過幾篇文獻一起看看蛋白質組學在肺癌方面的應用 。
前沿文獻PART01
蛋白生物標志物有助于疾病的早期診斷、療效評估、為治療和預后判斷提供指導 。 運用蛋白質組學在臨床病人體液或組織中 ， 尋找和發現有價值的生物標志物已經成為目前研究的一個重要熱點 。 尿液樣本的易于獲得的、無創收集和廣泛的診斷目標使得尿液分析非常適合臨床（PoC）監測應用 。 在疾病早期階段 ， 機體尚能代償的時候 ， 血液受機體穩態機制的控制 ， 疾病早期難以產生穩定的變化 ， 而在這個過程中 ， 尿液以各種形式收集血液在穩態機制控制下排除出的廢物 ， 其中包括很多疾病相關的變化 。 因此相較于目前臨床檢測常用的血液樣本 ， 尿液樣本具有完全無創 ， 可連續收集、更容易檢測低豐度蛋白、早期發現、檢測敏感、特異性強等諸多優勢 。
「青蓮聚焦」肺癌研究中利用蛋白組學布局5-10分文章
文章圖片
標題：UrineProteomeProfilingPredictsLungCancerfromControlCasesandOtherTumors
期刊：EBioMedicine（IF=11.205）
文章摘要：
「青蓮聚焦」肺癌研究中利用蛋白組學布局5-10分文章
文章圖片
技術策略：
收集的健康個體（n=33）、良性肺部疾病（n=40）、肺癌（n=33）、膀胱癌（n=17）、宮頸癌（n=25）、結直腸癌（n=22）、食道癌（n=14）和胃癌（n=47）患者的231份人類尿液樣本進行了非標蛋白質組學分析 ， 通過隨機森林建模 ， 篩選出一份可以將肺癌與其他病例分開的尿液蛋白質列表 。 通過特征選擇算法 ， 選擇了一組五種尿液生物標志物 ， 并建立了一個組合模型 ， 可以在訓練組（n=46）和測試組（n=14-47每組）中正確分類大多數肺癌病例 。
結果速遞：
蛋白組學鑒定并定量了尿液樣本中7408種蛋白質 ， 通過差異篩選與豐度篩選 ， 選擇了68種相對豐度可在超過70%的肺癌尿液標本中檢測到的蛋白作為候選蛋白質 。 而后構建隨機森林模型（預測模型通過特征算法選擇了5種蛋白質FTL、MAPK1IP1L、FGB、RAB33B和RAB15） ， 為了評估預測的準確性 ， 在由10名健康對照和10名年齡和性別匹配的肺癌患者組成的獨立驗證集上進行測試 ， 預測模型能夠正確分類9個尿液樣本和9個健康對照 。 五種臨床使用的腫瘤標志物（AFP ， CA19-9 ， CA125 ， CA15-3和CEA） ， 33名肺癌患者中有8名患者血液中的標志物表達水平顯示正常 ， 表明使用這些標志物的假陰性率很高 ， 而模型中的蛋白質FTL具有佳的判別力 ， AUC為0.9073 。