多组学高分文献14-乳腺癌定量蛋白质组学和蛋白质组学前景

Breast cancer quantitative proteome and proteogenomic landscape

乳腺癌定量蛋白质组学和蛋白质组学前景

期刊：Nat Commun；影响因子：12.121

发表单位：瑞典卡罗林斯卡研究所等

导 读

    分子水平上，乳腺癌基于转录组表达谱可以分成5种亚型（Basal-like、Luminal A、Luminal B、HER2、Normal-like）。先前的研究基于每种亚型的分子特征，建立了一套包括50个基因的分类器，即PAM50。高通量蛋白质定量技术的并行发展已使基于乳腺肿瘤的蛋白质分子表征迅速发展，2019年4月发表在《Nature Communications》的一项研究中，通过对来自5种乳腺癌亚型的共45个肿瘤样本进行基因组、转录组和蛋白质组检测，在PAM50分型的基础上展开研究并对乳腺癌分子分型进行了概述。分层分析揭示了新的免疫组化生物标志物候选物，可以更可靠地将难以分类的患者分层以提供治疗选择。

摘 要

    在过去的几十年中，分子表征彻底改变了乳腺癌（BC）的研究和治疗方法。本文首次介绍了一项概括了乳腺癌亚型的蛋白组无偏分析。预后差的基底样肿瘤和腔内B肿瘤通过免疫成分浸润进一步细分，提示目前的分类是不完整的。基于蛋白质组的网络区分了乳腺肿瘤组的功能蛋白模块，在正常类肿瘤的原位区域中共表达EGFR和MET，标志着导管癌，并为这种定义不明确的亚型提供了更准确的分类。预后mRNA面板中包含的基因的mRNA相关性明显高于平均水平，在蛋白质水平抑制基因拷贝数的改变，强调蛋白质组学定量对预后和表型分类的价值。此外，研究还鉴定了定位到非编码基因组区域的蛋白质产物，并突出了潜在的一类新型的肿瘤特异性免疫治疗靶标。

强 调

    Basal-like亚型的肿瘤可以基于免疫组分进一步细分；

    增殖性肿瘤具有糖酵解偏好；

    拷贝数变异对蛋白表达的影响可能被蛋白水平的调节机制减弱，如泛素蛋白酶体降解机制；

    MET-EGFR共表达可以作为原位导管癌Normal-like亚型肿瘤的生物标志物；

    未描述的变异基因及非编码区的蛋白产物是肿瘤基因组不稳定造成的，这些新的蛋白产物可以作为免疫治疗的肿瘤特异性靶点。

研究概要

1    基于质谱的蛋白质组学对乳腺肿瘤队列的量化

    作者对来自5种乳腺癌亚型（Basal-like、Luminal A、Luminal B、HER2、Normal-like）的共45个肿瘤（各亚型各9个）样本进行基于质谱的蛋白质组检测，鉴定了12,645个基因的13997个蛋白质产物，其中9995个蛋白质在所有样本中检测到被用于下一步分析。通过分析乳腺癌标志物蛋白表达情况，结果与PAM50各个亚型特征基本一致，证明了蛋白质定性和定量方法的稳健性。

图1，蛋白质组学工作流程概述。

2    肿瘤蛋白质组的亚型分析

    蛋白质组图谱的无监督分层聚类在很大程度上将肿瘤分层，与PAM50亚型基本一致，除了Luminal B和HER2亚型，表明分子表型相似。基因本体论的富集分析表明，Luminal标志物、Basal-like标志物或HER2成员的蛋白质位于线粒体或高尔基体，与增殖、转录、脂肪组织、红细胞、免疫应答或细胞外基质密切相关，并与各亚组的成员整合在一起。

    通过1334个高变异蛋白表达谱对样本进行一致性聚类，获得6个核心肿瘤簇（CoTC）。由PAM50分类的Basal-like肿瘤组成的CoTC组（CoTC1和2）的区别在于免疫标记、E2F和MYC靶标以及G2M检查点相关蛋白的差异表达。Luminal和HER2为主的CoTC组（3、4和6）通过差异富集来分层，这些差异涉及与雌激素反应、E2F靶标、G2M检查点蛋白和MYC靶标有关的蛋白。整个队列中观察到了具有与CoTC2和CoTC4组相似的免疫富集性的肿瘤，与增殖相关的干扰素和雌激素反应蛋白在基于蛋白质组的肿瘤组之间的变异中占最大份额。具有显著糖酵解特征的肿瘤都是CoTC6的成员，这些肿瘤中MKI67（增殖的标志物）升高与Warburg效应一致。这些数据表明，与基于细胞功能独立测量的分类重叠，是基于蛋白质组分析的附加值的象征。

图2，蛋白质组聚类，与PAM50亚型和代谢物有关。a，蛋白质组表达的聚类，并显示GO富集分析；b，从PAM50面板中鉴定和定量的蛋白质聚类；c，将核心肿瘤共识簇（CoTC）分为六个簇的树状图可视化；d，PAM50亚型在CoTC中的分配。

3    蛋白质组表征揭示了肿瘤亚型过程

    为了进一步剖析各个亚型的分子特征，研究人员基高变异蛋白间的相关性构建了蛋白质网络，并注释了相应的GO功能。具有已知相互作用的蛋白质具有更多的丰度相关性，与转录水平相比，蛋白质水平上的相关性更明显，例如凝缩蛋白I、MCM、GINS、凝缩蛋白II、有丝分裂14s黏附素I和DNA聚合酶α复合物。类似地，相关性似乎也代表了协同作用的指标，相似生物过程的组成部分的蛋白质也是高度相关的。与CoTC1肿瘤（PAM50 Basal-like肿瘤）相比，CoTC2中与免疫应答相关的蛋白质富集（包括MHC类）明显增加，这可能影响它们在增殖相关蛋白中的消耗，并表明PAM50 Basal-like可能是不完全的分类。CoTC3（Luminal A）和CoTC4（Luminal B的子集）肿瘤高表达管腔蛋白，但以小的免疫应答网络前哨区为特征，CoTC4成员在干扰素α反应中具有更丰富的功能。CoTC5肿瘤（主要是Normal-like肿瘤）的特征在于细胞外基质簇1（ECM1）升高和血浆蛋白丰度高。

图3，蛋白质组学特征与肿瘤分组有关。c，基于1447个高变异蛋白构建的乳腺癌蛋白质相关网，颜色代表了GO功能富集，并突出标识了核心蛋白。

4    MET和EGFR在正常样肿瘤中处于核心状态

    考虑到针对单个靶点的癌症治疗方法容易引起肿瘤细胞的耐药性，抑制串联或平行途径的蛋白质是一种有前途的治疗方法，作者随后检查了与表达相关的已知药物靶标，并希望揭示它们的协同功效。ESR1、PGR、AR和BCL2的蛋白质丰度高度相关，表明它们可能协同作用，并使肿瘤对现有治疗性雌激素、孕激素和雄激素受体抑制剂以及诱导凋亡的BCL2拮抗剂同时靶向敏感。MET和EGFR的蛋白质丰度高度相关，其共表达可能是Basal-like和Normal-like肿瘤的标志物。EGFR和MET的共同升高似乎仅限于原位导管癌（DCIS）区域肿瘤，两个肿瘤中这些区域的高分辨率图像表明EGFR-MET共定位可能为其原位存活带来优势。识别组织病理学标志物是确保将患者正确分类为治疗方案的重要步骤，同时揭示了在侵入性和DCIS地区中EGFR和MET的反向共调节作用为这种研究不足的疾病类别的治疗发展提供了依据。

图4，药用蛋白质组分析。a，所有290个FDA批准的药物靶标相关矩阵检测；e、f，通过MS蛋白质组学对肿瘤切片进行EGFR和MET IF染色模式评分，根据PAM50亚型排列肿瘤并按浸润性和导管原位癌（DCIS）肿瘤区域分隔；g，Normal-like亚型中EGFR和MET的共同染色，显示了e和f中可评估的DCIS和侵入性成分。

5    在蛋白质水平上抑制了CNA的影响

    已知基因拷贝数改变（CNA）与其在乳腺癌肿瘤中的相应转录本（即顺式相关）的表达有关，作者探讨了CNA是否可以解释队列中蛋白质组之间的差异。一般情况下，蛋白和mRNA的表达量随基因拷贝数的增加而增加，但CNA对蛋白的影响普遍低于mRNA。CNA作用的减弱可以通过蛋白质水平的调节机制来解释。作者根据蛋白质丰度和与CNA的mRNA表达相关性的高斯混合模型，将基因分为低衰减和高衰减的组。研究减弱效应与泛素-蛋白酶体蛋白降解途径的关系，显示高衰减组的蛋白质的丰度受到更多的调节。6个基因组丢失（包括CCNB1的丢失）与mRNA和蛋白质水平上的丰度增加有关，表明可能实施了补偿机制。定量蛋白质中，83％与具有显著拷贝数的基因组重叠，这些数目与转录本或与蛋白质丰度关联密切相关。这种一致性表明，适合进行易于处理的高质量蛋白质组定量研究的队列规模具有足够的统计能力，可以重现来自更大队列的发现。

图6，基因拷贝数对mRNA和蛋白质水平的影响。a、b，维恩图显示与RNA或蛋白质水平相关的CNA顺式扩增（a）和丢失（b）；c， CNA与RNA和蛋白质的相关性散点图，以确定在蛋白质水平上减弱的CNA效应；e，CNA扩增的基因组分布；f，对CNA位置基因的MsigDB富集分析。

6    蛋白质组学确定候选免疫治疗靶标

    致瘤基因组畸变的翻译产生肿瘤特异性蛋白质，其免疫反应性使其成为靶向免疫疗法的理想候选抗原。作者进行深入蛋白质组鉴定，识别了388个新肽段，其中有116个肽段被预测与MHC结合，且在正常组织中没有被鉴定到。lnc-AKAP14-1:3和lnc-CXorf36-3:1是患者特定的候选免疫靶标，对应于非编码区，其蛋白质产物分别在一个和两个肿瘤中升高，并且其存在由多个定位肽支持。这证明了有些新肽段在个别肿瘤是高表达的，同时展示了有些肽段在肿瘤组织中高表达。因此，在蛋白质组中鉴定抗原靶标可以简化免疫疗法的发展，因为免疫系统由MHC上显示的蛋白质片段激活。这些高可信度的鉴定证明了高质量蛋白质组谱的蛋白质组学分析在推动个性化医学方面将发挥重要作用。

图7，蛋白质组学分析。b，鉴定新编码区的肽，并根据相应基因座中的基因组注释进行分类；c，来自公共数据对新型肽的证据；e，新肽lnc-AKAP14-1:3和lnc-CXorf36-3:1的表达水平。

讨 论

    本研究是第一个基于蛋白质组图谱的无偏分析对乳腺肿瘤亚型分层的研究。蛋白质定量成员的显著相关性证明了蛋白质定量的可靠性，并通过对蛋白质组学和并行系统测量的进一步分析，在乳腺癌领域获得更多见解。这些见解包括基于免疫成分确定Basal-like肿瘤的明确分离，通过特定组调节蛋白的磷酸化来推定特征性癌症标志基因的调节控制，揭示增生性肿瘤亚型的糖酵解偏好以及确定可能的拷贝数变化通过蛋白质水平的调节机制，例如泛素化和随后在蛋白酶体中的降解而减弱。此外，还鉴定MET-EGFR共表达可作为验证肿瘤亚型的生物标志物。基于高质量蛋白质组数据的患者分层以与多个系统水平和免疫组化的一致性为标志，强调了将系统水平的发现转化为有效治疗策略的多方面方法的实用性。