大规模的癌症蛋白质组学研究型蛋白质蛋白质变化响应药物治疗方法

德克萨斯大学MD安德森癌症中心的研究人员通过对癌细胞系中药物治疗反应的蛋白质变化进行大规模分析，获得了一个宝贵的资源，以帮助预测药物敏感性，理解治疗耐药性机制，并确定最佳的联合治疗策略。

他们的研究结果今天发表在癌症细胞该研究包括了在使用168种不同化合物治疗后，300多个细胞系中200多个临床相关蛋白的表达变化，使其成为可获得的蛋白质反应的最大数据集药物治疗在癌细胞系。

高级作者、生物信息学和计算生物学教授韩亮博士说:“我们已经看到了许多关于药物治疗或crispr介导的基因表达变化的扰动研究，但在蛋白质组学方面存在显著差异。”“我们希望通过分析主要治疗靶标蛋白的变化来填补这一空白，这为耐药性和设计药物组合提供了很多见解。”

扰动生物学措施如何如何系统，例如癌症细胞，对各种刺激作出反应。梁解释说，这些类型的实验已经被证明在模拟癌症行为和理解系统层面的反应方面是有用的。为了分析蛋白质扰动，研究人员使用了一种叫做反相蛋白质阵列(RPPA)的技术，这种技术可以对选定的一组蛋白质进行快速定量分析。在基线和治疗后，通常在多个时间点测量蛋白质水平。

该研究评估了靶向各种信号通路和细胞过程的药物，跨越319常用，精心特征细胞系来自许多癌症类型，包括乳腺癌，卵巢，子宫，皮肤，前列腺和血液学癌症。

研究人员没有分析所有可能的药物-细胞系组合，而是专注于那些最有可能与该领域相关的组合。他们总共生成了15492个样本的RPPA档案，包括11884个药物治疗样本和3608个对照样本。该数据具有高度的可重复性，并通过多个独立的途径进行验证。

从这些分析中获得的数据提供了对药物反应或抗性机制的重要见解，突出显示用给定药物治疗的激活或抑制的信号通路。此外，在建模中具有基线和后治疗后蛋白水平的数据更有用，以预测对额外药物的敏感性。

研究人员还构建了一个蛋白质-药物连接的全面地图，以可视化反应，并更好地研究不同蛋白质和信号通路之间的关系。这些图谱展示了哪些蛋白质在给定的药物中有显著的变化，哪些药物产生类似的反应，哪些蛋白质看到了类似的变化模式。研究这些复杂的关系可以揭示未知的联系，并可以指出潜在有效的治疗组合。

Liang说:“通过这个数据集，人们可以立即看到特定药物的后果，包括紊乱的途径和适应性反应，这可以帮助确定最佳药物组合。”“随着我们继续努力扩大数据，我们认为这将是研究人员工作的一个有价值的起点药物机制研究”。

这蛋白质响应数据公开可用于数据门户中的研究人员，该研究人员提供了可视化和下载数据的各种方法。

虽然该研究仅包括一个子集癌症类型，研究人员希望在未来继续添加到数据集。从长期来看，研究团队预计基线和治疗后的蛋白质组学分析可能是临床试验中更好地跟踪患者治疗反应和优化治疗策略的有用工具。

---

---