基于高通量蛋白质组学的蛋白互作网络研究及其在癌症分析中的应用

一、高通量蛋白质组学在动态蛋白互作网络研究中的应用进展

蛋白质是生命活动的最终执行者，因此蛋白质组学研究在揭示细胞生物学事件的内在机制方面具有重要价值。蛋白质之间的相互作用是实现细胞信号传导及维持体内平衡的关键机制。传统上，蛋白互作网络的研究主要依赖酵母双杂交或亲和纯化-质谱联用等方法。然而，即使构建静态的蛋白质互作网络，上述方法仍面临显著挑战，全面解析蛋白互作的动态网络则更加难以实现。

近年来，高性能质谱仪的发展推动了高通量蛋白质组学技术的进步，使其成为蛋白质组学研究中的有效手段，广泛应用于蛋白质表达谱、翻译后修饰谱以及蛋白互作网络的构建。一项发表于权威学术期刊Nature biotechnology的研究，报道了一种基于高通量定量蛋白质组学技术的蛋白互作分析方法(IMAHP，Interactome mapping by high-throughput quantitative proteome analysis)。利用该方法，研究人员分析了41个乳腺癌细胞系中存在的异常蛋白互作，并探讨了这些异常互作如何影响细胞命运。进一步研究表明，这些异常互作蛋白可作为生物标志物，用于预测各细胞系对195种药物的敏感性。

该研究认为，该方法可广泛应用于深入解析蛋白互作的动态变化、识别癌症中异常蛋白互作，以及支持后续的药物筛选工作。

二、基于高通量蛋白质组学的蛋白互作网络研究思路与成果

本研究采用10标TMT肽段体外标记技术，对41个乳腺癌细胞系进行了高通量蛋白质组学分析。共鉴定到10,535个蛋白，平均每个细胞系鉴定9,115个蛋白，其中6,911个蛋白具有定量数据。值得关注的是，研究采用了SPS-MS3定量策略，有效克服了传统MS2定量方法准确性不足、易受基质干扰及重复性较差的问题（图1a）。通过斯皮尔曼等级相关系数进行聚类分析，结果显示41个细胞系可准确归属于其对应的乳腺癌亚型，包括Luminal型、Basal型、Claudin-low型及非恶性型（图1）。基于蛋白质组数据的亚型聚类结果与基于转录组数据的聚类结果基本一致。在获取已发表的36个细胞系转录组学数据后，研究进一步比较了蛋白质组与转录组数据在分析蛋白相互作用方面的差异。以蛋白酶体亚基PSMB1与PSMB2为例，分析显示这两种蛋白之间的已知相互作用与其蛋白表达水平呈高度相关（ρ=0.8），而与其mRNA表达水平的相关性则极差（ρ=0.08）。随后，以STRING数据库中高置信度相互作用（评分≥0.700）为参考标准，评估基于蛋白组与转录组所构建的蛋白互作网络的准确性。结果表明，基于蛋白组数据获得的蛋白相互作用中有42%可在STRING数据库中得到验证，显著高于转录组数据组的4%。由此可见，仅依赖转录组预测蛋白相互作用存在较大偏差，而基于蛋白质组学的预测则具有更高的可靠性。

图1. 高通量多重定量蛋白质组图谱及蛋白共调控分析

为进一步构建蛋白互作网络，研究对41个乳腺癌细胞系的蛋白质组数据进行了共调控分析。根据蛋白复合物数据库CORUM的注释信息，在3,024个蛋白之间存在14,909处相互作用，其中鉴定到143个独特的蛋白复合物。在全部14,909处相互作用中，有4,197处（28%）可在CORUM数据库中得到验证，5,149处（35%）可在STRING数据库中得到验证，同时被两个数据库收录的相互作用达3,032处（图2）。

图2. 基于蛋白质组共调控分析的蛋白互作网络

研究进一步分析了41个乳腺癌细胞系中差异化的异常蛋白互作网络。例如，在MD-AMB-157细胞系中成功检测到THOC1与THOC2之间的异常相互作用（图3）。分析表明，不同细胞系中异常蛋白互作的数量差异显著，从ZR751细胞系的0.1%到Hs578T细胞系的5.9%，涉及多种不同的蛋白复合物。这些异常互作的数量与那些缺失会影响细胞命运的蛋白数量呈高度正相关。几乎在所有细胞系中，决定细胞命运的蛋白均显著富集于异常蛋白互作网络中。上述结果提示，该方法可高通量地分析肿瘤细胞系中的异常蛋白互作，从而有效预测肿瘤细胞系的命运走向。

图3. 蛋白共调控偏差识别细胞系特异性异常互作

研究发现，在Luminal与Basal两个乳腺癌亚型中，异常互作的蛋白存在明显差异：32个细胞周期调控蛋白显著富集于Basal亚型，而10个线粒体核糖体蛋白则显著富集于Luminal亚型（图4）。为评估这些异常蛋白互作是否可用于预测细胞系对药物的敏感性，研究采用195种药物分别处理41个细胞系。结果显示，有6种药物对存在周期蛋白异常互作的细胞系作用最为显著，同时也有6种药物对存在线粒体核糖体蛋白异常互作的细胞系作用最为显著。这些发现表明，全面的蛋白互作网络分析是预测癌细胞系药物敏感性的一种有效策略。

图4. 亚型特异性异常功能模块与药物敏感性关联

三、结论与展望

综上所述，相较于转录组测序，基于高通量蛋白质组学技术的蛋白互作分析方法能够更为有效且准确地绘制细胞内蛋白互作网络，并识别癌细胞中存在的异常蛋白相互作用。该方法的建立为癌症机制研究和药物筛选提供了有力的技术支撑。