郭天南团队利用蛋白基因组揭示前列腺癌发生

肿瘤的发生往往伴随着基因组水平的突变，已有大量的研究表明，前列腺肿瘤组织中有着高频率的染色体重组及基因拷贝数变异（CNV）。为了深入研究基因组水平变化是如何影响下游分子功能及肿瘤发展，12月14日，西湖大学郭天南教授团队联合苏黎世联邦理工大学RuediAebersold、科隆大学AndreasBeyer等利用蛋白基因组（Proteogenomic）对例前列腺肿瘤及良性增生样本进行了基因组、转录组及蛋白质组检测，描绘了一幅全景式的分子调控网络，为深入了解前列腺肿瘤的发生机制、更科学的临床诊断以及更有效的干预手段提供了大量信息。该研究近期以题为Convergentnetworkeffectsalongtheaxisofgeneexpressionduringprostatecancerprogression发表于顶级期刊《GenomeBiology》(IF10.）。实验材料：来自39位前列腺癌患者的份组织样本（包括不同恶性程度分级的肿瘤组织以及良性增生组织）以及39份血液样本（用于外显子测序的对照）。技术路线图：结果1：样本收集策略及临床生存期差异根据肿瘤侵袭性的高低，研究者利用国际泌尿病理学会分级方式将39位患者分成了3大类：低侵袭性（G1）、中侵袭性（G2-G3）、高侵袭性（G4-G5）。针对低侵袭性病例，仅取肿瘤组织样本以及良性增生样本；针对中高侵袭性病例，每个病例会各取一份相对低侵袭性（TA2）和高侵袭性（TA1）样本作为分析对象。从临床数据看出，肿瘤侵袭性与无生化复发生存率有显著负相关。结果2：不同临床分级肿瘤的分子特征差异为比较不同分级肿瘤在各组学层面分子特征异同，研究者对基因突变频率、拷贝数变异、转录组和蛋白质组差异表达基因等信息进行统计。结果发现：不同分级的肿瘤样本在各种组学分子层面都具有显著差异，尤其基因拷贝数变异差异最为显著。结果3：基因拷贝数变异对蛋白表达的影响既然基因拷贝数变异在不同分级肿瘤中差别最为显著，接着研究者进一步通过转录组及蛋白质组学数据探究基因拷贝数变异是通过何种方式影响下游基因和蛋白的表达。作者挑选肿瘤及对照样本中蛋白表达差异变化最大的前20个分子分析，发现一些与肿瘤相关的明星分子，如PSA，AGR2，MDH2，MFAP4，FABP5，RABL3等。而这些基因都没有直接位于基因拷贝数变异位点上，而是受到其它基因拷贝数变异的反式调控。结果4：肿瘤驱动基因网络构建为了更深入研究这些关键分子的互相调控网络。作者首先挑取了上述20个基因中转录-蛋白表达趋势一致的4个基因，基于STRING数据库建立了蛋白互作网络。通过找寻与这4个目标基因有互作关系，且发生基因拷贝数变异的基因，作者确定了一些候选的拷贝数变异调控位点。再通过这些位点的拷贝数变异数与目标基因的表达量进行相关性分析，发现ACP3基因（一种已知的前列腺癌标志物的基因表达）与互作网络中该基因临近的13个基因的拷贝数变异平均相关性最强。经过多维模型统计检验，进一步筛选出这13个基因中有5个基因的拷贝数变异与ACP3表达具有显著相关性。利用公共数据库进行独立队列的验证也发现，这5个基因（DGUOK,APRT,GOT1L1,NKX3-1和ENTPD4）都与ACP3基因的表达呈显著相关。结果5：不同等级肿瘤驱动基因互作网络构建基于上述类似的思路，研究者把互作网络构建的原则从“肿瘤-对照”扩展到“低侵染性肿瘤-高侵染性肿瘤（包括不同患者间，以及同一患者不同等级肿瘤间）”上。通过构建在拷贝数变异、转录组、蛋白质组在高侵染性肿瘤中都上调及下调的互作网络，阐述了基因拷贝数变异如何调控影响肿瘤的分级程度。从网络中筛选出的一些关键基因，比如EMD,BANF1,ACTL6A,YY1,RUVBL1,KANSL1,MRGBP,VPS72,ZNHIT1等，可以作为低侵染性肿瘤恶化的标志物。进一步通过公共数据库进行独立队列的验证，发现其中一些基因的拷贝数变异或表达量的确与患者的生存率具有显著相关性。同时，研究也发现在高侵染性肿瘤中，并不总是由单一的互作网络模块进行调控，预示着即使同属于高侵染性肿瘤，它们仍存在肿瘤异质性。小结本研究基于基因组、转录组、蛋白质组数据，利用蛋白质互作网络为主的分析思路，揭示了前列腺癌发生以及肿瘤恶化发展背后的协同网络分子机制——包括基因拷贝数变异、转录/蛋白表达变化以及它们之间的相互联系。这些研究为筛选出前列腺肿瘤恶化的标志物及提出更有效的治疗方案提供了有用的信息。