癌症研究进展 - 癌症是一组异质性疾病，其特征是恶性细胞不受控制地生长和扩散，逃脱了正常的检查和平衡机制 [1] - 肿瘤的分子特征可用于临床干预，以实现个性化治疗 [1] - 癌症基因组图谱（TCGA）和国际癌症基因组联盟（ICGC）的大规模基因组学研究旨在编录主要的致癌基因组改变，并提供一份全面的癌症基因组特征"图谱" [1] 蛋白质组学研究 - 蛋白质是细胞中的功能单位，也是大多数疗法的作用靶点 [1] - 仅依据基因组/表观基因组和转录组特征来选择靶向治疗仍有改进空间 [1] - 蛋白质组不仅能够拓展对细胞动态分子行为的理解，帮助揭示癌症表型的形成机制，还可能改善诊断和治疗选择 [1] 泛癌种蛋白质组图谱（TPCPA） - 研究利用数据非依赖性采集质谱（DIA-MS）构建了一个大规模泛癌种蛋白质组图谱（TPCPA），覆盖了22种癌症类型（18种实体瘤和4种非实体瘤）的999例原发肿瘤样本 [2][4][5] - 定量了9670种蛋白质，系统分析了癌种间和同种癌症内的蛋白表达特征 [2][5] - 识别出多个泛癌与特异性蛋白标志物、潜在靶点以及癌症亚型分类器 [2][6] 研究发现 - 对于蛋白靶向降解嵌合体（PROTAC），研究确定了在特定肿瘤类型中高表达的E3泛素连接酶，包括HERC5（在食管癌中高表达）和RNF5（在肝癌中高表达） [6] - 共表达分析揭示了13个模块，其中包括一些意想不到的枢纽蛋白，它们可能是潜在的药物靶点，例如GFPT1、LRPPRC、PINK1、DOCK2和PTPN6 [6] - 通过对195例结直肠癌的分析，研究确定了基于RNA的共识分子亚型（CMS）和两种具有预后价值的免疫亚型 [7] 数据开源与应用 - 研究团队开源了所有的TPCPA数据，这些数据均可在门户网站http://r2platform.com/TPCPA/中免费查询和使用 [9] - 构建了一个基于75个蛋白的癌症亚型分类器，在内部验证及4个独立队列（包括转移癌）中均表现优异（AUC大于0.98），可用于识别原发灶不明的癌症 [7]