肺癌是全世界发病率最高的癌症，每年导致的死亡人数也在各癌种中高居首位。尽管已经有很多基因组方面的研究和应用转化，但是人们对于肺癌的蛋白质组层面仍然知之甚少。

2020年7月，Cell 杂志同时在线发表了三篇关于肺腺癌蛋白质组学的研究成果，分别描绘了肺腺癌患者、非吸烟肺癌患者、不同吸烟状态肺癌患者的蛋白质组表达谱图^1-3。接着，2021年8月，Cell 杂志发表文章描绘了肺鳞癌的蛋白组学特征⁴。其中的一篇题为“Integrative Proteomic Characterization of Human Lung Adenocarcinoma”的研究论文³，基于蛋白质组层面的分子特征将肺腺癌分为3个亚型。另一篇题为“A proteogenomic portrait of lung squamous cellcarcinoma”的研究论文⁴，通过蛋白组学聚类将LSCC分成五种亚型。这两篇文章揭示了蛋白质组学在肺癌分型中的作用，为未来诊断和治疗提供了指导。今天银河国际视角将解读一篇近日发表于Nature cancer上的基于蛋白质组学对非小细胞肺癌进行分型的文章，希望对广大医师朋友们有所启示。

2021年11月，瑞典卡罗林斯卡医学院研究团队在Nature cancer上发表题为“Proteogenomics of non-small cell lung cancerreveals molecular subtypes associated with specific therapeutic targets andimmune-evasion mechanisms”的文章⁵，报道了基于蛋白质组学的非小细胞肺癌分型及相关的治疗靶点和免疫逃避机制。

首先，研究人员收集了5种主要组织学类型（AC、LCC、LCNEC、SCLC、SqCC）的141例配对的非小细胞肺癌（NSCLC）的肿瘤组织样本和癌旁组织样本，通过TMT蛋白质组学总共鉴定到13975个蛋白，聚类分析可将NSCLC患者分为6个不同的亚型。亚型1-4主要包含AC（77-100%），亚型5主要包含LCNEC（64%），亚型6主要包含SqCC（96%），吸烟患者富集于亚型1，而性别、肿瘤分期和年龄分布没有显示特定的富集模式。结合基因组测序结果发现，亚型1中EGFR突变富集，亚型4中的STK11、KEAP1和SMARCA4突变富集，亚型5中的RB1突变，亚型6中的TP53突变，且突变模式与表型水平网络分析一致，如E2F1/MYC信号改变和RB突变在亚型5富集，代谢改变和STK11突变在亚型4富集，p53信号和TP53突变在亚型6中富集。结果表明，尽管有正式的组织学分类，NSCLC蛋白质组亚型覆盖了与驱动信号通路相关的主要分子癌症表型。

接着，研究人员评估了免疫检查点的受体和配体的表达，发现受体的蛋白质水平通常与T细胞的浸润相关。此外，配体（由癌细胞和APC表达）表现出更多的可变模式，表明不同的亚型可能使用不同的免疫逃避机制。在亚型2中发现了PD-L1具有最显著的表达，分析还揭示了另外两种亚型特异性配体，即FGL1在亚型4中高表达和B7-H4在亚型6中高表达。而已有研究表明FGL1为肿瘤细胞分泌的LAG-3的高亲和力配体，导致FGL1-LAG-3介导的T细胞抑制，B7-H4作为免疫检查点来预防自身免疫，靶向B7-H4可减少CT26小鼠模型中的肿瘤生长和肺转移的形成。这些结果表明确定NSCLC蛋白质组亚型可能对已在临床使用或在临床试验中研究的不同类型的检查点抑制剂具有预测价值。

为了研究亚型4中FGL1高表达背后的机制，研究人员进行了关联分析鉴定FGL1相关蛋白和转录本，发现FGL1与肿瘤抑制因子STK11/LKB1在蛋白质水平而非mRNA水平呈强烈负相关，表明STK11转录后调控FGL1表达。值得注意的是，与FGL1相关性最高的蛋白质/mRNA是CPS1，这两个基因在STK11突变的AC病例中表达显着更高，且FGL1和CPS1 mRNA水平增加和STK11 mRNA表达降低在LUAD中尤为明显，支持了FGL1和CPS1转录受 STK11依赖性调控。进一步通过对癌症药物敏感性基因组学 (GDSC) 项目中的926个细胞系中FGL1和CPS1的mRNA水平进行分析，发现在NSCLC细胞系亚组中特异性共表达。研究人员继续评估具有高FGL1和CPS1表达的NSCLC细胞系与其它NSCLC细胞系之间药物反应的差异，发现表达FGL1/CPS1的细胞对多西他赛（常用的NSCLC化疗药）和靶向mTOR信号的多种化合物具有更高的敏感性。已有研究表明STK11通过激活AMPK抑制mTOR信号传导，在AMPK活性丧失的癌细胞中mTOR成为致癌驱动因子，说明FGL1/CPS1水平升高是STK11-AMPK信号传导丧失的可靠指标。结果说明了通过蛋白质组学获得的信息分析可以对疾病相关信号通路实现更全面理解，并对通路抑制剂的疗效进行预测。

通过上面的分析表明了NSCLC蛋白质组亚型的临床价值，研究人员随后对其进行了验证。通过开发了两种 NSCLC分类方法，基于支持向量机 (SVM) 和k-TSP（k-Top ScoringPairs），筛选到200个蛋白用于NSCLC分类。由于缺乏描述跨组织学类型的NSCLC蛋白质组的已报道的数据集，研究人员使用 NSCLC转录组学数据集（GEO NSCLC)验证了SVM分类器，发现GEO NSCLC的分类再现了在亚型、特征和标记表达方面具有高度相似特征的6种NSCLC蛋白质组亚型，且相关的总生存数据表明分类亚型之间的预后差异，表明 NSCLC 蛋白质组亚型的预测价值。

为了进一步验证基于MS数据的分类方法，研究人员使用DIA-MS分析了另一个独立的 NSCLC队列（n=208）。选择其中的覆盖至少50%的k-TSP特征的样本（n=188）进行分类，成功将其中的175个样本分类为先前描述的6种NSCLC蛋白质组亚型。19例EGFR突变患者中的13例被成功归类到先前描述的亚型1中，其他患者亚型分类的结果也与前面的亚型分类高度一致，表明了基于 DIA的NSCLC亚型分类方法具有潜在临床意义。

|   银河国际视角

|   银河国际-蛋白质组学平台