全新肺癌的蛋白质组学研究汇萃

蛋白网络生物标记研究诊断肺癌

　台湾清华大学王（Wang）等报告，构建蛋白相关网络的生物标记，有助于了解肺癌发生过程和机制，并可提示抗癌治疗的潜在靶区。论文发表于《生物医学中心·医学基因组学》（BMC Med Genomics 2011; 4: 2）。

　　研究者采用系统生物学方法集成芯片，内含基因表达图谱和蛋白质相互作用信息，以形成一种基于网络的研究肺癌发生和诊断的生物标志物。基于网络的生物标记由两个蛋白相关的网络构成，分别用来检测癌标本和无癌标本。

　　结果为，共确认40个与肺癌发生显著相关的蛋白。对于有肺癌相关症状的吸烟者，基于网络的生物标志是一种有效的筛查手段。

两步法提高蛋白图谱肺癌诊断精度

　台湾新光吴火狮纪念医院许（Hsu）等报告，炎性疾病会严重影响肺癌表面增强激光解析/离子化飞行时间质谱技术（SELDI-TOF-MS）图谱的检测精度，而使用两步分析法将提高肺癌检测的特异性和精度。论文发表于《蛋白质组科学》[Proteome Sci 2011，9（1）：20]杂志。

　　研究者将118例肺癌患者、72名健康者及31例炎性疾病患者的血清随机分入传统方法组和两步法试验组（3:2）。在传统方法组，使用SELDI图谱分析，直接将肺癌患者的血清从样本中区分出来；在试验组中，采用两步分析法，第一步先区分健康和非健康人群，第二步区分癌症患者和炎性疾病患者，这样可最大限度地减少炎性疾病影响。

　　结果为，一步法的灵敏度为87.2%，特异性为37.5%，精度为64.4%。两步法的灵敏度较低（> 70.1%），但特异性（80%）和精度（74.7%）较高。

IGEM-CNM示肺癌预后

　　许多研究已阐释了肺癌的病因学并改善了其治疗方式，但迄今肺癌的5年生存率仅15%。采用基因芯片技术寻找肺癌预后相关的生物标志面临很大的挑战，因为不同的研究很少报告相似的基因。台湾大学鲁（Lu）等报告，通过整合基因表达图谱(integrator gene expression map ，IGEM)和拷贝数变异（copy number mutation ，CNM），或可将基因或路径作为肺癌预后的生物标志。论文发表于《公共科学图书馆·综合》[PLoS One 2011，6（9）：e24829]。

　　研究者对基因拷贝数变异和基因表达的的基因组进行分析，以确认与肿瘤发生及非吸烟女性肺腺癌生存率相关的基因。结果为，在至少30%的样品中有频繁的基因拷贝数变异区（CNVR）的基因图谱，其变异模式与之前几个报道非常相似。进一步对位于CNVR的基因进行数据分析后发现，在肿瘤和正常组织中，有475个表达不同的基因（P<10-5)，且其可重现性在另一项研究中被证实（P =0.0034）。通过严格的皮尔森相关系数，显示了拷贝数变异与基因表达变化间的一致性。此外，路径分析揭示了肺肿瘤发生中的两个主要功能失调，即AKT介导的生存调节和细胞骨架重构，并通过三个独立队列验证了其预测生存的有效性。