通过对癌细胞系中药物治疗反应的蛋白质变化进行大规模分析，德克萨斯大学MD安德森癌症中心的研究人员已经获得了宝贵的资源，可帮助预测药物敏感性，了解治疗耐药机制并确定最佳组合治疗策略。
他们的研究结果，在今天公布的癌细胞，包括与168种不同的化合物处理后，在超过300株以上200种临床相关的蛋白质表达的变化，使其成为最大的蛋白质反应，可用的数据集药物治疗在肿瘤细胞株。
高级作者韩亮博士说：“我们已经看到了许多扰动研究，这些研究关注药物治疗或CRISPR介导的变化后的基因表达变化，但是在蛋白质组学分析方面存在显着差距。”生物信息学和计算生物学专业。“我们希望通过分析主要治疗靶蛋白的变化来填补这一空白，从而在耐药性和设计药物组合方面提供很多见识。”
扰动生物学测量诸如癌细胞之类的系统对各种刺激的反应。Liang解释说，这些类型的实验已证明对建模癌症行为和了解系统水平的反应非常有用。为了描述蛋白质扰动，研究人员使用了一种称为反相蛋白质阵列(RPPA)的技术，该技术可以对一组选定的蛋白质进行快速定量分析。在基线和治疗后通常在多个时间点测量蛋白质水平。
这项研究评估了针对319种常见，特征明确的细胞系的靶向多种信号通路和细胞过程的药物，这些细胞系来自许多癌症类型，包括乳腺癌，卵巢癌，子宫癌，皮肤癌，前列腺癌和血液癌。
研究人员没有分析所有可能的药物-细胞系组合，而是关注与该领域最相关的那些药物。他们总共生成了15492个样品的RPPA图谱，其中包括11884个药物处理过的样品和3608个对照样品。数据具有很高的可重复性，并通过多种独立途径进行了验证。
从这些分析中获得的数据提供了对药物反应或耐药机制的重要见解，突出了在用给定药物治疗后被激活或抑制的信号通路。梁解释说，此外，拥有基线和治疗后蛋白质水平的数据对于建模以预测对其他药物的敏感性更为有用。
研究人员还构建了蛋白质-药物连接的综合图，以可视化反应并更好地研究不同蛋白质与信号传导途径之间的关系。这些图显示了给定药物中哪些蛋白质发生了显着变化，哪些药物产生了相似的反应以及哪些蛋白质发生了相似的变化模式。研究这些复杂的关系可以揭示未知的联系，并可以指出潜在的有效治疗组合。
“通过该数据集，人们可以立即看到给定药物的后果，包括干扰途径和适应性反应，这可以帮助确定最佳药物组合，” Liang说。“随着我们继续努力扩展数据，我们认为这将是进行药物机制研究的研究人员的宝贵起点。”
该蛋白质反应数据是公开的在数据门户，它提供了可视化和下载数据的各种方法的研究。
尽管该研究仅包括癌症类型的一部分，但研究人员希望将来继续将其添加到数据集中。从长远来看，研究团队预计基线和治疗后的蛋白质组学分析可能是临床试验中有用的工具，可以更好地跟踪患者的治疗反应并优化治疗策略。
