西湖大学这也太有钱!1000多个样本的蛋白质组测序构建中国EOC蛋白质组图谱,膜拜大佬!

学术   2024-11-10 19:00   上海  

今天在NC上看到一篇很牛的文章,分享给大家!
这篇文章是西湖实验室郭天南团队与浙江省肿瘤医院郑智国、朱笕青,浙江大学华跃进团队合作发表的,文章发在Nature Communications上面,西湖大学郭天南团队博士后钱鎏佳为本文共同第一作者。
这篇文章的工作量巨大,一看就耗费了上百万研究经费。小云还注意到比较有趣的一点,这篇文章借助了ChatGPT对文章进行了润色,借助ai工具并非什么羞耻之事,放心用就好了,当然要保证准确性,和严谨性!
另外,该研究中生成的原始蛋白质组学数据已经被存储在iProX数据库中,并且可以通过以下标识符访问:PXD053625,或者作为IPX0004169000也可获取。而原始的目标基因组数据可以在基因组序列存档库(Genome Sequence Archive, GSA)中通过访问编号HRA007126找到;同时也可以通过PRJCA024971这个编号来访问。
想做复现或者使用这篇蛋白质组学数据的朋友可以开心的获取到新数据啦~
一起看下创新点:
1.全面的蛋白质组学分析:研究者对来自813名不同组织学类型和治疗方案的EOC患者的卵巢组织和血浆样本进行了深入的蛋白质组学分析,覆盖了超过10,000种蛋白质的表达。
2.组织与血浆样本的整合研究:研究不仅分析了肿瘤组织中的蛋白质表达,还将其与血浆样本中的蛋白质表达进行了关联。这种整合性研究方法有助于识别那些在肿瘤组织中表达变化并在血浆中可检测的蛋白质,为开发非侵入性的液体活检提供了科学依据。    
3.机器学习模型预测疾病复发:研究者利用机器学习算法,结合蛋白质组数据和临床信息,构建了预测EOC患者一年内复发风险的模型。这些模型在独立队列中得到了验证,显示出较高的预测准确性,为个性化医疗和治疗决策提供了新的工具。
(ps:和大佬是比不了,但是大佬提供的数据我们可以拿来用呀!除此之外网上还有公共数据供我们挑选,关键是设计一个好方案。经费卷不动,技术跟不上,但是我们可以在选题上猛创新,技术路线上微创新,文章撰写上下功夫,这样的结果也差不了!如果你也想较为轻松的发表高质量的生信文章,但缺乏灵感或方向,可以咨询小云哦。小云在文章选题、数据分析以及撰写方面拥有丰富的经验,能够为你提供专业的建议和指导,帮助你轻松达到目标!

定制生信分析

云服务器租赁

(加微信备注99领取试用)

题目:上皮性卵巢癌的蛋白质组学研究
杂志:Nature Communications
影响因子:IF=14.7
发表时间:2024年7月
主要结果
1.中国上皮性卵巢癌的蛋白质组学特征
收集了三个中国队列的753个手术切除的EOC组织样本,进行了全面的蛋白质组学分析。通过PulseDIA技术,研究者鉴定了超过10,000种蛋白质,并发现癌组织与非癌组织在蛋白质表达上存在显著差异。
图1中国EOCs的蛋白质组学全景
2.EOC组织和血浆样本中的恶性相关蛋白
假设组织活检中与肿瘤恶性程度相关的蛋白质表达水平也可以在血液样本中检测到,并可能作为区分良性和恶性状态的生物标志物。通过比较不同阶段的卵巢癌样本,研究者鉴定了与恶性程度增加相关的蛋白质群,并在血浆样本中验证了其中43种分泌蛋白。这些蛋白质包括已知的卵巢癌生物标志物CA125和其他几种在卵巢癌患者样本中过表达的蛋白质。研究者进一步构建了机器学习模型,以区分卵巢癌和非癌样本,其中八种特征的分类器显示出较好的区分潜力。
图2在血浆样本中验证EOCs潜在蛋白质生物标志物
3.中国上皮性卵巢癌五种组织学亚型的蛋白质组学特征
分析了PDS-EOC队列中EOC五种组织学亚型的蛋白质组学特征,发现HGSOC亚型相较于其他亚型有更高的淋巴转移、晚期和化疗耐药发生率。研究者鉴定了4313种差异表达的蛋白质,并发现其中606种是亚型特异性的失调蛋白。研究还发现,与CCRC相似,CCOC中血管生成被下调,这可能解释了VEGF抑制剂在CCOC临床试验中的失败。此外,研究指出了PIGR等生物标志物在区分不同EOC组织学亚型时的局限性。
图3PDS-EOC队列中组织类型特异性蛋白及其功能
4.与晚期高级别浆液性卵巢癌(HGSOC)预后相关的潜在蛋白质
在晚期HGSOC患者中鉴定了与无复发生存期(RFS)相关的潜在预后蛋白质,并发现这些蛋白质在不同队列中具有特异性,反映了宿主对不同治疗方案的反应差异。研究者还发现,TSP1在预后良好的患者中特异性表达,而剪接体循环和PD-1/PD-L1途径在预后不良的患者中被激活。此外,研究者观察到在复发队列中,与原发队列相比,某些信号通路如生长激素信号和自噬的活性有显著差异,这可能指示了不同的治疗策略和预后。
    
图4来自三个HGSOC队列的组织和血浆样本的预后分析
5.表征原发性高级别浆液性卵巢癌(HGSOC)患者的血浆预后蛋白
在原发性HGSOC患者的血浆中鉴定了与预后相关的蛋白质,并通过单变量Cox回归分析确定了不利和有利预后的蛋白质。研究发现,不利预后的蛋白质主要与炎症反应和细胞外基质组织有关,而有利预后的蛋白质则与适应性免疫系统相关。研究还发现,某些蛋白质在血浆和组织样本中均显示出预后价值,提示血浆蛋白质组学可能有助于非侵入性监测卵巢癌的进展。研究者强调了需要进一步在更大的队列中验证这些生物标志物的预后效用。
    
图5预测原发性高级别浆液性卵巢癌(HGSOC)患者一年复发的预后模型
6.HGSOC中不同的DNA损伤响应:原发性与复发性
对原发性和复发性HGSOC患者的295个基因小组进行了靶向基因组测序,发现TP53突变在两组中都很常见。研究者特别关注了HRR途径,发现在原发敏感患者中,HRR基因的突变显著更普遍。通过比较具有HRR突变的化疗敏感患者与化疗耐药患者的蛋白质组,研究者鉴定了与化疗敏感性相关的蛋白质。此外,在复发队列中,研究者发现DNA修复相关蛋白在化疗敏感患者中上调,这与原发化疗敏感患者中这些蛋白的下调形成对比。这些发现表明,复发患者的化疗敏感性可能不主要由HRR相关过程驱动,而可能涉及其他分子机制。
    
图6目标测序与蛋白质组的综合分析
文章小结
大规模样本、全面的蛋白质组学、组织与样本整合分析、机器学习模型的构建和验证、多组学亚型分析、化疗耐药性机制探索、对临床的深入讨论......这庞大的工作量无处不彰显这篇文章的牛x之处以及课题组的有钱程度,让我们恭喜NC拿下这篇文章。ps:都2024年了,你还在为找不到合适的研究课题而烦恼吗?别让机会从指尖溜走,现在就联系,让你的研究事业焕发新光彩,迈向成功之路!

定制生信分析


云服务器租赁

热点推荐

孟德尔随机化

临床公共数据分析

单细胞测序

肿瘤免疫与微环境

机器学习

单基因分析

生信云服务器

代码合集(点击查看)

培训班系列(点击查看)

云生信学生物信息学
专注生信10余年,原创文章数千篇; 公号资料免费领,寻求服务找小云; 长期学习加关注,生信干货更不停。
 最新文章