Olaparib

Nature精读：人体蛋白质组“地图”如何走向癌症靶点？ 从2,856个样本到潜在治疗靶点，逐层拆解数据→规律→转化的问题驱动链 Human Proteome & Cancer Targets 如果一篇论文告诉你： 它测了1万多种蛋白。 你可能觉得：又是一次规模很大的蛋白质组学研究。 但如果进一步告诉你： 这些蛋白来自58类主要组织、251个组织亚型、25种癌症，覆盖胎儿、健康成人、癌旁和肿瘤四种状态——并且研究团队进一步把这些数据与药物靶点、药物敏感性和CRISPR基因依赖性连接起来—— 这篇论文的意义就不一样了。 2026年，Nature发表了这项研究： 《Spatial distribution of the proteome in the human body and in cancers》 研究团队利用数据非依赖性采集质谱（DIA-MS），分析了2,856个样本，定量获得13,609种蛋白，建立了一张人体蛋白质组的空间地图。 但这篇论文真正值得科研人员学习的，不是数据量大。 而是作者如何把一个大规模数据资源，逐层转化成能回答不同科学问题的工具。 下面跟着研究的问题驱动链，逐层拆解。 一、先解决一个基础问题：如果数据本身不可比，后面的所有分析都没意义 做人体蛋白质组研究，最容易想到的问题是： 把不同组织拿来测一遍蛋白，不就可以了吗？ 实际上远没有这么简单。 如果不同样本来自不同平台、不同实验批次、不同处理流程，那么即使最后得到几万个蛋白，也很难进行可靠的横向比较。 所以这项研究首先要解决的是：建立一个统一、可比较的蛋白质组测量框架。 他们怎么做的？ 研究团队收集了多个来源的人体样本： 9例成人尸检供体（死后10小时内采样） 8名健康参与者（血液、唾液、尿液等体液） 9例胎儿尸检供体（22种胎儿组织） 1,015名癌症患者（25种癌症类型，肿瘤+配对癌旁组织） 总计2,856个样本，经DIA-MS分析，最终在蛋白质水平上以0.1%的全局假发现率（FDR）定量了13,609个蛋白组。 质量控制怎么做？ 为了确保大规模数据可靠，研究团队设置了多层质控： 第一层：诱饵库策略（entrapment library） 在人类谱库中混入非人物种的谱图，通过计算诱饵发现的频率来精确控制FDR。最终将蛋白质水平的全局FDR控制在0.1%。 第二层：双质控品监测 每批样本分析前，均注入： 项目特异性混合样本（pooled sample） 小鼠肝脏消化物标准品 持续监测仪器稳定性和批次间重现性。 第三层：批次效应校正 使用主成分方差分析评估批次效应，并利用limma包的removeBatchEffect函数进行两轮校正，将批次作为协变量纳入后续所有差异分析模型。 为什么这一点值得关注？ 对于大规模组学研究来说： 样本数量只是第一层竞争力，数据能不能比较，才决定后面的所有分析有没有意义。 如果不同批次的数据本身不可比，那么后面的差异蛋白、聚类、机器学习甚至药物靶点预测，都可能建立在不稳定的基础上。 所以这篇文章的第一层价值是： 建立了一个统一、可比较的人体蛋白质组参考坐标系。 有了这个坐标系，才能开始问真正的问题。 二、建立资源之后，第一个问题：这么多样本放在一起，能看到什么整体规律？ 有了2,856个样本的蛋白质组数据，作者开始问： 胎儿组织、癌症组织、癌旁组织和正常成人组织，在蛋白质组层面到底是什么关系？ 他们做了什么？ 研究团队对所有样本进行了t-SNE降维。 结果出现了一个非常规律的模式： 沿着t-SNE第1轴，样本按照胎儿（F）→ 肿瘤（T）→ 癌旁（NT）→ 正常成人（N）的顺序排列。 这个顺序恰好对应着组织分化程度的梯度——胎儿最低，正常成人最高，肿瘤和癌旁介于中间。 但作者没有停在t-SNE图上 他们进一步做了轨迹分析（trajectory analysis），给每个样本赋予了一个“伪时间值”（pseudotime），把离散的四个状态转化成一条可量化的变化路径。 结果发现：不同组织的表现不一样。 脑组织：四个状态高度聚集在一起，蛋白质组在发育和癌变过程中非常稳定 肝脏：肿瘤和癌旁聚集在高伪时间区域，远离胎儿肝脏，说明肝脏具有更强的适应性可塑性 然后呢？从“样本变化”走向“蛋白模块变化” 作者进一步筛选出随F→T→NT→N变化显著的蛋白，进行k-means聚类，识别出8个共表达模块（M1-M8）。 其中两个模块特别值得关注： 模块3：表达呈递减趋势，富集RNA剪接——提示RNA剪接同时参与组织发育和肿瘤发生 模块8：表达呈递增趋势，富集体液免疫应答——提示产前和肿瘤样本中免疫处于抑制或不完全状态 为什么这个发现重要？ 很多科研课题习惯做： Tumor vs Normal 然后找差异蛋白。 但如果把研究对象放到一个更大的状态体系里，就可以进一步问： 这个蛋白是只在肿瘤里异常，还是它其实随着组织从未分化到成熟、再到肿瘤去分化，发生了连续变化？ 这就是研究视角的升级——从“两两比较”到“趋势分析”。 三、宏观规律有了，下一个问题：哪些蛋白真正定义了某个组织的“身份”？ 前面的分析回答了“不同状态之间有什么变化”。 接下来作者要回答： 一个组织到底有什么自己的蛋白质“身份”？ 他们做了什么？ 研究团队按照组织富集程度对蛋白进行分类，筛选出在某一组织中表达显著高于其他组织的蛋白 最终在74个经过细化的组织类型中，识别出1,717个组织富集蛋白 其中480个来自此前研究覆盖不足的24类组织 一个典型例子：PANX3 作者发现PANX3是耳蜗中富集程度最高的蛋白之一。 而在Human Protein Atlas中，它此前甚至被标记为“not detected”。 为了确认这个发现，研究团队合成了PANX3的三条特异性肽段，在耳蜗组织的DDA数据中手动审核了其二级质谱图，确认了其耳蜗富集表达。 数据库发现 → 靶向质谱验证 → 确认表达。 这就是“发现→交叉验证→实验确认”的证据链条。 然后呢？作者问了一个更实际的问题：这些组织特异性蛋白，能不能解释药物毒性？ 这是整篇文章从基础资源走向转化应用的关键一步。 作者把组织富集蛋白映射到DrugBank数据库中的药物靶点，问了一个非常实际的问题： 如果一种药物的靶点恰好在某个器官中高表达，能不能帮助解释该药物的器官特异性毒性？ 结果： 402个蛋白对应2,598种药物，分布在34类组织中 肝脏含有最多的组织富集药物靶点 一个典型案例：CYP2C8 CYP2C8在肝脏中高度富集，被302种药物靶向，包括抗病毒药、降糖药和抗癌药。 当这些药物与经CYP2C8代谢的药物联用时，可能造成血药浓度大幅升高。 以吉非罗齐（gemfibrozil）为例——它是CYP2C8的不可逆抑制剂，与他汀类药物联用时可导致横纹肌溶解和急性肾损伤，与降糖药联用时可导致严重低血糖。 另一个例子：三氯生与甲状腺 甲状腺过氧化物酶（TPO）在甲状腺中富集，被三氯生（triclosan）靶向。 已有流行病学研究显示，三氯生暴露与甲状腺自身免疫和激素水平异常相关。 注意作者的表述方式 作者不是说： “这项研究证明了三氯生导致甲状腺疾病。” 而是说： 组织特异性药物靶点分布，为解释脱靶不良反应提供了分子层面的线索。 数据支持到哪里，结论就写到哪里。这是边界意识。 四、从正常组织进入癌症：肿瘤中哪些蛋白变了？变化有什么规律？ Figure 4正式进入癌症分析。 他们做了什么？ 作者比较了25种癌症的肿瘤（T）和配对癌旁（NT）组织。 这里有一个非常重要的设计： 尽量使用患者自身配对的肿瘤和癌旁组织。 这样能减少个体间年龄、性别、遗传背景等差异造成的干扰。 在统计分析上，作者使用了线性混合模型（linear mixed model）： 将患者特异性因素设为随机截距（account for paired structure） 将批次、性别、年龄、亚型等设为固定协变量 计算经Hedges小样本校正的标准化效应量（Hedges' g） 这种方法比简单的配对t检验更严谨——既考虑了配对结构，又控制了混杂因素。 发现了什么？ 鉴定出8,940个差异表达蛋白（DEPs） 其中2,878个为肿瘤特异性——只在某一种癌症中显著变化 不同癌症的表现完全不同： 结直肠癌、直肠癌、睾丸癌的DEPs数量最多 胶质母细胞瘤最少——与前面脑组织稳定性一致 一个特别有意思的发现：GIST GIST（胃肠道间质瘤）特异性上调的蛋白富集于突触信号通路。 为什么？ 因为GIST起源于卡哈尔间质细胞（ICCs）——肠道起搏细胞，具有神经元特性。 作者还鉴定出KIT和ANO1（已知的ICCs标志物）为GIST特异性上调蛋白。 大规模数据不仅发现了新东西，还重新验证了已知生物学——这让结果更可信。 然后呢？作者进一步追问：肿瘤不只是“获得”了异常蛋白，还可能“丢失”了原有组织功能 作者把肿瘤特异性DEPs与正常组织富集蛋白取交集，得到131个LEDEPs（局部富集差异表达蛋白） 其中大部分是下调的。 这意味着： 肿瘤发生不只是“打开了一些癌基因”，还伴随着“关闭了原本属于这个组织的功能程序”。 具体例子： 胃癌：胃泌素（GAST）、胃动蛋白1（GKN1）下调 胰腺癌：弹性蛋白酶2A（CELA2A）、羧肽酶A1（CPA1）、胰脂肪酶（PNLIP）下调 小肠肿瘤：RBP2、PLS1下调 所以癌变实际上是两个过程同时发生： 获得肿瘤相关程序 + 丢失原有组织功能。 这个解释比单纯罗列“上调蛋白”更有生物学深度。 五、差异蛋白有8,940个，哪些真正有临床价值？ 如果文章到Figure 4结束，它仍然是一项非常好的资源型研究。 但作者继续往前走了一步。 差异蛋白有8,940个，哪些真正能用到药物研发中？ 他们做了什么？ 作者把蛋白质组数据与三层独立数据整合： 第一层：药物靶点数据库（DrugBank） 筛选出77个在多种癌症中共同上调的蛋白，其中36种已有对应生物药物，涉及2,084项临床试验。 两个具体案例： Trodelvy（sacituzumab govitecan） 这是一种靶向TROP2的抗体-药物偶联物（ADC），已获批用于三阴性乳腺癌。 本研究发现TROP2和TOP1在子宫内膜癌中也上调，提示Trodelvy可能在子宫内膜癌中有效。 这一推断已有II期临床研究支持（NCT04251416），目前正在III期临床（NCT06486441）中进一步评估。 奥拉帕尼（olaparib） PARP抑制剂，已获批用于卵巢癌和BRCA相关癌症。 本研究发现PARP1在多种妇科癌症（乳腺癌、卵巢癌、子宫内膜癌、宫颈癌）中均上调，提示奥拉帕尼在子宫内膜癌中可能具有治疗潜力，与已报道的I/II期临床研究结果一致。 这是典型的药物再利用思路——不是从零开发新药，而是利用已有药物的新适应证。 第二层：药物敏感性和CRISPR依赖性数据（ProCan-DepMapSanger） 仅仅是“肿瘤中高表达”还不够——如果高表达与药物反应无关，这个靶点的价值就有限。 作者整合了泛癌细胞系中蛋白丰度与： 药物敏感性（IC₅₀） CRISPR-Cas9基因必要性 最终筛选出9个靶点、35种药物的关联。 MET是一个典型案例： 在结直肠癌中，MET蛋白水平越高的细胞，对MET抑制剂越敏感 在直肠癌中，MET蛋白水平与CRISPR基因必要性也呈正相关 蛋白表达 → 药物敏感性 → 基因依赖性——三个证据开始相互支持。 第三层：筛选脱靶毒性最小的靶点 理想靶点应该满足： 肿瘤里高，正常组织里低。 作者进一步筛选出41个肿瘤富集膜蛋白——在肿瘤中高于癌旁、且高于所有正常组织。 TYROBP：在10种癌症中呈肿瘤富集，是潜在的ADC靶点。但作者主动指出：TYROBP在髓系细胞中也有表达，必须进一步评估毒性。 KIT：在GIST中同时表现出肿瘤特异性和肿瘤富集。 PAX5：在DLBCL中表现出肿瘤特异性和肿瘤富集，通过DIA和PRM两种质谱方法交叉验证。 提出候选靶点的同时，主动指出潜在风险。这又是边界意识。 六、作者做了哪些验证？证据链是如何建立的？ 大规模资源型研究最容易被质疑： “数据这么多，可靠吗？” 所以作者建立了多层验证体系。 第一层：技术验证 混合样本（pooled sample）的蛋白丰度变异系数（CV）评估 技术重复和生物学重复的Pearson相关系数评估 主成分方差分析评估批次效应 第二层：外部数据库交叉验证 与TCGA转录组数据和CPTAC蛋白质组数据跨平台比较——4,263个上调DEPs和1,716个下调DEPs在三套数据中一致。 与Human Pathology Atlas预后数据整合——7,336个蛋白与16种癌症的临床结局相关。 第三层：靶向质谱验证 对137个关键候选蛋白进行PRM（平行反应监测）靶向质谱验证。 确认了PAX5在DLBCL、KIT在GIST等关键标志物的差异表达。 第四层：特定蛋白的深度验证 对PANX3等关键新发现，合成特异性肽段，在耳蜗组织的DDA数据中手动审核二级质谱图。 发现 → 独立数据验证 → 靶向验证 → 生物学解释 证据层层叠加，形成一个完整的证据链，而不是只靠一次DIA-MS结果。 七、逐层回顾：完整的问题驱动链 把整篇论文串起来，可以看到一条非常清晰的问题驱动链： 建立了2,856个样本的数据资源。然后呢？ → 发现F→T→NT→N的有序轨迹。然后呢？ → 筛选1,717个组织富集蛋白。然后呢？ → 与药物靶点整合，发现402个蛋白对应2,598种药物。然后呢？ → 进入25种癌症，鉴定8,940个DEPs。然后呢？ → 筛选2,878个肿瘤特异性DEPs、131个LEDEPs。然后呢？ → 整合药物敏感性和CRISPR依赖性，筛选9个靶点、35种药物的关联。然后呢？ → 筛选41个肿瘤富集膜蛋白，提出TYROBP、KIT、PAX5等潜在候选。然后呢？ → 通过TCGA、CPTAC、PRM多层验证，形成证据链。 每一步的结果，都自然引出下一步的问题。 八、这篇Nature最值得科研人员学习的4个研究设计思路 01 先建立基线，再定义异常 很多组学课题一上来就问：疾病组哪个基因上调？ 但更合理的顺序是： 先问：正常情况下，这个基因在不同组织中的表达背景是什么？ 这篇文章先建立人体蛋白质组地图，再讨论“哪些蛋白是组织特异的”、“哪些在肿瘤中异常”。后面的“异常”才有参照。 02 不要让组学停留在“差异分析” 这是很多生信文章的通病： 找差异基因 → 富集分析 → PPI网络 → 做几个ROC → 结束。 但这篇文章继续向下推进： 差异蛋白 → 组织身份 → 药物靶点 → 药物敏感性 → 基因依赖性 → 潜在治疗机会 每一次分析都在回答一个新问题，而不是重复“我又找到了一个差异蛋白”。 03 好的研究问题，应该自然产生下一个问题 这篇文章的研究路径： 这个蛋白在哪里？→ 为什么这个组织高表达？→ 癌症后怎么变？→ 有没有肿瘤特异性？→ 是不是药物靶点？→ 对应药物有没有敏感性？→ 能不能成为治疗候选？ 这比“先做十个分析，再想怎么串起来”更自然，也更经得起审稿人追问。 04 资源型研究不能只有数据，还要让别人“用起来” 这项研究建立了配套的在线资源（https://db.protlabs.com/），支持以蛋白为中心和以组织为中心两种查询方式。 研究成果不只是“一篇Nature论文”，还包括： 一个可以被后续研究者反复调用的数据资源。 如果你的研究产生大量数据，却没有明确的共享、查询和应用方式，数据的长期价值会受限。 九、最值得带走的一句话 这篇论文不是单纯绘制了一张“人体蛋白质组清单”，而是把蛋白质放回组织、发育和疾病的背景中，再进一步连接到药物靶点和治疗响应。 数据不是终点。 真正有价值的是： 数据 → 规律 → 机制线索 → 靶点 → 转化应用的完整转化链条。 📌 论文信息 题目：Spatial distribution of the proteome in the human body and in cancers 期刊：Nature 在线发表：2026年6月 研究团队：Liang Yue, Wenhao Jiang, Sainan Li, Meng Luo等（郭天南课题组） 核心数据：2,856个样本 / 13,609种蛋白 / 58种组织 / 25种癌症 核心技术：DIA-MS、线性混合模型、轨迹分析、PRM靶向质谱、药物敏感性分析、CRISPR依赖性分析 数据资源：https://db.protlabs.com/ 🔬 关于我们 我们主要提供论文辅导、课题标书辅导、科研技术服务、数据分析、专利申报辅导、实验委托等科研支持服务，覆盖医学、生物、工程、理工、农业及社科人文等多个学科方向。 如果你正在做组学研究、肿瘤机制、药物靶点、生物标志物发现或课题申报，这篇文章尤其值得作为研究设计参考。 扫码添加客服微信，回复「Nature精读」获取本文重点整理版PDF，并可预约一对一科研咨询。 END 关注我们 微 信 号：L19964403918 联系方式：199 6440 3918