CN110957007B - 一种基于组织外泌体磷酸化蛋白组的多组学分析方法 - Google Patents

一种基于组织外泌体磷酸化蛋白组的多组学分析方法 Download PDF

Info

Publication number
CN110957007B
CN110957007B CN201911173160.5A CN201911173160A CN110957007B CN 110957007 B CN110957007 B CN 110957007B CN 201911173160 A CN201911173160 A CN 201911173160A CN 110957007 B CN110957007 B CN 110957007B
Authority
CN
China
Prior art keywords
data
analysis
cancer
tissue
tissue sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911173160.5A
Other languages
English (en)
Other versions
CN110957007A (zh
Inventor
肖华
乔智
张岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201911173160.5A priority Critical patent/CN110957007B/zh
Publication of CN110957007A publication Critical patent/CN110957007A/zh
Application granted granted Critical
Publication of CN110957007B publication Critical patent/CN110957007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/30—Detection of binding sites or motifs
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Hematology (AREA)
  • Biomedical Technology (AREA)
  • Urology & Nephrology (AREA)
  • Pathology (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • Organic Chemistry (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Hospice & Palliative Care (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Oncology (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了一种基于组织外泌体磷酸化蛋白组的多组学分析方法，包括以下步骤：S1、对组织样本的外泌体进行分离和磷酸化蛋白的特异性富集；S2、对富集后的磷酸化蛋白进行测序分析，获得主调控激酶；S3、对组织样本的转录组数据进行分析，获得主调控转录因子；S4、对组织样本的基因组变异数据进行分析，获得肿瘤相关基因；S5、将步骤S2、S3、S4获得的分析数据进行策略分析，获得癌症相关的主调控激酶网络和药物作用靶点。本发明适用于任何疾病外泌体样本磷酸化蛋白组测序数据和转录组数据、基因突变数据的联合分析技术，将为探索与疾病相关的标志物以及选择更加有效、准确的疾病治疗靶位奠定基础。

Description

一种基于组织外泌体磷酸化蛋白组的多组学分析方法
技术领域
本发明涉及蛋白质组学和基因转录组学技术领域，特别是涉及一种外泌体蛋白组学和转录组的多组学分析方法。
背景技术
基因表达的形式包括转录组和蛋白质组。分析基因表达谱可以探索和确定潜在的分子和细胞过程。随着关键高通量技术的进展，如RNA测序技术和鸟枪法蛋白质组学技术，现在已经能够以前所未有的深度和覆盖范围探测基因的转录和蛋白质的表达。转录组和蛋白质组以及转录后和翻译后修饰是呈动态变化的，以严格调节的方式应对不同的环境刺激和生长条件。虽然转录组和蛋白质组各自都有很多生物信息分析方法，但这些方法在单独分析时提供的系统综合视角能力有限。尽管转录组检测具有高灵敏度的特性，但仍然不足以描绘真实的生物状态，特别是不能检测到调节过程或影响蛋白活性的翻译后修饰。类似地，蛋白质组学难以检测低丰度蛋白质，并且其识别由可变剪接或单核苷酸多态性引起的新型蛋白质的能力有限。然而，对这些“组学”数据集的综合分析可能会发掘额外信息，得出更全面的结论。
通过翻译后修饰，真核蛋白质组比相应的基因组更加多样化。翻译后修饰的研究是帮助描述整个蛋白质组及其功能的重要维度。在几乎所有生物过程中，翻译后修饰都起着关键作用。蛋白质的磷酸化修饰可以影响蛋白质的许多性质，包括蛋白质折叠、活性、与其他蛋白质的互作以及定位或降解等。因此，磷酸化在几乎所有生物过程的调节中都发挥着重要作用，包括增殖、分化、细胞凋亡和细胞通讯等。蛋白激酶或磷酸酶在调控可逆磷酸化过程中的缺陷是多种疾病可能的原因，包括癌症、糖尿病、慢性炎症性疾病和神经退行性疾病等。
外泌体是细胞分泌的直径约30-150nm的单层膜囊泡，具有与细胞相似的拓扑结构并富含特定的蛋白质、脂质、核酸等生物分子。外泌体具有多种功能，例如重塑细胞外基质并将信号和分子传递给其他细胞等，在人类健康和疾病的许多方面起着重要作用，包括发育、免疫、组织稳态、癌症和神经退行性疾病等。基于这些性质，外泌体有望成为多种疾病模型中的治疗剂。
目前，许多公开发表的研究证实了外泌体和受体细胞之间具有相互作用。然而，大部分的研究围绕体液，如血液、唾液、腹腔积液和尿液中的外泌体展开。体液中的外泌体是混合了各种细胞各种组织来源的混合体，限制了对外泌体成分及功能更深入的研究。而对于组织中的外泌体，此前鲜有报道。基于此，通过对组织中外泌体的磷酸化蛋白组进行分析，将磷酸化蛋白组与转录组和基因变异组数据整合到一起的数据挖掘，可以揭示疾病发生时从基因携带的遗传信息转变为可辨别表型整个过程中的异常，再发展到通过外泌体磷酸化蛋白传递生物信号途径，产生的信息涵盖了疾病发生和发展的关键功能节点，可用来鉴定肿瘤相关基因及其表达的蛋白质，能够为癌症的发生发展、癌组织和癌旁组织间的信息交流研究提供更直接的证据，为抗肿瘤的临床转化医学研究提供理论基础和实验依据。但是，目前缺少基于组织外泌体磷酸化蛋白组的多组学分析方法。
本发明是一种肺癌组织外泌体磷酸化蛋白组与转录组和基因变异数据组整合分析方法，经检索国内同行业未见相同。
发明内容
本发明的目的是提供一种肺癌组织外泌体磷酸化蛋白组与转录组和基因变异数据的整合分析方法，具体为一种基于组织外泌体磷酸化蛋白组的多组学分析方法。
本发明的目的是通过以下技术方案实现的：
本发明提供了一种基于组织外泌体磷酸化蛋白组的多组学分析方法，包括以下步骤：
S1、对组织样本的外泌体进行分离和磷酸化蛋白的特异性富集；
S2、对富集后的磷酸化蛋白进行测序分析，获得主调控激酶；
S3、对组织样本的转录组数据进行分析，获得主调控转录因子；
S4、对组织样本的基因组变异数据进行分析，获得肿瘤相关基因；
S5、将步骤S2、S3、S4获得的分析数据进行策略分析，获得癌症相关的主调控激酶网络和药物作用靶点。
优选地，步骤S1中，所述组织样本为离体的癌症组织和癌旁组织。
优选地，步骤S1中，
优选地，步骤S2中，所述测序分析具体采用固定化亲和色谱方法和同位素标记的定量蛋白质组学技术，然后通过Viper算法(virtual inference of protein-activity byenriched regulon analysis)计算得到主调控激酶(master regulated kinase)。
优选地，步骤S3中，所述组织样本的转录组数据来自对组织样本进行转录组测序分析得到，或来自数据库中与实验样本信息相匹配的转录组数据；通过Viper算法(virtualinference of protein-activity by enriched regulon analysis)计算主调控转录因子(master regulated transcription factor)。
优选地，步骤S4中，所述组织样本的基因组变异数据来自数据库中与实验样本信息相匹配的基因组变异数据，包括癌症患者的拷贝数变异(copy number variation，CNV)样本数据和体细胞突变数据；通过对拷贝数变异样本数据进行癌症中重要靶点分析(genomic identification of significant targets in cancer，GISTIC)，和体细胞突变数据的分析；将拷贝数变异基因与体细胞突变基因合并，再与最新的癌症中体细胞突变目录COSMIC数据取交集，最终获得癌症相关基因
优选地，所述数据库包括肿瘤基因组计划(The Cancer Genome Atlas，TCGA)数据库。
优选地，步骤S5中，所述策略分析包括应用TieDIE算法，Multinet(混合互作网络)作为相互作用的背景网络，进行两个策略分析。
优选地，所述策略分析中，第一个策略分析包括：将步骤S3和S4获得的数据进行整合分析，揭示主调控转录因子和癌症相关基因的调控关系。
优选地，所述策略分析中，第二个策略分析包括：将步骤S2、S3和S4获得的数据进行整合分析，揭示主调控转录因子、主调控激酶和癌症相关基因的调控关系。
优选地，步骤S5中，还包括对两个策略分析的差异结果对比后进行癌症特征富集分析和药物靶点分析，由此获得药物靶点。
与现有技术相比，本发明具有如下的有益效果：
本发明采用癌症临床组织样本对其磷酸化蛋白组进行测序分析，同时对来自数据库中的转录组和基因变异组进行分析，最后将三种组学数据综合分析，进行数据解读与挖掘，本发明联合分析揭示的信息量更大，更全面，为肺癌发生和发展的机制研究提供新的线索，为精准医疗和个性化医疗提供重要的研究思路和作用靶点。
本发明可以根据科研工作者的不同需求进行进一步有针对性的分析，具有很强的普适性。
本发明适用于任何疾病外泌体样本磷酸化蛋白组测序数据和转录组数据、基因突变数据的联合分析技术，将为探索与疾病相关的标志物以及选择更加有效、准确的疾病治疗靶位奠定基础。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一种基于组织外泌体磷酸化蛋白组的多组学分析方法的步骤流程；
图2为本发明应用实施例的肺癌组织外泌体磷酸化蛋白组测序数据和转录组、基因变异数据组合策略分析的网络；网络由转录因子、激酶、连接蛋白等组成；红色的边代表的是整合了磷酸化蛋白数据后新发现的相互关系，蓝色的边代表的是通过磷酸化蛋白质组学数据整合时过滤掉的原来网络中不显著的相互关系。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
以下实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件，或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可通过正规渠道商购买得到的常规产品。
以下实施例虽然仅列举了以肺癌组织的外泌体磷酸化蛋白组进行多组学分析方法的具体操作，但该方法同样适用于其他癌症组织或其他疾病组织的外泌体磷酸化蛋白组分析。
实施例1
本实施例以肺癌组织外泌体磷酸化蛋白组测序数据和转录组、基因变异数据组合策略分析方法为例，提供了一种基于组织外泌体磷酸化蛋白组的多组学分析方法(步骤流程如图1所示)，由以下步骤组成：
(S1)根据需求进行实验设计，获取临床样本，对组织样本的外泌体进行分离
在肺癌患者手术中获得癌组织和距离癌组织邻近5cm处的癌旁组织，共计13例肺癌患者的癌症和癌旁组织，称重后，用4℃预冷的PBS清洗两遍。通过机械匀浆将肺组织在20mL冷PBS中充分裂解。随后将匀浆溶液通过40μm细胞过滤器过滤。将滤液以4000×g连续离心30min以除去所有细胞碎片和血小板，在4℃下10,000×g离心1h以除去微泡。上清液在4℃以110,000×g超速离心2h，用PBS洗涤，然后在4℃以110,000×g超速离心2h。将重悬的外泌体加载到30％蔗糖垫(15g蔗糖，1.2g Tris-base，重水定溶至25ml，pH 7.4)上，在4℃以110,000×g离心2h进行纯化。收集蔗糖垫，用PBS稀释，4℃、110,000×g离心2h。将外泌体重悬浮于含有蛋白酶抑制剂混合物(Roche Applied Science，Basel，Switzerland)的100μL PBS中，然后在-80℃下储存。
(S2)对外泌体样本进行磷酸化蛋白组测序分析
提取癌旁组和肺癌组外泌体样本总蛋白液(步骤S1重悬后的外泌体)，将两组分别混合形成旁癌组总蛋白液和肺癌组总蛋白液，采用丙酮沉淀法将蛋白质沉淀后定量，使每组约含100μg总蛋白，依次进行胰酶酶解、还原烷基化、TMT标记、HPLC分级、磷酸化蛋白的富集的步骤，通过高分辨率液相色谱-质谱联用的定量蛋白质组学研究策略对富集后的磷酸化蛋白进行分析，一共鉴定到位于1618个蛋白上的2585个磷酸化位点，其中1567个蛋白的2473个位点包含质谱定量信息。利用R的Vipper程序包从全部的磷酸肽中筛选主调控激酶，限定p<0.05，共得到5个主调控激酶。结果见表1。
表1. 5个主调控激酶
Regulon Size NES p_value FDR
PRKCB 27 2.82 0.005 0.131
MAP3K8 39 2.17 0.030 0.183
LRRK2 34 -2.03 0.042 0.183
SRC 183 -2 0.045 0.183
IKBKE 45 1.98 0.048 0.183
(S3)对组织样本进行转录组测序分析或者下载数据库中与实验样本信息相近匹配的转录组数据并进行分析
从肿瘤基因组计划(The Cancer Genome Atlas，TCGA)数据库中下载了肺腺癌和肺鳞癌患者的的转录组表达数据。肺腺癌共有162个样本，其中37个是癌旁样本，125个是癌症样本。肺鳞癌共由240个样本，其中17个是癌旁样本，223个是癌症样本。随后将步骤S1的质谱分析得到的磷酸肽对应的基因和TCGA的转录组数据进行匹配，得到了包含来自402个样本的1777个基因表达数据集。通过Viper程序包计算主调控转录因子，结果如表2所示，发现了41个主调控转录因子。
表2. 41个主调控转录因子
Figure BDA0002289274400000061
Figure BDA0002289274400000071
(S4)下载数据库中与实验样本信息相近匹配的基因组变异数据并进行分析
从TCGA下载了522个肺腺癌患者和501个肺鳞癌患者的拷贝数变异(copy numbervariation，CNV)样本数据，并据此进行癌症中重要靶点分析(genomic identification ofsignificant targets in cancer，GISTIC)。结果显示，334个基因具有拷贝数重复，517个基因具有拷贝数缺失(p<0.05)。同时分析了来自TCGA的体细胞突变数据，发现有1064个基因在至少5％的肿瘤样品中发生突变。通过将CNV基因与体细胞突变基因合并，再与最新的癌症中体细胞突变目录COSMIC数据取交集，最终获得了114个肺癌相关基因(AKAP9，ALK，AMER1，ANK1，APOBEC3B，ARID1A，ARID2，ATM，ATR，ATRX，BCL11A，BCORL1，BIRC6，BRAF，BRCA2，CAMTA1，CARD11，CBFA2T3，CCND1，CCNE1，CDH10，CDH11，CDKN2A，CNTNAP2，COL2A1，COL3A1，CREBBP，CSMD3，CTNND2，DCAF12L2，DCC，DICER1，DROSHA，EGFR，EPHA3，EPHA7，ERBB4，FAM135B，FAM47C，FAT1，FAT3，FAT4，FGFR1，FLNA，FLT3，GNAS，GRIN2A，GRM3，IL7R，IRS4，KDR，KEAP1，KIT，KMT2C，KMT2D，KRAS，LRP1B，MDM2，MED12，MET，MTOR，MUC16，MUC4，MYC，MYH11，MYH9，NBEA，NCOA1，NCOR1，NCOR2，NF1，NFE2L2，NKX2-1，NOTCH1，NOTCH2，NTRK3，PDE4DIP，PDGFRA，PIK3CA，PIK3R1，POLE，POLQ，PREX2，PRKCB，PTK6，PTPRB，PTPRC，PTPRD，PTPRT，RANBP2，RB1，RBM10，RGS7，RNF213，ROBO2，ROS1，RUNX1T1，SDHA，SETBP1，SETD2，SMARCA4，SPEN，STK11，TET1，TNC，TP53，TPR，TRRAP，UBR5，WHSC1L1，ZEB1，ZFHX3，ZNF479，ZNF521)。
(S5)将步骤S2，S3和S4获得的磷酸化蛋白组分析数据，转录组分析数据和突变基因分析数据进行组合策略分析
应用TieDIE(tied diffusion through interacting events)算法，Multinet(混合互作网络)作为相互作用的背景网络，将步骤(S2-S4)的三个子集组合分析。采用两种策略：将步骤S3和S4组合分析；步骤S2，S3和S4组合分析。前一种策略得到一个包含245个节点的网络，它们由34个转录因子、61个扩增/缺失/突变基因和150个连接蛋白通过1154个边连接组成。第二种策略得到一个包含234个节点的网络，它们由34个转录因子、33个激酶(其中12个激酶和转录因子有重叠)、63个扩增/缺失/突变基因和172个连接蛋白通过1599个边连接组成。两种策略叠加后分析得到的网络如图2所示。
黑色的边是整合了磷酸化蛋白数据后新发现的相互关系，虚线的边是通过磷酸化蛋白质组学数据整合时过滤掉的原来网络中不显著的相互关系。步骤S2的激酶数据集的整合消除了与原始网络不直接相关的相互作用，增加了相关激酶的网络调节，丰富了肺癌中转录因子、激酶和扩增/缺失/突变基因的相互调控关系信息，使信息更丰富、更清晰。
通过对网络分析，挑选出其中的磷酸化蛋白，和步骤S2中的主调控转录激酶合并，与药物靶点数据库(https://www.drugbank.ca/)对比分析，由此获得了19个肺癌的潜在药物靶点，分别是BUB1,CAV1,CDC42BPB,CDK3,EPB41L2,EPB41L3,ERBB3,GRK1,GRK5,GRK6,MAP2K4,MAP3K5,MAP3K8,MAPK6,PTK7,PTPN6,SRRM1,STAM,TRIM24。针对这些肺癌相关激酶，目前尚没有对应药物，因此有望作为肺癌治疗的新靶点。
本发明具体应用途径很多，以上所述仅是本发明的优选实施方式。应当指出，以上实施例仅用于说明本发明，而并不用于限制本发明的保护范围。对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进也应视为本发明的保护范围。

Claims (7)

1.一种基于组织外泌体磷酸化蛋白组的多组学分析方法，其特征在于，包括以下步骤：
S1、对组织样本的外泌体进行分离和磷酸化蛋白的特异性富集；
S2、对富集后的磷酸化蛋白进行测序分析，获得主调控激酶；
S3、对组织样本的转录组数据进行分析，获得主调控转录因子；
S4、对组织样本的基因组变异数据进行分析，获得肿瘤相关基因；
S5、将步骤S2、S3、S4获得的分析数据进行策略分析，获得癌症相关的主调控激酶网络和药物作用靶点；
步骤S5中，所述策略分析包括应用TieDIE算法，Multinet作为相互作用的背景网络，进行两个策略分析，对两个策略分析的差异结果对比后进行癌症特征富集分析和药物靶点分析，由此获得药物靶点。
2.根据权利要求1所述的基于组织外泌体磷酸化蛋白组的多组学分析方法，其特征在于，步骤S1中，所述组织样本为离体的癌症组织和癌旁组织。
3.根据权利要求1所述的基于组织外泌体磷酸化蛋白组的多组学分析方法，其特征在于，步骤S2中，所述测序分析具体采用固定化亲和色谱方法和同位素标记的定量蛋白质组学技术，然后通过Viper算法计算得到主调控激酶。
4.根据权利要求1所述的基于组织外泌体磷酸化蛋白组的多组学分析方法，其特征在于，步骤S3中，所述组织样本的转录组数据来自对组织样本进行转录组测序分析得到，或来自数据库中与实验样本信息相匹配的转录组数据；通过Viper算法计算主调控转录因子。
5.根据权利要求1所述的基于组织外泌体磷酸化蛋白组的多组学分析方法，其特征在于，步骤S4中，所述组织样本的基因组变异数据来自数据库中与实验样本信息相匹配的基因组变异数据，包括癌症患者的拷贝数变异样本数据和体细胞突变数据；通过对拷贝数变异样本数据进行癌症中重要靶点分析，和体细胞突变数据的分析；将拷贝数变异基因与体细胞突变基因合并，再与最新的癌症中体细胞突变目录COSMIC数据取交集，最终获得癌症相关基因。
6.根据权利要求1所述的基于组织外泌体磷酸化蛋白组的多组学分析方法，其特征在于，所述策略分析中，第一个策略分析包括：将步骤S3和S4获得的数据进行整合分析，揭示主调控转录因子和癌症相关基因的调控关系。
7.根据权利要求1所述的基于组织外泌体磷酸化蛋白组的多组学分析方法，其特征在于，所述策略分析中，第二个策略分析包括：将步骤S2、S3和S4获得的数据进行整合分析，揭示主调控转录因子、主调控激酶和癌症相关基因的调控关系。
CN201911173160.5A 2019-11-26 2019-11-26 一种基于组织外泌体磷酸化蛋白组的多组学分析方法 Active CN110957007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911173160.5A CN110957007B (zh) 2019-11-26 2019-11-26 一种基于组织外泌体磷酸化蛋白组的多组学分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911173160.5A CN110957007B (zh) 2019-11-26 2019-11-26 一种基于组织外泌体磷酸化蛋白组的多组学分析方法

Publications (2)

Publication Number Publication Date
CN110957007A CN110957007A (zh) 2020-04-03
CN110957007B true CN110957007B (zh) 2023-04-28

Family

ID=69976854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911173160.5A Active CN110957007B (zh) 2019-11-26 2019-11-26 一种基于组织外泌体磷酸化蛋白组的多组学分析方法

Country Status (1)

Country Link
CN (1) CN110957007B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112430662B (zh) * 2020-12-11 2022-02-22 中国医学科学院肿瘤医院 一种用于预测肺鳞癌预后风险的试剂盒及其应用
CN112466403B (zh) * 2020-12-31 2022-06-14 广州基迪奥生物科技有限公司 一种细胞通讯分析方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103667455A (zh) * 2013-11-19 2014-03-26 眭维国 器官基因的组蛋白h3k9三甲基化表达差异的分析方法与基因模型
CN107828857A (zh) * 2017-11-23 2018-03-23 南宁科城汇信息科技有限公司 一种转录组测序及RNAseq数据分析方法
CN107942073A (zh) * 2017-11-22 2018-04-20 南宁科城汇信息科技有限公司 一种转录组测序和基于iTRAQ联合LC‑MALDI的差异蛋白组学分析方法
CN109300502A (zh) * 2018-10-10 2019-02-01 汕头大学医学院 一种从多组学数据中分析关联变化模式的系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101967248B1 (ko) * 2012-08-16 2019-04-10 삼성전자주식회사 개인의 유전 정보를 분석하는 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103667455A (zh) * 2013-11-19 2014-03-26 眭维国 器官基因的组蛋白h3k9三甲基化表达差异的分析方法与基因模型
CN107942073A (zh) * 2017-11-22 2018-04-20 南宁科城汇信息科技有限公司 一种转录组测序和基于iTRAQ联合LC‑MALDI的差异蛋白组学分析方法
CN107828857A (zh) * 2017-11-23 2018-03-23 南宁科城汇信息科技有限公司 一种转录组测序及RNAseq数据分析方法
CN109300502A (zh) * 2018-10-10 2019-02-01 汕头大学医学院 一种从多组学数据中分析关联变化模式的系统和方法

Also Published As

Publication number Publication date
CN110957007A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
George et al. Integrative genomic profiling of large-cell neuroendocrine carcinomas reveals distinct subtypes of high-grade neuroendocrine lung tumors
Beekman et al. The reference epigenome and regulatory chromatin landscape of chronic lymphocytic leukemia
Gagan et al. Next-generation sequencing to guide cancer therapy
Reinhold et al. RNA Sequencing of the NCI-60: Integration into CellMiner and CellMiner CDB
Whitley et al. Research techniques made simple: methodology and clinical applications of RNA sequencing
Kilpinen et al. Systematic bioinformatic analysis of expression levels of 17,330 human genes across 9,783 samples from 175 types of healthy and pathological tissues
Watson et al. Cas9-based enrichment and single-molecule sequencing for precise characterization of genomic duplications
Yellapantula et al. Comprehensive detection of recurring genomic abnormalities: a targeted sequencing approach for multiple myeloma
Lenkiewicz et al. Genomic and epigenomic landscaping defines new therapeutic targets for adenosquamous carcinoma of the pancreas
CN108753967A (zh) 一种用于肝癌检测的基因集及其panel检测设计方法
Su et al. Spatial intratumor genomic heterogeneity within localized prostate cancer revealed by single-nucleus sequencing
Hagemann et al. Design of targeted, capture-based, next generation sequencing tests for precision cancer therapy
WO2011103236A2 (en) Personalized tumor biomarkers
CN110957007B (zh) 一种基于组织外泌体磷酸化蛋白组的多组学分析方法
Köhn et al. Liquid biopsies in lung cancer—time to implement research technologies in routine care?
Ferreira et al. A genomic case study of desmoplastic small round cell tumor: comprehensive analysis reveals insights into potential therapeutic targets and development of a monitoring tool for a rare and aggressive disease
Chou et al. Genes involved in angiogenesis and mTOR pathways are frequently mutated in Asian patients with pancreatic neuroendocrine tumors
Raymond et al. Collection of cell-free DNA for genomic analysis of solid tumors in a clinical laboratory setting
US20230203590A1 (en) Methods and means for diagnosing lung cancer
Wen et al. Circulating Tumor DNA—A Novel Biomarker of Tumor Progression and Its Favorable Detection Techniques
He et al. Genomic and transcriptional alterations in first-line chemotherapy exert a potentially unfavorable influence on subsequent immunotherapy in NSCLC
Beg et al. Integration of whole-exome and anchored PCR-based next generation sequencing significantly increases detection of actionable alterations in precision oncology
Tu et al. Genetic profiling of cell-free DNA from pleural effusion in advanced lung cancer as a surrogate for tumor tissue and revealed additional clinical actionable targets
Vendrell et al. High-throughput detection of clinically targetable alterations using next-generation sequencing
Park et al. Effects of somatic mutations are associated with SNP in the progression of individual acute myeloid leukemia patient: the two-hit theory explains inherited predisposition to pathogenesis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant