9月 CNS文献精选
1 Nature Medicine
胸部计算机断层扫描发现数据驱动肺结节的风险分层和精确管理
2 Nature Cancer
中国高危前列腺癌患者的多组学整合分析揭示代谢脆弱性与潜在诊断标志物
3 Nature Genetics
多组学与生物标志物助力疾病预测和基因关联发现
4 Nature Communications
创伤后深静脉血栓患者的血浆代谢组和蛋白质组综合图谱
5 Cell Reports Medicine
将淀粉样蛋白和tau蛋白成像与阿尔茨海默病的蛋白质组学和基因组学相结合
6 Molecular Cancer
通过空间转录组学和血浆蛋白质组学识别与胃癌抗PD-1/PD-L1+抗血管生成原发性耐药相关的微环境特征
7 Cell Discovery
单细胞与空间转录组蛋白质组学分析揭示小细胞肺癌免疫浸润异质性
8 Nature Chemistry
化学蛋白质组学揭示了与内源性三链体DNA互作蛋白质的功能多样性
9 Nature
多通道单分子纳米孔读取长蛋白质链
10 Nature Communications
代谢标记助力C3H1锌指蛋白中组氨酸甲基化功能解析
11 Cancer Discovery
表达Trem2的多核巨噬细胞可作为头颈鳞状细胞癌良好预后的生物标志物
胸部计算机断层扫描发现数据驱动肺结节的风险分层和精确管理
Data-driven risk stratification and precision management of pulmonary nodules detected on chest computed tomography
低剂量螺旋CT(LDCT)在肺癌筛查中的广泛应用,使得肺结节检出率显著上升。然而,准确评估这些结节的恶性风险仍然是一个重大挑战。四川大学华西医院李为民团队提出了一个分类驱动的中国肺结节报告和数据系统C-Lung-RADS,该系统通过对 45064 个病例的大规模体检队列进行分析而建立。C-Lung-RADS采用逐步推进的方法:首先,依据结节的密度和大小对其进行初步的风险分类;其次,整合影像学与临床资料,以精确诊断高风险结节;最后,结合随访数据,建立一个多模态融合模型,用以确认极高风险结节,并根据不同恶性风险等级提供个性化的随访计划与决策建议。该系统旨在确保医疗资源的有效配置,防止低风险患者的过度治疗和极高风险患者的漏诊或误诊,为我国肺结节患者的管理提供了科学依据。
扫码阅读全文
中国高危前列腺癌患者的多组学整合分析揭示代谢脆弱性与潜在诊断标志物
Integrative proteogenomic profiling of high-risk prostate cancer samples from Chinese patients indicates metabolic vulnerabilities and diagnostic biomarkers
前列腺癌(PCa)表现出明显的地理种族差异,这些差异反映在癌症基因组的变化及疾病的进展模式上。中国科学院肿瘤与微环境重点实验室秦骏团队联合中国科学院上海药物研究所谭敏佳团队、上交大仁济医院薛蔚团队、上交大李婧团队,对 125 名中国男性患者的局部高风险PCa进行了综合的蛋白质基因组特征分析,使用了配对的肿瘤组织及其邻近正常组织,旨在识别潜在的生物标志物,揭示关键的致癌事件,并界定预后不佳的分子亚型。研究发现,GOLM1可作为非侵入性血清生物标志,用于在PSA灰区内准确诊断PCa。此外,磷酸化蛋白质组学分析显示FOXA1-S331的磷酸化在调控FOXA1-AR依赖的染色质组中发挥关键作用,促进PCa进展。研究还识别出三个不同的蛋白质组亚型,其中代谢性免疫荒漠型(S-III)与不良预后密切相关,提示BCAT2驱动的代谢途径在PCa中的作用。
扫码阅读全文
多组学与生物标志物助力疾病预测和基因关联发现
Disease prediction with multi-omics and biomarkers empowers case–control genetic discoveries in the UK Biobank
生物库级别数据集的涌现为发现新的生物标志物及开发用于人类疾病预测的算法提供了新的契机。来自英国的研究团队提出了一种名为MILTON的集成机器学习框架,该框架综合了多组学数据和生物标志物以预测UK Biobank中 3213 种疾病的发病情况。通过对 48.4 万个基因组测序样本及 4.6 万个血浆蛋白质组学数据点的分析,MILTON成功地预测了在招募时尚未确诊的疾病案例,并在基因-疾病关联分析中鉴定了 182 个新的基因-疾病关联。相较于传统的多基因风险评分(PRS),MILTON在大多数疾病预测上的表现更为优异,尤其是在 52 种疾病中,整合蛋白质组数据后的预测准确性(AUC)提升了超过 0.1。
扫码阅读全文
创伤后深静脉血栓患者的血浆代谢组和蛋白质组综合图谱
Integrated landscape of plasma metabolism and proteome of patients with post-traumatic deep vein thrombosis
深静脉血栓形成(DVT)是导致创伤后高发病率和死亡率的主要原因。西安交通大学郭燕教授团队通过整合代谢组学与蛋白质组学数据,深入研究了创伤后深静脉血栓(pt-DVT)患者的代谢和血液学特征。在对 680 名创伤患者的分析过程中,他们确定了 28 种与pt-DVT相关的代谢物和 2 个临床参数群组,并利用机器学习算法建立了一个包含 9 种代谢物的预测模型,该模型能够有效地识别pt-DVT患者。进一步的蛋白质组学分析鉴定了 214 个与pt-DVT相关的蛋白质,并揭示糖酵解/糖异生-TCA循环的上调可能通过提升红细胞内活性氧(ROS)水平而促进血栓形成,提示这一代谢途径可能是潜在的治疗靶点。这项研究通过大规模的代谢组学和蛋白质组学分析,揭示了pt-DVT的代谢异常,并开发了具有临床应用前景的早期诊断工具。
扫码阅读全文
将淀粉样蛋白和tau蛋白成像与阿尔茨海默病的蛋白质组学和基因组学相结合
Integrating amyloid and tau imaging with proteomics and genomics in Alzheimer’s disease
阿尔茨海默病(AD)是最常见的神经退行性疾病,其特征在于大脑中β淀粉样蛋白(Aβ)和tau蛋白的聚集。靶向Aβ的疾病疗法取得了突破性进展,为AD的管理带来了新的希望。但为了有效地改变并最终预防AD,还需要更好地理解在AD中Aβ和tau蛋白的生物学机制。高通量全息技术(包括基因组学、蛋白质组学和转录组学)的发展,加上正电子发射断层扫描(PET)对Aβ和tau的分子成像,使我们能够发现并调节活人体内Aβ和tau聚集和扩散的生物通路。AD中Aβ和tau蛋白的多组学与PET研究领域正在迅速发展。一个来自瑞典的研究团队提供了该领域的最新进展,既包括生物学见解,也包括整合组学-分子影像学研究对未来临床应用的意义。
扫码阅读全文
通过空间转录组学和血浆蛋白质组学识别与胃癌抗PD-1/PD-L1+抗血管生成原发性耐药相关的微环境特征
Identification of microenvironment features associated with primary resistance to anti-PD-1/PD-L1 + antiangiogenesis in gastric cancer through spatial transcriptomics and plasma proteomics
抗血管生成药物在肿瘤微环境中会产生相当大的免疫调节作用,这显示了晚期胃癌(AGC)中血管内皮生长因子和免疫检查点抑制剂协同临床开发的合理性。法国贝尔戈尼研究所的研究团队报告了 REGOMUNE II 期研究的结果,瑞戈非尼(一种多酪氨酸激酶抑制剂)与 avelumab(一种 PD-L1 靶向单克隆抗体)的联合治疗在 19% 的患者中取得了深度且持久的响应,但许多患者未获显著疗效。全面的生物标志物分析发现,耐药患者的肿瘤微环境中M2型巨噬细胞显著增多,S100A10蛋白在肿瘤细胞中的过表达也与耐药相关。血浆蛋白组学结果显示,血浆中CSF-1、IL-4、IL-8和TWEAK等细胞因子的升高与不良预后相关。这些数据表明,巨噬细胞的免疫抑制作用以及S100A10的过表达是影响治疗效果的关键因素,为克服耐药提供了重要线索。该研究为阐明并有可能规避目前 AGC 治疗范例中的抗药性机制奠定了宝贵的基础,强调了肿瘤微环境动态和免疫调节的重要作用。
扫码阅读全文
单细胞与空间转录组蛋白质组学分析揭示小细胞肺癌免疫浸润异质性
Single-cell and spatial proteo-transcriptomic profiling reveals immune infiltration heterogeneity associated with neuroendocrine features in small cell lung cancer
小细胞肺癌(SCLC)是一种侵袭性肺神经内分泌恶性肿瘤,其特征为冷肿瘤免疫微环境(TIME)、免疫治疗效果有限、生存率低下。目前,SCLC中与抗肿瘤免疫显著相关的时空异质性尚未得到系统性研究。浙江省肿瘤医院陈明与中国科学院范云团队,联手德克萨斯大学张建军团队,浙江大学宋海团队,对 44 例未经治疗的SCLC患者组织样本进行了超高通量数字空间分析和单细胞RNA测序,揭示了SCLC免疫浸润异质性和神经内分泌特征之间的复杂关系。研究整合了超过 18000 个基因和 60 个关键免疫蛋白的数据,系统地描绘了SCLC的空间蛋白质组-转录组图谱。结果表明,SCLC肿瘤组织存在明显空间异质性,其中肿瘤巢区主要包含固有免疫细胞和功能受损的B细胞,并提示单核细胞/巨噬细胞在免疫调节中可能发挥重要作用。发现RE1沉默因子(REST)与低神经内分泌特征、活跃的抗肿瘤免疫反应及较长的生存期相关,表明REST可能成为SCLC的一种新型生物标志物。总体而言,本研究提出了REST作为潜在的预后生物标志物,并强调了空间组学和单细胞组学对于深入理解SCLC免疫微环境的重要性。
扫码阅读全文
化学蛋白质组学揭示了与内源性三链体DNA互作蛋白质的功能多样性
Chemoproteomic profiling unveils binding and functional diversity of endogenous proteins that interact with endogenous triplex DNA
三链体DNA结构是由第三条DNA链包裹在双链DNA的大沟外部形成的,这类结构既是重要的分子调控因子,也可能是基因组的潜在威胁。然而,三链体DNA动态变化的调控网络仍未被充分解析。南京大学陈加余研究员通过活细胞内的化学蛋白质组学分析,揭示了与三链体DNA相互作用的蛋白质及其功能范围。研究团队开发了一种名为photoBQQ的高度特异性三链体DNA化学探针,并在活细胞中进行了定量化学蛋白质组学分析。在HeLa和A549细胞系中,利用化学蛋白质组学方法,特异性地捕获并经由定量质谱鉴定了 78 个高置信度的三链体DNA互作蛋白,为理解三链体DNA的动态调控机制奠定了坚实的基础。
扫码阅读全文
多通道单分子纳米孔读取长蛋白质链
Multi-pass,single-molecule nanopore reading of long protein strands
蛋白质的多样性在生物学过程中扮演着至关重要的角色,尤其在疾病诊断与疗法开发中具有关键意义。然而,在全面解析蛋白质序列的过程中,现有技术面临检测灵敏度不足、动态范围狭窄、分析效率低下及设备成本高昂等诸多限制。为此,华盛顿大学的Jeff Nivala教授团队提出了一种创新性的解决方案——基于纳米孔和解折酶ClpX的蛋白质测序技术(PASTOR)。通过利用解折酶ClpX,蛋白质以一种可控的方式通过CsgG纳米孔,从而成功地对含有数百个氨基酸的蛋白质链进行测序。这一技术不仅能够检测到单个氨基酸的变化,还能识别蛋白质链上的各种翻译后修饰。为了进一步提升测序的精确性,研究团队展示了重复读取同一蛋白质分子的能力,并且探索了蛋白质条形码测序的可能性。此外,他们还构建了一个生物物理模型,用于预先模拟由氨基酸残基的体积和电荷产生的原始纳米孔信号,这有助于增强对信号数据的理解与解读。此研究成果揭示了PASTOR技术在单分子水平上识别蛋白质序列及其翻译后修饰的巨大潜力,为未来蛋白质组学研究及蛋白质条形码技术的发展奠定了坚实的基础。预计该技术将在大规模蛋白质功能分析和精准医疗领域产生重要影响,特别是在疾病生物标志物的筛选与治疗目标的确定方面。
扫码阅读全文
代谢标记助力C3H1锌指蛋白中组氨酸甲基化功能解析
Metabolic labeling based methylome profiling enables functional dissection of histidine methylation in C3H1 zinc fingers
蛋白质甲基化作为一种重要的翻译后修饰,发生在多种氨基酸残基上。目前蛋白质组学技术在检测除精氨酸和赖氨酸之外的其他氨基酸残基甲基化方面效率较低,限制了我们对稀有蛋白质甲基化功能的理解。中国科学院大连化学物理研究所叶明亮团队与分子细胞科学卓越创新中心程红团队、上海营养与健康研究所王泽峰及李国辉团队合作,共同开发了一种基于代谢标记的新技术,用于蛋白质甲基化的全面分析。该技术无需预先设定特定的甲基化类型,因此能够同时鉴定多种类型的甲基化修饰,为深入探究蛋白质甲基化的调控机制提供了强有力的新工具。
扫码阅读全文
表达Trem2的多核巨噬细胞可作为头颈鳞状细胞癌良好预后的生物标志物
Trem2-expressing multinucleated giant macrophages are a biomarker of good prognosis in head and neck squamous cell carcinoma
头颈鳞状细胞癌(HNSCC)患者常由于次优的风险管理和治疗策略而预后较差,但将新的预后生物标志物纳入临床实践中具有挑战性。来自新加坡的研究团队报告了HNSCC患者中多核巨细胞(MGC)的存在,及其与未经治疗和术前化疗患者的预后之间的关系。接受术前治疗后,肿瘤中的MGC密度增加,表明这些细胞在抗肿瘤反应中发挥作用。为了将MGC密度作为预后标志物进行临床转化,该团队开发了一种深度学习模型,用于在常规染色的病理切片图像上自动量化 MGC密度。最后,使用空间转录组学和蛋白质组学方法来描述与MGC相关的肿瘤微环境,并观察到中心记忆性CD4 T细胞的增加。该研究定义了一个MGC特异性特征,类似于表达TREM2的单核肿瘤相关巨噬细胞,这些细胞共定位于角蛋白肿瘤生态位。
扫码阅读全文