蛋白质混合物:一种细胞类型解卷工具,用于大批组织蛋白质组数据

科学领域:

• 癌症研究 癌症研究
• 蛋白质组学是指蛋白质组学.
• 文字转录学 (Transcriptomics) 是一个学科.
• 生物信息学是一种生物信息学.

背景情况:

• 多原子研究揭示了癌症组织中转录和蛋白质水平之间的不良相关性.
• 现有的细胞混合物解卷工具主要依赖于转录组数据.
• 准确估计细胞类型比例 (细胞添加剂) 对于理解瘤微环境异质性至关重要.

研究的目的:

• 评估蛋白质丰度数据对估计癌症细胞添加物的有用性.
• 开发和优化基于蛋白质的特征,用于细胞类型比例估计.
• 为了对这些蛋白质签名进行基准测试,使用来自高度血清性卵巢癌 (HGSOC) 患者的批量瘤蛋白质组数据.

主要方法:

• 从人工细胞添加剂 (瘤,层状细胞,免疫细胞) 中分析蛋白质组和转录组数据.
• 利用激光微解剖来从HGSOC瘤微环境中收集细胞.
• 应用了两个解卷算法 (ESTIMATE,ConsensusTME) 使用共量化的转录和蛋白质数据.
• 开发和验证的基于蛋白质的签名用于细胞添加剂估计.

主要成果:

• 同量化的转录和蛋白质在使用标准解卷算法估计和免疫细胞混合物时表现相似 (r ≥ 0.63).
• 优化的蛋白质签名有效地估计了从批量瘤蛋白质组数据中细胞混合物比例.
• 对150多名HGSOC患者的蛋白质组数据进行了基准测试.

结论:

• 蛋白质丰度数据是转录基因数据的可行和有效替代品,用于估计癌症细胞添加剂.
• 开发的蛋白质签名为批量瘤蛋白质数据集的解卷分析提供了宝贵的资源.
• 这些发现有助于通过蛋白质学方法更深入地了解瘤微环境的组成.