整合性多omics对12个同源性小鼠模型的表征
Zihan Xu1, Binchen Mao1, Hengyuan Liu1
1Crown Bioscience Inc., 218 Xinghu Road, Suzhou 215000, China.
iScience
|July 21, 2025
概括
数据独立获取 (DIA) 优于数据依赖获取 (DDA) 在癌症免疫治疗研究中分析小鼠模型. 这项研究确定了与治疗反应相关的关键蛋白质和途径,为个性化治疗提供了洞察力.
科学领域:
- 癌症研究 癌症研究
- 免疫学 免疫学 免疫学
- 蛋白质组学是指蛋白质组学.
背景情况:
- 在研究瘤免疫相互作用和免疫治疗方面,鼠标综合基因模型至关重要.
- 评估蛋白质定量方法对于强大的临床前研究至关重要.
研究的目的:
- 为了比较小鼠合成基因模型中的无标签蛋白质量定量管道.
- 确定对免疫检查点抑制剂 (ICI) 的反应背后的分子机制.
- 开发一个网络资源,共享多学科数据和分析工具.
主要方法:
- 六个无标签蛋白质量定量管道的全面评估.
- 对数据独立获取 (DIA) 和数据依赖获取 (DDA) 方法的比较分析.
- 综合性多主题分析,以确定与治疗反应相关的生物标志物和途径.
主要成果:
- 在12个小鼠共生模型中,DIA在数据覆盖,可重现性和模型间的歧视方面显著超过了DDA.
- 确定了Dnmt3a和Igf2r作为与免疫检查点抑制剂 (ICI) 耐药性相关的潜在标志物.
- 突出介质激素信号传递和氧化酸化途径,使响应者与非响应者区分开来.
结论:
- 在癌症免疫疗法研究中,DIA是一种在小鼠综基因模型中进行蛋白质组分析的优质方法.
- 多omics分析揭示了影响ICI治疗结果的关键分子参与者和途径.
- 提供了一个交互式网络资源,以促进数据探索和加速针对个性化癌症治疗的临床前研究.
