1. sci666首页
  2. 文献解读

一文献一技术路线:病理形态学+蛋白组学

临床上病理是最为常见不过的检查,很多疾病都需要病理组织学来确诊,而对组织样本来说,如果你想去测序甚至蛋白质组学研究,不仅需要花费大量经费,对数据的处理和标准化可能会让你头疼。一种捷径就是采用公共数据库里的蛋白质组芯片,这样就实现了“拿别人的数据发了自己的文章”。同时,当我们专注各种分子,蛋白,通路的时候,组织形态学往往会被忽略…

 

众所周知,肿瘤是具有不同类型细胞的异质性组织,其中包括癌细胞、成纤维细胞和淋巴细胞等,并且肿瘤的形态学特征对肿瘤的诊断和预后至关重要,然而其潜在的分子事件和肿瘤形态学与基因的关系尚不清楚。但是随着计算病理学的进步和大量具有分子和组织病理学数据的癌症样本的积累,研究人员能够进行综合分析来研究这一问题。今天分享的这篇文献发表在molecular cellular proteomics在这项研究中,作者系统地研究了乳腺癌的形态学特征与各种分子数据尤其是蛋白质组学之间的关系。

 

 

一文献一技术路线:病理形态学+蛋白组学

 

数据:

来自TCGA以及CPTAC的73例具有图像,RNA-seq,以及蛋白质组学数据

 

主要流程:    

 

一文献一技术路线:病理形态学+蛋白组学

研究的主要流程如图1所示

主要内容:

1.多组学数据与形态学的相关性分析

一文献一技术路线:病理形态学+蛋白组学

表1

一文献一技术路线:病理形态学+蛋白组学

一文献一技术路线:病理形态学+蛋白组学

一文献一技术路线:病理形态学+蛋白组学

表2

为了探讨分子数据和组织病理学特征之间的关系,作者首先进行了成像特征和mRNA以及蛋白质之间的相关分析,结果如表1所示。接下来,我们比较了单个形态学特征的image-mRNA和image- protein对的相关系数分布。作者主要关注表2中所选的形态学特征。图像特征与大部分蛋白质的相关性与匹配的mRNA一致。在个体特征水平上,个体图像特征的相关性分布也揭示了图像- mRNA与图像-蛋白对之间一致的相关性模式。

 

2.CPTACTCGA数据的图像蛋白相关性比较

一文献一技术路线:病理形态学+蛋白组学

图2

作者为了检验image-CPTAC测量的相关模式是否与数据吻合,在这部分使用了这73个基于RPPA技术的匹配蛋白组数据的样本进行验证。在此,比较了基于ms技术和RPPA技术的图像特征与蛋白质测量之间的相关模式。如图2所示,这是Large_Nucleus_Area特性的示例。观察到总体一致的结果,支持蛋白质谱和形态学特征之间相关性的鲁棒性。

 

3.图像蛋白相关分析揭示与形态学特征相关的特定生物学过程

一文献一技术路线:病理形态学+蛋白组学

图3

一文献一技术路线:病理形态学+蛋白组学

表3

在这一部分作者为了检验蛋白质组学数据是否能够揭示单凭转录组(mRNA)数据无法推断的与形态学特征相关的生物学过程,作者将从mRNA中获得的GO注释结果与个体形态学特征呈强正相关的蛋白质进行比较(图3)。表3显示了基于正相关蛋白和mRNA的个体形态学特征最显著富集的生物学过程项。

与图像特征相关的特定生物学过程

 

一文献一技术路线:病理形态学+蛋白组学

表4

一文献一技术路线:病理形态学+蛋白组学

图4

由于与形态学特征相关的基因和蛋白可能为癌症细胞和组织形态学的分子基础提供线索,因此,作者对与每个个体形态学特征相关的蛋白进行GO富集分析,判断这些蛋白是正相关还是负相关,富集分析结果如图4所示,而在表4中展示了基于蛋白质组学数据得到的与形态特征显著相关的蛋白质显著富集的生物学过程 。综上所述,基于与形态学特征有很强的相关性蛋白质组学数据,识别出代谢、免疫、细胞周期和ECM发育四种主要的生物学过程类型。

 

4、基于形态学特征的生存分析

一文献一技术路线:病理形态学+蛋白组学

图5

一文献一技术路线:病理形态学+蛋白组学

图6

一文献一技术路线:病理形态学+蛋白组学

表5

由于组织病理学图像中提取的形态学参数对乳腺癌的诊断和预后至关重要,作者还研究了这些形态学特征与患者临床结局的关系,作者对TCGA中乳腺癌的1057例患者进行形态学特征与患者总体生存信息的相关性分析。生存分析结果如图5所示,图6展示了选择的与患者总体生存密切相关的5个预后形态学特征。表5概述了与生存相关的形态学特征。

到这里这篇文章的主要内容就介绍完了,总结下,这篇文章分析揭示了整合形态学信息和分子数据,使人们对组织形态学调控和蛋白质这一过程有更深的理解,有助于对癌症生物学和预后预测产生新的见解。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

(857)626-2666

在线咨询:点击这里给我发消息

邮件:123456@whu.edu.cn

QR code