【佳学基因检测】结直肠癌基因检测如何贼大化可以靶向的药物位点？

磷酸蛋白质组学分析为mCRC提供了可药物干预的靶点

鉴于蛋白质激酶已被开发为dota2吧雷电竞 治疗的有效药物靶点，佳学基因靶向转移性结直肠癌的课题组接下来通过与正常组织进行比较，根据每个CC亚型中mCRC原发和转移组织中差异丰富的磷酸化位点来推断激酶活性。通过进行激酶-底物富集分析，dota2吧雷电竞 基因解码发现不同的CCs富集了不同的激酶，且同一CC中的原发和转移组织对于同一激酶显示出不同的活性。CDK5在CC1的原发组织中表现出高活性，但在CC1的转移组织和其他CCs中并未表现出高活性。同样，MAPK1在CC3的原发和转移组织中均高度富集，但在其他CCs中并未高度富集。

对于具有可量化蛋白质水平和临床可用药物的激酶，基因解码分析了mCRC的42对N-T或N-LM组织中相应磷酸化底物的丰度。通过将定量蛋白质组学数据与PhosphoSitePlus或NetworKIN 3.0相结合，佳学基因总共发现了251对激酶-磷酸化底物。结直肠癌dota2吧雷电竞 正确用药850基因检测观察到，mCRC患者不同组织和蛋白质组学亚型中磷酸化底物和激酶的高度异质性。接下来，基因解码基于每两对激酶-磷酸化底物之间的皮尔逊相关系数，为每个蛋白质组学亚型的原发和转移dota2吧雷电竞 构建了激酶-底物网络。在CC1转移dota2吧雷电竞 中观察到CDK4与其底物之间的正相关关系，而在CC1原发dota2吧雷电竞 中未发现显著相关性。对于MAPK3及其磷酸化底物，CC1和CC3亚组原发和转移肿瘤之间的差异贼大。

在每个蛋白质组学亚型的原发和转移肿瘤之间的激酶-磷酸化底物网络中，也发现了显著差异，并且CC3网络与CC1网络的相似性高于与CC2网络的相似性。在亚组内原发和转移肿瘤之间的激酶-磷酸化底物网络的差异也大于在亚型之间原发肿瘤观察到的差异。这些观察结果表明，在临床治疗中，对相应抑制剂的反应具有个性化和定位特异性。

为了进一步探索mCRC患者的药物反应潜力，佳学基因靶向药物基因检测对31个miniPDX模型进行了三种激酶抑制剂（阿法替尼、吉非替尼和瑞戈非尼）的药理学测试，其中包括9对原发-转移肿瘤和13个其他原发肿瘤。靶向药物基因检测通过肿瘤细胞生长抑制率（TCGI，%）测量了每种药物对每个肿瘤的药物反应效果，并确定来自同一患者的原发和转移肿瘤对同一种药物可能表现出不同的反应。特别是，CCRC-0323对瑞戈非尼表现出非常高的敏感性，这可以归因于RAF1基因的突变。然而，CCRC-0323也携带了ERBB2突变，但对ERBB2抑制剂阿法替尼没有反应。相比之下，CCRC-0397没有RAF1突变，但对两种抑制剂都敏感。总的来说，在31个miniPDX肿瘤中，与三种激酶抑制剂相对应的基因很少发生突变，因此这些患者目前不适合接受相应药物的治疗。然而，靶向药物基因检测的体内药物测试显示出了良好的反应，这表明磷酸蛋白质组学读数可能比突变的存在更能敏感地指示治疗的适宜性。

药物选择所采用的不同模型

接下来，药物基因解码探索了激酶-磷酸化底物网络与药物敏感性之间的相关性。佳学基因首先基于先前报道的方法构建了组织特异的激酶-底物网络。具体来说，对于PhosphoSitePlus或NetworKIN 3.0报道的每一对激酶和底物，靶向药物基因解码计算了每个患者原发和转移组织中激酶与磷酸化底物之间的边强度。对于每一对激酶和底物，正边强度代表蛋白质和磷酸化位点之间相同方向的变化，而负边强度则表明反相关。

然后，靶向药物基因检测策略组基于1696个边强度特征构建了弹性网络回归模型，以预测药物反应。其中，18个肿瘤组织及其对应的药物测试结果用作训练集，其余13个模型用作验证集。值得注意的是，对于所有三种激酶抑制剂，预测的和观察到的TCGI之间均观察到高度相关性。总的来说，在预测阿法替尼、吉非替尼和瑞戈非尼的药物反应时，分别有21、17和21对激酶-磷酸化底物边特征被弹性网络所选。大多数选定的特征与阿法替尼敏感性呈负相关，而瑞戈非尼敏感性与相应的激酶-磷酸化底物特征呈正相关。具体来说，EFGR与PTPN1-Y8之间的正相关以及EFGR与IRS1-S3之间的负相关都对阿法替尼的治疗反应有贡献，这表明肿瘤对治疗的反应或敏感性不是由单一因素决定的，也不表现出严格的正相关，而是反映了多组学数据中显现出的多种分子特征的综合效应。对于具有多个靶点的瑞戈非尼而言，RAF1、PDGRFB和EHPA2的边都对药物反应有贡献，其中RAF1在疗效中起主导作用。相比之下，基于定量激酶和磷酸化底物数据的模型在预测药物反应时正确度较低。这些结果表明激酶-磷酸化底物网络在预测mCRC患者的药物敏感性方面具有很强的潜在可行性。