計算工具為“暗蛋白質組”研究打開新窗口，助力生物標志物發現

　　一種新型計算工具為高效識別蛋白質變異提供了新方法，該方法可捕捉傳統技術常忽略的變異，從而拓展了科學家檢測疾病相關突變的能力。

　　加州大學洛杉磯分校（UCLA）泌尿學與人類遺傳學教授保羅?布特羅斯（Paul Boutros）表示，這種名為 moPepGen（多組學肽生成器）的方法能讓研究人員更充分地利用質譜實驗中產生的數據。布特羅斯及其團隊于周一在《自然?生物技術》（Nature Biotechnology）上發表了該方法的詳細內容。

　　“質譜實驗中的大部分數據都被丟棄了，” 布特羅斯說，“我們未能理解機器信號所揭示的特定蛋白質或其產物的存在信息。”

　　他解釋道，這些 “缺失” 的數據涵蓋了樣本中可能存在的不同物種（如細菌）、種系遺傳變異，以及不同類型的基因表達（如可變剪接和融合）。這些所謂的 “非規范蛋白質序列” 構成了 “暗蛋白質組”，而傳統質譜實驗通常依賴 “規范序列”（即最常見的序列）來識別樣本成分，因此暗蛋白質組常被忽略。

　　“大多數質譜分析的工作方式，基本上是對照規范蛋白質序列進行‘字典查詢’。” 布特羅斯說。

　　然而，他進一步指出，即使每種蛋白質都存在規范序列，遺傳變異仍會導致絕大多數蛋白質由非規范序列組成。這產生了海量可能的變異體，使得創建像規范序列那樣全面的 “字典” 在計算上難以實現。

　　moPepGen 采用三層嵌套的圖論計算模型，系統模擬基因表達及翻譯為蛋白質的過程，迭代分析轉錄變異、肽段變異和肽段切割。與許多其他平臺不同，該方法適用于單核苷酸多態性（SNPs）、小片段插入 / 缺失（indels）和 RNA 編輯位點等多種小變異的任意組合。

　　“這種方法大幅降低了冗余性，”UCLA 博士后、論文第一作者朱承昊（Chenghao Zhu）說，“moPepGen 無需逐一測試所有可能的組合，而是每個圖僅進行一次計算機模擬翻譯，從而使過程更高效且可擴展。”

　　布特羅斯表示，該方法的 “魔力” 在于其速度極快，可輕松集成到現有任何質譜分析流程中，且成本低廉。

　　隨著質譜技術開發者推出更強大的新儀器，該算法應運而生。例如，賽默飛世爾科技（Thermo Fisher Scientific）、Sciex 和布魯克（Bruker）等公司近期更新了其旗艦蛋白質組學平臺，包括提升質譜儀處理離子的數量、改進靈敏度，以及優化離子從碰撞池轉移至飛行時間（TOF）分析器的效率。

　　“如今我們有了可廣泛應用的工具，我們非常希望將其用于存在大量非典型基因表達的領域。” 布特羅斯說。

　　前列腺癌就是這樣的領域之一。他指出，前列腺癌是所有癌癥類型中基因表達最不典型的疾病之一。

　　“它以富含非編碼 RNA、剪接變體、融合基因和環狀 RNA 等‘奇特’特征而聞名。” 他說。

　　布特羅斯補充道，前列腺癌也是生物標志物發現的理想目標，因為這些腫瘤常向尿液中釋放細胞和遺傳物質。作為液體活檢樣本，尿液具有顯著優勢：與血液等樣本相比，它支持更頻繁、更廣泛的縱向采樣。例如，每天多次采樣可幫助研究人員考慮樣本采集時間、飲食、運動等變量的影響。

　　“所有這些因素都會影響生理狀態，” 布特羅斯說，“但當采樣頻率足夠高時，我們就能輕松規避這些變量的干擾。這使尿液成為極具吸引力的癌癥生物標志物。”

　　為此，布特羅斯、朱承昊及其團隊首先將 moPepGen 與 customProDBJ 和 pyQUILTS 兩種常用算法進行基準測試，分析了五個前列腺癌腫瘤樣本中的蛋白質變異。

　　在識別種系體細胞點突變和 indels 衍生的肽段時，三種方法表現相當；但在分析可變剪接、RNA 編輯、RNA 環化和轉錄融合等更復雜的過程時，僅 moPepGen 能評估由這四種機制產生的肽段。

　　隨后，他們分析了五個前列腺腫瘤、八個腎臟腫瘤和 376 個細胞系的蛋白質基因組數據。在所有樣本中，moPepGen 識別出多種此前未被檢測到的、由不同分子變化引起的蛋白質變異。該分析還顯示，與其他幾種方法相比，moPepGen 檢測到的獨特蛋白質變異體數量約為后者的四倍，證實了其性能優勢。

　　盡管該方法剛剛正式發表，但數月前已通過 BioRxiv 和 GitHub 平臺公開。布特羅斯表示，已有其他研究人員聯系他，表達了將其用于癌癥及細菌蛋白質組學等領域研究的興趣。

　　瑞士蘇黎世聯邦理工學院（ETH Zurich）分子系統生物學研究所系統生物學教授魯道夫?艾伯索爾德（Rudolf Aebersold）在電子郵件中指出，moPepGen 為蛋白質組學領域做出了重要貢獻，它提供了一種生成更具功能相關性數據的方法。

　　“除了本文所述的樣本特異性非規范肽段的鑒定，” 他說，“其他同樣有趣的擴展應用還包括對規范或非規范肽段及蛋白質的背景特異性修飾檢測，以及它們參與的背景特異性相互作用研究。探索將推斷功能不同蛋白質亞型的方法與本文提出的方法結合使用，以確定新發現的非規范肽段是否參與或定義具有獨特生物學功能的蛋白質亞型，將是一個有趣的方向。”

　　布特羅斯還提到，moPepGen 已引起一些商業機構的興趣。他目前正與潛在商業合作伙伴洽談，但尚未到透露細節的階段。

　　他表示，moPepGen 對研究的核心貢獻在于其揭示 “暗蛋白質組” 的能力，這有助于探索更基礎的問題，例如不同組織中暗蛋白質組的豐度差異，以及不同儀器和制備柱是否能更好地解析暗蛋白質組成分。

　　“我們能否借此更好地理解儀器或實驗方案的優化設計？” 布特羅斯問道，“我常思考如何更好地理解疾病、治愈癌癥等研究目標，但另一個層面是：‘我們如何更精準地測量和量化樣本？’”