Basic Information

• 英文標(biāo)題： Pan-cancer proteogenomics connects oncogenic drivers to functional states
• 中文標(biāo)題：泛癌蛋白質(zhì)基因組學(xué)將致癌驅(qū)動因素與功能狀態(tài)聯(lián)系起來
• 發(fā)表日期：NA
• 文章類型：Article
• 所屬期刊：Cell
• 文章作者：Yize Li | Zhen Zhang
• 文章鏈接：https://www.sciencedirect.com/science/article/pii/S0092867423007808

Highlights

Para_01

• 多組學(xué)聚類揭示了跨十種癌癥類型的共同致癌驅(qū)動途徑
• 遺傳變化與改變的、腫瘤特異性的蛋白質(zhì)-蛋白質(zhì)相互作用相關(guān)聯(lián)
• 順反效應(yīng)和激酶活性顯示驅(qū)動因子的異質(zhì)性和可藥性
• 蛋白質(zhì)組與基因組驅(qū)動因素的整合揭示了不同的癌癥標(biāo)志模式

Summary

Para_01

1. 癌癥驅(qū)動事件是指推動腫瘤發(fā)生的關(guān)鍵遺傳異常浸须；然而惨寿，它們的確切分子機(jī)制仍然理解不足。
2. 在這里删窒，我們的多組學(xué)泛癌分析揭示了癌癥驅(qū)動因素影響的洞見裂垦，通過識別它們在RNA、蛋白質(zhì)和磷酸化蛋白質(zhì)水平上的顯著順式效應(yīng)和遠(yuǎn)端反式效應(yīng)肌索。
3. 突出的觀察結(jié)果包括點突變和拷貝數(shù)變異與蛋白質(zhì)相互作用網(wǎng)絡(luò)重排之間的關(guān)聯(lián)蕉拢，值得注意的是，大多數(shù)癌癥基因趨向于相似的分子狀態(tài)，這由基于序列的激酶活性譜所表示企量。
4. 預(yù)測的新抗原負(fù)擔(dān)與測量的T細(xì)胞浸潤之間的相關(guān)性表明了免疫療法的潛在脆弱性测萎。
5. 癌癥標(biāo)志的模式根據(jù)多基因蛋白質(zhì)豐度從均勻到異質(zhì)不等而變化。
6. 總體而言届巩，我們的工作展示了全面的蛋白質(zhì)基因組學(xué)在理解致癌驅(qū)動因素的功能狀態(tài)及其與癌癥發(fā)展聯(lián)系方面的價值硅瞧，超越了研究單一癌癥類型所帶來的局限性。

Graphical abstract

Keywords

• pan-cancer; oncogenic driver; therapeutic target; proteomics; proteogenomics; phosphoproteomics; protein complex; cancer hallmark; CPTAC

Introduction

Para_01

1. 癌癥主要由腫瘤抑制基因(TSGs)和原癌基因中的遺傳驅(qū)動突變引發(fā)恕汇。
2. 定義一個基因為癌癥驅(qū)動因素時會考慮多種指標(biāo)腕唧，包括基因中的突變復(fù)發(fā)、
3. 功能性蛋白結(jié)構(gòu)域瘾英、
4. 致癌突變的個別氨基酸熱點枣接、
5. 損害性突變的富集、
6. 或蛋白質(zhì)結(jié)構(gòu)中體細(xì)胞突變的三維聚類缺谴。
7. 將這些標(biāo)準(zhǔn)應(yīng)用于大規(guī)模的癌癥基因組學(xué)數(shù)據(jù)隊列后但惶，近年來癌癥基因及其預(yù)測驅(qū)動突變的清單已顯著增加喉童。
8. 這些突變?nèi)绾螜C(jī)制性地"驅(qū)動"腫瘤發(fā)生仍不完全清楚某筐。

Para_02

1. 臨床蛋白質(zhì)組腫瘤分析聯(lián)盟（CPTAC）通過整合整個蛋白質(zhì)基因組譜系的數(shù)據(jù)踪央，加速了對癌癥基本分子機(jī)制的理解：全外顯子組和全基因組測序胳喷、DNA甲基化排抬、RNA-seq以及全面的蛋白質(zhì)組學(xué)和磷酸化蛋白質(zhì)組學(xué)铐姚。
2. 迄今為止痪伦，已經(jīng)為涵蓋十種癌癥類型的1,000多個病例生成了大量的數(shù)據(jù)：結(jié)直腸腺癌（COAD）残制、卵巢高級別漿液性癌（HGSC）察迟、透明細(xì)胞腎細(xì)胞癌（ccRCC）斩狱、頭頸鱗狀細(xì)胞癌（HNSCC）、肺鱗狀細(xì)胞癌（LSCC）扎瓶、子宮體子宮內(nèi)膜癌（UCEC）所踊、肺腺癌（LUAD）、胰腺導(dǎo)管腺癌（PDAC）栗弟、膠質(zhì)母細(xì)胞瘤（GBM）和乳腺癌（BRCA）污筷。
3. 通過對不同組學(xué)層中的變異進(jìn)行探究，可以追蹤體細(xì)胞驅(qū)動突變對生物結(jié)構(gòu)與功能單位——蛋白質(zhì)的影響乍赫。

Para_03

1. 泛癌研究側(cè)重于界定多種癌癥中的分子特征瓣蛀。在這里，我們通過納入蛋白質(zhì)組學(xué)層面雷厂，擴(kuò)展了我們先前以基因組為中心的泛癌研究惋增，以闡明癌癥驅(qū)動因素六個關(guān)鍵方面：(1) 泛癌基因組和表觀基因組驅(qū)動因素的頻率、排他性和共現(xiàn)改鲫；(2) 驅(qū)動突變對 RNA诈皿、蛋白質(zhì)及翻譯后修飾的影響林束；(3) 驅(qū)動突變對蛋白質(zhì)復(fù)合體的影響；(4) 致癌途徑中蛋白質(zhì)和磷酸化水平的關(guān)鍵變化稽亏；(5) 可干預(yù)的驅(qū)動突變與腫瘤微環(huán)境之間的關(guān)聯(lián)壶冒；以及 (6) 從癌癥標(biāo)志的角度來看，體細(xì)胞驅(qū)動因素對蛋白質(zhì)豐度的綜合影響截歉。
2. 我們的發(fā)現(xiàn)展示了整合性蛋白質(zhì)基因組分析在解碼致癌驅(qū)動因素及其潛在臨床應(yīng)用方面的潛力胖腾，特別是在沒有明確基因組靶點的情況下。

Results

A pan-cancer proteogenomic landscape of driver alterations and associated multi-omic clusters

全癌種蛋白質(zhì)基因組景觀揭示驅(qū)動變異及其相關(guān)多組學(xué)集群

Para_01

1. 盡管大規(guī)模DNA測序研究對于識別癌癥驅(qū)動突變至關(guān)重要瘪松，但蛋白質(zhì)基因組學(xué)進(jìn)一步整合了表觀遺傳學(xué)咸作、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)數(shù)據(jù)，揭示了功能后果及治療脆弱性宵睦。
2. 作為CPTAC的一部分记罚，我們對來自十個不同癌癥類型的1,064個前瞻性收集病例的蛋白質(zhì)基因組數(shù)據(jù)進(jìn)行了統(tǒng)一處理和分析，涵蓋了遺傳變異壳嚎、DNA甲基化桐智、轉(zhuǎn)錄組、全局蛋白質(zhì)組學(xué)和磷酸化蛋白質(zhì)組學(xué)（圖1A）烟馅。
3. 每個病例都附帶了匿名臨床數(shù)據(jù)酵使、組織病理學(xué)、治療結(jié)果以及在某些情況下來自正常鄰近組織(NATs)的詳細(xì)分子數(shù)據(jù)（補充表S1）焙糟。

4. 一個顯著的進(jìn)步是納入了基于質(zhì)譜的蛋白質(zhì)組學(xué)和磷酸化蛋白質(zhì)組學(xué)數(shù)據(jù)，這使得定量特征的數(shù)量呈指數(shù)級增長至15,699種蛋白質(zhì)和110,274個磷酸化位點（圖1B）样屠，與癌癥基因組圖譜(TCGA)基于RPPA的檢測中分別評估的128種蛋白質(zhì)和53個磷酸化位點相比有了大幅增加穿撮。

   
   

• 圖1. 泛癌癥變異景觀表征了四個多組學(xué)聚類 (A) 隊列和數(shù)據(jù)類型的概覽。
• (B) 蛋白基因組數(shù)據(jù)類型中的量化特征及H&E圖像的數(shù)量痪欲。
• (C) 我們將這個泛癌癥隊列中的腫瘤樣本分為四個多組學(xué)層次聚類悦穿。
• 它們在蛋白基因組方面展示了腫瘤變異性，如驅(qū)動變異（頂部）业踢，以及與每個聚類相關(guān)的差異表達(dá)蛋白質(zhì)(DEP)栗柒、潛在的蛋白質(zhì)-蛋白質(zhì)相互作用(DEPP)和富集途徑（中部和底部）。
• (D) 這是按多組學(xué)聚類分組的增殖和EMT信號通路中蛋白質(zhì)組數(shù)據(jù)的ssGSEA小提琴圖知举。
• 顯示了一元ANOVA的p值瞬沦，數(shù)據(jù)表示為平均值±CI。
• 另見補充圖S1和補充表S1雇锡。

Para_01

1. 為了揭示轉(zhuǎn)錄組逛钻、蛋白質(zhì)組和磷酸化蛋白質(zhì)組中腫瘤變異性的全景，我們應(yīng)用了貝葉斯非負(fù)矩陣分解28,29,30后接著進(jìn)行層次聚類锰提，對腫瘤樣本進(jìn)行了聚類分析曙痘。
2. 我們解析出了四個主要的多組學(xué)聚類（聚類A至D）（圖1C芳悲；星號標(biāo)記的方法）。
3. 聚類A中缺乏胰腺導(dǎo)管腺癌(PDAC)边坤，但富集了高級別漿液性卵巢癌(HGSC)和結(jié)直腸腺癌(COAD)名扛，與較高比例的微衛(wèi)星不穩(wěn)定性(MSI-high)和免疫冷型樣本相關(guān)（p值分別為0.02、1e-5茧痒，卡方檢驗肮韧；星號標(biāo)記的方法）。
4. 聚類B含有更多的鱗狀細(xì)胞癌文黎，并且與其他聚類相比具有更高的免疫浸潤（p值=1e-5惹苗，卡方檢驗）。
5. 聚類C和D分別在肺腺癌(LUAD)和膠質(zhì)母細(xì)胞瘤(GBM)中富集耸峭，它們具有相似之處桩蓉，例如更高比例的免疫熱型樣本（圖1C）。
6. 值得注意的是劳闹，某些致癌性改變偏好性地發(fā)生在特定聚類中（q值<0.05院究，卡方檢驗），比如KRAS突變在聚類C和D中本涕，以及CDKN2A和TP53突變在聚類B中（圖1C业汰；補充表S1）。
7. 此外菩颖，我們鑒定了差異表達(dá)蛋白(DEPs)和差異磷酸化位點(DEPPs)（圖1C样漆；補充表S1）。
8. 功能上晦闰，與聚類A相關(guān)的DEPs在雌激素依賴的基因表達(dá)中富集放祟，而DEPPs則與DNA修復(fù)有關(guān)。
9. 聚類B中的DEPs和DEPPs在DNA復(fù)制呻右、固有免疫系統(tǒng)和細(xì)胞周期中富集跪妥，這與大量CDKN2A改變相一致。
10. 與聚類C相關(guān)的DEPs和DEPPs與細(xì)胞外基質(zhì)(ECM)組織和VEGFA-VEGFR2信號傳導(dǎo)有關(guān)声滥。
11. 最后眉撵，聚類D在酪氨酸代謝和MAPK1/MAPK3信號傳導(dǎo)中富集（圖1C）。

Para_02

1. 接下來落塑，我們使用基于蛋白質(zhì)的單樣本基因集富集分析（ssGSEA）量化了每個多組學(xué)聚類中富集的代表性通路在不同癌癥類型間的差異（圖1D和補充圖S1A纽疟；補充表S1）。
2. 例如憾赁，在每個聚類中仰挣，ccRCC的免疫系統(tǒng)通路ssGSEA得分比GBM高（補充圖S1A），這與已知的ccRCC具有更高的免疫浸潤水平以及對免疫檢查點阻斷更好的響應(yīng)率一致缠沈。
3. 為了評估臨床相關(guān)性膘壶，我們在共聚類腫瘤中進(jìn)行了生存分析错蝴。
4. 經(jīng)過多重檢驗校正后，我們發(fā)現(xiàn)標(biāo)記為組A（即富含PDAC樣本）的ccRCC樣本在聚類C和D中的預(yù)后優(yōu)于對照組（即聚類A和B中的ccRCC樣本）（補充圖S1B）颓芭；這一關(guān)系在Cox比例風(fēng)險模型中調(diào)整年齡顷锰、性別和腫瘤純度后仍然保持（p值=0.008）。
5. 通過比較ccRCC中組A和組B的炎癥反應(yīng)蛋白基ssGSEA得分亡问，我們注意到組A對應(yīng)的免疫浸潤水平較低（補充圖S1C）官紫。
6. 當(dāng)我們根據(jù)炎癥反應(yīng)ssGSEA得分將ccRCC樣本分組時，觀察到了生存優(yōu)勢（補充圖S1D）州藕。
7. GBM在上皮間充質(zhì)轉(zhuǎn)化（EMT）通路上的得分高于其他癌癥類型束世，特別是在聚類D中（圖1D）。
8. GBM的間充質(zhì)亞型表達(dá)神經(jīng)干細(xì)胞標(biāo)志物床玻，并與侵襲性表型相關(guān)聯(lián)毁涉。
9. ssGSEA得分高的GBM亞群與患者較差的生存率相關(guān)聯(lián)（p值=0.0062；補充圖S1E锈死；星號方法部分）贫堰。
10. 基于它們的多組學(xué)特征對所有癌癥病例進(jìn)行全面審視使我們能夠識別出不同的樣本聚類。
11. 然而待牵，這些樣本中的癌癥驅(qū)動因素與分子通路差異之間可能存在何種聯(lián)系其屏？

12. 我們首先探究了最明顯可能的影響：改變的驅(qū)動基因?qū)ζ銻NA和蛋白質(zhì)產(chǎn)物的影響。

    
    

• 圖 S1. 驅(qū)動突變注釋流程及多組學(xué)聚類缨该，與圖 1 相關(guān) (A) 小提琴圖顯示了免疫系統(tǒng)途徑中從單樣本基因集富集分析（ssGSEA）得出的蛋白質(zhì)組數(shù)據(jù)癌癥類型途徑富集得分分布偎行，按多組學(xué)聚類分組。顯示了一元方差分析 P 值贰拿，數(shù)據(jù)表示為平均值 ± 置信區(qū)間睦优。
• （B）ccRCC 中群組 A（即聚類 C 和 D）與群組 B（即作為對照的聚類 A 和 B）之間總體生存期（即 OS）差異，由 Kaplan-Meier 圖表示壮不。對數(shù)秩檢驗 P 值 = 0.01。調(diào)整年齡皱碘、性別和腫瘤純度后询一，Cox 比例風(fēng)險模型得到的 P 值為 0.008。須狀線代表風(fēng)險比的 ± 95% 置信區(qū)間癌椿。
• （C）小提琴圖比較了兩個 ccRCC 群組間基于蛋白質(zhì)的 ssGSEA 得分（即炎癥反應(yīng)標(biāo)志途徑）的分布健蕊，如 B 所示。Wilcoxon 符號秩檢驗得到的 P 值為 0.00011踢俄。數(shù)據(jù)表示為平均值 ± 置信區(qū)間缩功。
• （D）整個 ccRCC 隊列中高炎癥反應(yīng)組（炎癥反應(yīng) ssGSEA 上四分位數(shù)）與低炎癥反應(yīng)組（例如，下四分位數(shù)）之間的總體生存期（即 OS）差異都办，由 Kaplan-Meier 圖表示嫡锌。對數(shù)秩檢驗 P 值 = 0.0027虑稼。調(diào)整年齡、性別和腫瘤純度后势木，Cox 比例風(fēng)險模型得到的 P 值為 0.011蛛倦。高：炎癥反應(yīng) ssGSEA 上四分位數(shù)；低：炎癥反應(yīng) ssGSEA 下四分位數(shù)啦桌。
• （E）CPTAC 膠質(zhì)母細(xì)胞瘤隊列中總體生存期與上皮間質(zhì)轉(zhuǎn)化（EMT）ssGSEA 得分表達(dá)之間的關(guān)聯(lián)溯壶，由 Kaplan-Meier 圖表示。高 EMT ssGSEA 得分（隊列的上四分位數(shù)）與較差的生存顯著相關(guān)甫男，由對數(shù)秩檢驗 P 值指示且改。
• （F）條形圖顯示了六種方法預(yù)測的驅(qū)動錯義突變的數(shù)量，進(jìn)一步根據(jù) OncoKB 是否已知該突變?yōu)橹掳┬裕ㄋ{(lán)色）或未知（橙色）進(jìn)行分層板驳。
• （G）Upset 圖指示了計算方法之間預(yù)測的驅(qū)動錯義突變的重疊情況又跛。
• （H）條形圖顯示了預(yù)測一個錯義突變?yōu)橹掳┬缘挠嬎惴椒〝?shù)量與其在 OncoKB 中的支持程度之間的關(guān)系。我們獨立使用所有六種計算方法（STAR 方法）對錯義突變進(jìn)行分類笋庄，然后根據(jù)多少種獨立的方法識別出每個突變進(jìn)行計數(shù)效扫。x 軸表示這六種方法中有多少種識別出一個特定突變?yōu)闈撛诘尿?qū)動突變。被更多計算方法識別的錯義突變更可能包含較高比例的驅(qū)動變異直砂。左側(cè)面板顯示各組突變的絕對數(shù)量菌仁，右側(cè)面板呈現(xiàn)各組突變的百分比。
• （I）左静暂，文氏圖指示潛在的失活功能（pLOF）變異被 OncoKB（癌癥類型無關(guān)）或 TCGA PancanAtlas（癌癥類型特異性）的腫瘤抑制基因（TSG）分類標(biāo)記為致癌性的重疊情況济丘。右，兩種 pLOF 致癌性注釋方法中基因長度與 pLOF 變異頻率之間的相關(guān)性洽蛀。陰影區(qū)域代表 95% 置信區(qū)間摹迷。
• （J）條形圖顯示了按突變類型（pLOF、框內(nèi)插入缺失或錯義突變）分層的標(biāo)注驅(qū)動突變的基因頻率郊供。
• （K）文氏圖顯示了 OncoKB 與癌癥基因普查（CGC）之間關(guān)于拷貝數(shù)改變（CNAs）致癌性注釋的重疊峡碉。
• （L）條形圖顯示了導(dǎo)致框內(nèi)事件的基因融合的對數(shù)幾率比，按驅(qū)動基因類型（癌基因或腫瘤抑制基因驮审，TSG）和融合事件頻率分層鲫寄。誤差棒代表 ±1 SEM。
• （M）在定義的腫瘤樣本比例高于背景突變率（效應(yīng)大小具有 90% 的統(tǒng)計功效）的情況下檢測癌癥驅(qū)動基因的統(tǒng)計功效被描繪出來疯淫。圓圈表示 CPTAC 和 TCGA 中的十種癌癥類型地来，根據(jù)研究樣本量和中位背景突變率放置。

Proteogenomic analyses reveal the heterogeneity of cis-effects of cancer mutations

蛋白質(zhì)基因組分析揭示了癌癥突變的順式效應(yīng)異質(zhì)性

Para_01

1. 盡管遺傳變異能夠廣泛影響蛋白質(zhì)組熙掺，最直接的影響是在突變基因自身的轉(zhuǎn)錄未斑、翻譯及轉(zhuǎn)錄后產(chǎn)物上。
2. 為了探究這類順式效應(yīng)币绩，我們評估了潛在癌癥驅(qū)動基因突變與其RNA蜡秽、蛋白質(zhì)或磷酸化蛋白水平變化之間的關(guān)聯(lián)府阀，采用線性回歸模型（圖2A；補充表S2载城；STAR方法）肌似。
3. 我們在59個癌癥基因中發(fā)現(xiàn)了265個顯著的順式事件，在泛癌水平上（q值<0.1诉瓦，圖2B川队；補充表S2）。
4. 正如預(yù)期睬澡，腫瘤抑制基因如ARID1A固额、MSH6或RB1在其RNA、蛋白質(zhì)或磷酸化蛋白水平上傾向于下調(diào)煞聪。
5. 針對每種腫瘤類型單獨分析斗躏，我們在59個癌癥基因中發(fā)現(xiàn)了349個順式效應(yīng)（q值<0.1）。

6. 大多數(shù)與泛癌分析中的順式效應(yīng)重疊昔脯，但仍有一些是獨特的啄糙，包括LSCC中的CUL3突變、HNSCC中的NOTCH1突變以及UCEC和BRCA中的KMT2C突變云稚，所有這些突變均與較低的蛋白質(zhì)豐度相關(guān)（補充表S2）

   
   

• 圖2. 在CPTAC隊列中癌癥基因中的SNVs的順式效應(yīng) (A) 本圖的分析結(jié)構(gòu)的示意圖隧饼。通過比較突變和野生型樣本來衡量體細(xì)胞突變對RNA、蛋白質(zhì)及磷酸化組學(xué)的影響静陈。 (B) 本文檔中分析的不同順式效應(yīng)的概覽燕雁，在泛癌（頂部）和隊列特異性水平（底部）。熱圖顯示選定的頻繁突變基因（x軸）在RNA鲸拥、蛋白質(zhì)或磷酸化水平（y軸）上的順式效應(yīng)拐格，并在所有三個組學(xué)水平上進(jìn)行測量。方塊根據(jù)順式效應(yīng)的符號log10(p)從紅色（正數(shù)）到藍(lán)色（負(fù)數(shù)）著色刑赶。符號log10(p)：將系數(shù)的方向乘以調(diào)整后的p值的log10（上限為±10）捏浊。 (C) 根據(jù)ARID1A突變狀態(tài)（x軸），泛癌中ARID1A突變腫瘤（紅色）與非突變腫瘤（黑色）以及正常鄰近組織（灰色）的ARID1A蛋白水平（y軸）的比較撞叨。 (D) 根據(jù)STK11突變狀態(tài)（x軸）金踪，LUAD患者中STK11突變腫瘤（紅色）與非突變腫瘤（黑色）以及正常鄰近組織（灰色）的STK11蛋白水平（y軸）的比較。顯示了一元ANOVA p值谒所，并以中位數(shù)和四分位間距表示數(shù)據(jù)（圖2C）和(D)。 (E) 調(diào)整了RNA表達(dá)水平后沛申，與蛋白質(zhì)豐度相關(guān)的致癌錯義突變的順式效應(yīng)分析劣领，要么是在泛癌（頂部）級別，要么是在隊列特異性水平（底部）铁材。箱形圖顯示具有潛在驅(qū)動錯義突變的腫瘤樣本（紅色）與野生型腫瘤樣本（灰色）的比較尖淘。顯示了Wilcoxon秩和檢驗q值奕锌，并以中位數(shù)和四分位間距表示數(shù)據(jù)。 (F) 泛癌中不同類型的TP53突變（x軸）對于TP53蛋白豐度的順式效應(yīng)村生。 (G) 具有潛在驅(qū)動錯義突變的癌基因（紅色）與腫瘤抑制基因（藍(lán)色）的氨基酸殘基相對溶劑可及性（RSA）的比較惊暴。RSA評分表明氨基酸是否暴露在蛋白質(zhì)表面（高分）或被埋藏（低分）。 (H) 具有潛在驅(qū)動錯義突變的PTEN中氨基酸的RSA與所有剩余氨基酸的比較趁桃。顯示了Wilcoxon秩和檢驗p值辽话，并在(F)-(H)中以中位數(shù)和四分位間距表示數(shù)據(jù)。 (I) 顯示預(yù)測的致癌錯義突變在PTEN中的RSA的蛋白質(zhì)結(jié)構(gòu)卫病。另見圖S2和表S2油啤。

Para_01

1. 將這種分析擴(kuò)展到配對的鄰近非腫瘤組織（NATs）為一組基因的動力學(xué)提供了額外的見解。
2. 盡管聚焦于腫瘤的分析表明ARID1A中的體細(xì)胞突變與較低的ARID1A蛋白豐度相關(guān)蟀苛，但NAT表征揭示了令人驚訝的現(xiàn)象：沒有ARID1A突變的腫瘤其ARID1A蛋白豐度比配對的NAT更高（P值=1e-16益咬，圖2C和S2A）。
3. 在沒有ARID1A突變的腫瘤樣本中ARID1A蛋白水平升高的原因尚不清楚帜平。
4. 配對的NAT也允許進(jìn)一步探究STK11的順式效應(yīng)幽告。
5. 肺腺癌（LUAD）中的STK11突變與蛋白質(zhì)豐度下降相關(guān)。
6. 野生型（WT）STK11腫瘤顯示出較高的STK11蛋白豐度裆甩，但比匹配的NAT的蛋白豐度低（P值=1e-10冗锁，圖2D），這表明STK11的下調(diào)對于沒有STK11體細(xì)胞突變的肺癌同樣至關(guān)重要淑掌。
7. 包括NAT樣本可以為理解順式效應(yīng)如何相對于野生型腫瘤改變蛋白質(zhì)水平以及相應(yīng)正常組織中的蛋白質(zhì)豐度提供背景信息蒿讥。

Para_02

1. 雖然某些類型的變異預(yù)計會對蛋白質(zhì)水平產(chǎn)生特定的順式影響（例如，無義突變和移碼插入缺失）抛腕，但其他變異如錯義突變的影響則可能廣泛變化芋绸。
2. 為了評估錯義突變是否會影響癌癥基因中的蛋白質(zhì)穩(wěn)定性，我們首先通過回歸去除RNA表達(dá)的貢獻(xiàn)來標(biāo)準(zhǔn)化蛋白質(zhì)豐度（見STAR方法）担敌。
3. 在對潛在致癌性錯義突變進(jìn)行順式效應(yīng)分析后摔敛，我們發(fā)現(xiàn)了11個泛癌癥顯著事件和15個隊列特異性顯著事件（q值 < 0.05，圖2E全封；補充表S2）马昙。
4. 正如預(yù)期的那樣，TP53的錯義突變與較高的蛋白質(zhì)豐度相關(guān)聯(lián)刹悴，而移碼插入缺失和無義突變則與較低的蛋白質(zhì)豐度相關(guān)聯(lián)（圖2F）行楞。
5. 對于所有其他具有順式效應(yīng)的腫瘤抑制基因，致癌性錯義突變與較低的蛋白質(zhì)豐度相關(guān)聯(lián)土匀，這在STK11律姨、PBRM1和PTEN中可以看到（補充表S2）影锈。
6. 與對蛋白質(zhì)穩(wěn)定性的沖擊一致皆愉，這些錯義突變優(yōu)先發(fā)生在蛋白質(zhì)結(jié)構(gòu)中被埋藏的氨基酸上（p值 = 0.03，圖2G田度；補充表S2）。
7. 例如解愤，PTEN在被埋藏的氨基酸上顯示出對潛在驅(qū)動型錯義突變的顯著偏好（p值 = 3e?12镇饺，圖2H；補充表S2）送讲，特別是那些計算預(yù)測為致癌性的錯義突變（圖2I）奸笤。
8. 根據(jù)之前的飽和突變篩選，這些計算預(yù)測的致癌性突變顯示出像已知的OncoKB中的致癌性突變一樣的低PTEN磷酸酶活性（補充圖S2B）李茫。
9. 然而揭保，與先前已知的致癌性錯義突變不同，它們表現(xiàn)出較低的蛋白質(zhì)豐度（補充圖S2C）魄宏。

10. 通過蛋白質(zhì)基因組學(xué)方法的獨特能力秸侣，這些結(jié)果凸顯了致癌性錯義突變在降低某些腫瘤抑制因子蛋白質(zhì)豐度方面未被充分認(rèn)識的作用（補充圖S2D）

    
    

• 圖S2. 支持錯義突變順式效應(yīng)的佐證，與圖2相關(guān) (A) 在匹配的正常相鄰組織（NATs）和野生型腫瘤樣本之間比較ARID1A蛋白豐度宠互，突顯了我們最初的泛癌癥觀察結(jié)果在隊列層面對于大多數(shù)癌癥類型的一致性味榛。顯示了Wilcoxon符號秩檢驗的p值。箱線圖表示四分位間距（IQR予跌，例如搏色，中位數(shù)、0.25和0.75分位數(shù)）券册，須狀圖表示1.5倍IQR范圍內(nèi)的最大和最小值频轿。
• （B）箱線圖展示了Mighell等人研究中的飽和突變篩選得到的PTEN磷酸酶活性38，針對在CPTAC中具有不同程度致癌證據(jù)的錯義突變烁焙。顯示了Wilcoxon符號秩檢驗的p值航邢。**表示p值小于0.01，****表示p值小于0.0001骄蝇。箱線圖表示四分位間距（IQR膳殷，例如，中位數(shù)九火、0.25和0.75分位數(shù)）赚窃，須狀圖表示1.5倍IQR范圍內(nèi)的最大和最小值。
• （C）箱線圖展示了Matreyek等人研究中的飽和突變篩選得到的PTEN蛋白豐度39岔激，針對在CPTAC中具有不同程度致癌證據(jù)的錯義突變勒极。顯示了Wilcoxon符號秩檢驗的p值。*表示p值小于0.05虑鼎。箱線圖表示四分位間距（IQR辱匿，例如，中位數(shù)、0.25和0.75分位數(shù)）掀鹅，須狀圖表示1.5倍IQR范圍內(nèi)的最大和最小值。
• （D）條形圖展示了僅通過計算預(yù)測為致癌的錯義突變對蛋白豐度的順式效應(yīng)（按RNA表達(dá)標(biāo)準(zhǔn)化）媒楼。虛線表示統(tǒng)計顯著性（q值小于0.05）乐尊。

Inference of altered protein-protein interactions through protein co-variation analysis

通過蛋白質(zhì)協(xié)同變異分析推斷改變的蛋白質(zhì)-蛋白質(zhì)相互作用

Para_01

1. 體細(xì)胞突變可能會改變蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）。
2. 雖然CPTAC中沒有直接測量PPI划址，但已知的蛋白質(zhì)相互作用對顯示出較高的蛋白質(zhì)共表達(dá)（圖3A）扔嵌。
3. 我們發(fā)現(xiàn)，在更多的PPI數(shù)據(jù)庫中被標(biāo)注的蛋白質(zhì)對具有更高的相關(guān)性值夺颤。
4. 例如痢缎，在BRCA隊列中，隨機(jī)蛋白質(zhì)對的平均皮爾遜相關(guān)系數(shù)約為0世澜，而被三個或更多數(shù)據(jù)庫代表的PPI的這一系數(shù)為0.23（圖3B）独旷，如MSH2和MSH6之間的相互作用（圖S3A）。

5. 我們將蛋白質(zhì)水平間的顯著相關(guān)性作為PPI間接證據(jù)（STAR方法）使用寥裂。

   
   

• 圖3. 通過蛋白質(zhì)共變異分析推斷改變的蛋白質(zhì)-蛋白質(zhì)相互作用 (A) 概念圖顯示已知的蛋白質(zhì)-蛋白質(zhì)相互作用傾向于具有比那些未知交互更高的蛋白質(zhì)共表達(dá)水平嵌洼。 (B) 小提琴圖指示隨著支持特定蛋白質(zhì)-蛋白質(zhì)相互作用的數(shù)據(jù)庫數(shù)量增加，蛋白質(zhì)-蛋白質(zhì)豐度間的皮爾遜相關(guān)系數(shù)封恰。顯示了威爾科克森秩和檢驗的p值麻养。 ?? 表示 p值 < 0.01 和 ??? 表示 p值 < 0.001。數(shù)據(jù)表示為平均值 ± 置信區(qū)間诺舔。 (C) 熱圖顯示癌癥驅(qū)動基因與已知蛋白質(zhì)相互作用者（x軸）之間的蛋白質(zhì)豐度相關(guān)性鳖昌，按癌癥類型（y軸）變化。相關(guān)性用它們的符號對數(shù)10 p值著色低飒，紅色表示正相關(guān)许昨，藍(lán)色表示負(fù)相關(guān)。 (D) 散點圖示例表明癌癥驅(qū)動基因與蛋白質(zhì)相互作用者之間的蛋白質(zhì)豐度相關(guān)性因癌癥類型而異（左圖逸嘀，mTOR與RPTOR车要；右圖，mTOR與RICTOR）崭倘。顯示了相關(guān)性檢驗的p值翼岁。 (E) 火山圖指示根據(jù)潛在致癌拷貝數(shù)異常（CNAs）在癌癥驅(qū)動基因中的存在情況，差異表達(dá)的蛋白質(zhì)司光。左側(cè)文本標(biāo)簽表示癌癥驅(qū)動基因琅坡，右側(cè)表示蛋白質(zhì)相互作用者。水平虛線表示統(tǒng)計顯著性的閾值（q值 < 0.1）残家。 (F) 圖表指示調(diào)解分析試圖確定拷貝數(shù)異常（CNA）（暴露榆俺，X）的跨效應(yīng)（結(jié)果，Y）是否通過潛在癌癥驅(qū)動基因（中介，M）的蛋白質(zhì)豐度改變而發(fā)生茴晋。 (G) 盒圖指示在RICTOR擴(kuò)增腫瘤中MAPKAP1蛋白豐度的上調(diào)（跨效應(yīng)）陪捷。 (H) 盒圖指示在RICTOR擴(kuò)增腫瘤中RICTOR蛋白豐度的上調(diào)（順效應(yīng)）。瓦爾德檢驗評估統(tǒng)計顯著性诺擅，并在 (G) 和 (H) 中將數(shù)據(jù)表示為中位數(shù)和四分位間距市袖。 (I) 散點圖顯示RICTOR野生型腫瘤樣本中RICTOR與MAPKAP1蛋白水平的相關(guān)性。瓦爾德檢驗評估統(tǒng)計顯著性烁涌。 (J) 火山圖指示當(dāng)腫瘤含有潛在致癌突變時苍碟，與癌癥驅(qū)動基因關(guān)聯(lián)增強(qiáng)或減弱的蛋白質(zhì)。 (K) 散點圖顯示根據(jù)腫瘤是否存在SMAD4致癌突變撮执，SMAD2與SMAD4蛋白水平的相關(guān)性微峰。顯示了相關(guān)性檢驗的p值。 (L) SMAD4（棕褐色）與SMAD2（藍(lán)色）復(fù)合物的蛋白質(zhì)結(jié)構(gòu)（PDB：1U7V）抒钱◎阉粒可能具有致癌性的突變氨基酸殘基以球形表示。 (M) 散點圖顯示根據(jù)腫瘤是否存在PPp2R1A致癌突變谋币，磷酸酶2A調(diào)節(jié)亞單位（PPP2R2A和PPP2R5E）與PPP2R1A蛋白水平的相關(guān)性症杏。顯示了相關(guān)性檢驗的p值。 (N) 磷酸酶2A全酶的蛋白質(zhì)結(jié)構(gòu)（PDB：2NPP）瑞信，由PPP2R1A（黃色）厉颤、PPP2CA（灰色）和一個調(diào)節(jié)亞單位（紫色）組成》布颍可能具有致癌性的突變氨基酸殘基以球形表示逼友。另見補充圖S3和補充表S3。
• r代表(D)秤涩，(I)帜乞，(K)和(M)中的皮爾遜相關(guān)系數(shù)。

• 補充圖 S3. 通過蛋白質(zhì)共變異分析推斷改變的蛋白質(zhì)-蛋白質(zhì)相互作用筐眷，與圖 3 相關(guān) (A) 在乳腺癌 (BRCA) 中 MSH2 和 MSH6 蛋白質(zhì)豐度之間的皮爾遜相關(guān)性黎烈。陰影區(qū)域表示回歸線的 95% 置信區(qū)間。顯示了相關(guān)性檢驗的 p 值匀谣。
• (B) 四種癌癥類型中 CTNNB1 和 CDH1 蛋白質(zhì)豐度之間的皮爾遜相關(guān)性照棋。陰影區(qū)域表示回歸線的 95% 置信區(qū)間。顯示了相關(guān)性檢驗的 p 值武翎。
• (C) 條形圖顯示了介導(dǎo)分析對每個驅(qū)動基因（標(biāo)簽左側(cè)）統(tǒng)計顯著性的結(jié)果烈炭，這些基因受到拷貝數(shù)變異 (CNAs) 的影響，進(jìn)而影響蛋白質(zhì)互作伙伴（標(biāo)簽右側(cè)）的豐度宝恶。
• (D) 箱形圖顯示根據(jù) RICTOR 拷貝數(shù)狀態(tài)分層的 mTOR 蛋白質(zhì)豐度分布符隙。顯示了威爾科克森符號秩檢驗的 q 值趴捅。箱體代表四分位距 (IQR，例如霹疫，中位數(shù)拱绑、0.25 和 0.75 分位)，須線代表 IQR 的 1.5 倍范圍內(nèi)的最大和最小值丽蝎。
• (E) 在沒有 RICTOR 擴(kuò)增的腫瘤樣本中 RICTOR 和 mTOR 蛋白質(zhì)豐度之間的皮爾遜相關(guān)性欺栗。
• (F) 根據(jù) CCNE1 拷貝數(shù)狀態(tài)分層的 CDK2（左側(cè)）和 CCNE1（右側(cè)）蛋白質(zhì)豐度分布。顯示了威爾科克森符號秩檢驗的 q 值征峦。箱體代表四分位距 (IQR，例如消请，中位數(shù)栏笆、0.25 和 0.75 分位)，須線代表 IQR 的 1.5 倍范圍內(nèi)的最大和最小值臊泰。
• (G) 在沒有 CCNE1 擴(kuò)增的腫瘤樣本中 CDK2 和 CCNE1 蛋白質(zhì)豐度之間的皮爾遜相關(guān)性蛉加。顯示了相關(guān)性檢驗的 p 值，r 表示皮爾遜相關(guān)系數(shù)缸逃。
• (H) 在具有 CCNE1 擴(kuò)增的樣本與野生型 (WT) 樣本之間针饥，激酶庫的富集情況。細(xì)胞周期相關(guān)的 CDKs (CDK1-6) 在具有 CCNE1 擴(kuò)增的樣本中顯著富集需频。x 軸 (log2FF) 表示每種激酶在具有 CCNE1 擴(kuò)增的樣本與 WT 之間的預(yù)測頻率的對數(shù)比值丁眼，y 軸表示基于費舍精確檢驗的統(tǒng)計顯著性。
• (I) 交互項回歸模型中 p 值分布的分位-分位圖昭殉，用于突變對蛋白質(zhì)-蛋白質(zhì)相互作用的影響苞七，在置換 (左) 或觀察到 (右) 的數(shù)據(jù)上。
• (J) 在 1000 組置換數(shù)據(jù)集 (藍(lán)色) 上使用交互項回歸模型得出的顯著事件數(shù)量與觀察到的數(shù)據(jù) (紅線) 的分布挪丢。
• (K) 隨著數(shù)據(jù)量增加蹂风，從交互項回歸模型得出的顯著事件數(shù)量的子采樣分析。
• (L) 散點圖顯示了 LEF1 和 CTNNB1 蛋白水平之間的相關(guān)性乾蓬，按腫瘤是否具有 CTNNB1 的致癌突變進(jìn)行分層惠啄。
• (M) 散點圖顯示了 ARID2 和 PBRM1 蛋白水平之間的相關(guān)性，按腫瘤是否具有 PBRM1 的致癌突變進(jìn)行分層任内。
• (N) 散點圖顯示了磷酸酶 2A 調(diào)節(jié)亞基 (PPP2R5D 和 PPP2R5B) 和 PPP2R1A 蛋白水平之間的相關(guān)性撵渡，按腫瘤是否具有 PPP2R1A 的致癌突變進(jìn)行分層。顯示了相關(guān)性檢驗的 p 值死嗦，r 表示皮爾遜相關(guān)系數(shù) (補充圖 S3L-S3N)姥闭。
• (O) 使用蛋白質(zhì)組學(xué)與 RNA-seq 數(shù)據(jù)時，交互項回歸模型中顯著事件的重疊越走。
• (P) 火山圖總結(jié)了受其中一個相應(yīng)蛋白質(zhì)界面位點磷酸化水平顯著影響的蛋白質(zhì)-蛋白質(zhì)相互作用 (PPIs)棚品，括號內(nèi)標(biāo)出位點靠欢。泛癌癥測試將隊列作為模型中的協(xié)變量。
• (Q) 將 EGFR T693 磷酸化位點映射到 EGFR 同源二聚體的三維模型上铜跑，表明該位點位于二聚體相互作用的胞內(nèi)界面上门怪。
• (R) 散點圖指示了 EGFR T693 位點的磷酸化如何影響 EGFR 和 GRK2 蛋白水平之間的相關(guān)性。顯示了相關(guān)性檢驗的 p 值锅纺，r 表示皮爾遜相關(guān)系數(shù)

Para_01

1. 首先掷空，計算了CPTAC隊列中至少涉及一個癌癥基因的已確立蛋白質(zhì)相互作用（PPI）中的蛋白質(zhì)對之間的相關(guān)性（星號方法；圖3C）囤锉。
2. 這揭示了一組保守的核心PPI坦弟，例如MSH2/MSH6、CTNNA1/CTNNB1和RAD21/STAG1官地。
3. 有趣的是酿傍，大多數(shù)涉及癌癥基因的PPI僅在一部分隊列中相關(guān)，提示組織特異性驱入。
4. 例如赤炒，已知mTOR與RICTOR和RPTOR兩者相互作用，但我們注意到亏较，在ccRCC中莺褒，mTOR蛋白豐度與RICTOR相關(guān)而與RPTOR不相關(guān)，而在GBM中情況相反雪情，與RPTOR相關(guān)但與RICTOR不相關(guān)（圖3D）遵岩。
5. 類似地，在BRCA和UCEC中觀察到CTNNB1和CDH1蛋白水平的相關(guān)性巡通，但在ccRCC和HGSC中未見這種相關(guān)性（圖S3B）旷余。
6. 這些結(jié)果突出了不同癌癥類型中PPI的可塑性以及同時測量蛋白質(zhì)水平和RNA的重要性。

Para_02

1. 接下來扁达，我們將蛋白質(zhì)共表達(dá)作為蛋白質(zhì)相互作用的指標(biāo)的概念擴(kuò)展到了顯示拷貝數(shù)變異（CNAs）的驅(qū)動基因正卧。
2. 我們發(fā)現(xiàn)了32個已知的驅(qū)動基因相互作用者顯著差異表達(dá)（q值 < 0.1），這些相互作用者與驅(qū)動基因的CNA狀態(tài)相關(guān)（圖3E跪解；補充表S3）炉旷，包括SMAD4缺失與降低的SMAD2蛋白水平相關(guān)聯(lián)以及CCNE1擴(kuò)增與增加的CDK2相關(guān)聯(lián)。
3. 我們進(jìn)行了中介分析來評估CNA產(chǎn)生的跨效應(yīng)是否確實通過驅(qū)動基因的蛋白質(zhì)豐度介導(dǎo)叉讥，而不是CNA內(nèi)的無關(guān)基因（圖3F和S3C窘行；STAR方法部分）。
4. 我們發(fā)現(xiàn)大多數(shù)蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）的跨效應(yīng)（66%）與驅(qū)動基因的蛋白質(zhì)豐度有關(guān)（q值 < 0.1图仓，自然效應(yīng)模型罐盔；補充表S3）。
5. 例如救崔，在泛癌水平上惶看，RICTOR的拷貝數(shù)擴(kuò)增與MAPKAP1（圖3G）及mTOR（圖S3D）的蛋白質(zhì)豐度增加相關(guān)聯(lián)捏顺，這可以分解為對RICTOR蛋白質(zhì)水平的順效應(yīng)（圖3H）以及RICTOR與MAPKAP1/mTOR之間的蛋白質(zhì)水平的跨效應(yīng)，無論CNA狀態(tài)如何（圖3I和S3E）纬黎。
6. 同樣地幅骄，在CCNE1擴(kuò)增的腫瘤中觀察到的CDK2蛋白水平升高可以分解為順效應(yīng)和跨效應(yīng)（圖S3F和S3G）。
7. 在磷酸化水平上本今，根據(jù)激酶庫拆座，CCNE1擴(kuò)增的腫瘤也顯示出含有CDK2的CDK蛋白亞家族活性增強(qiáng)（圖S3H），這為我們結(jié)果提供了額外的支持證據(jù)冠息。

Para_03

1. 體細(xì)胞突變可以通過改變蛋白質(zhì)之間的相互作用界面來改變蛋白質(zhì)相互作用挪凑。
2. 我們使用一個相互作用項回歸模型（圖S3I至S3K；STAR方法）逛艰，測試驅(qū)動基因中的潛在致癌突變是否顯著改變了蛋白質(zhì)相互作用者的共變異躏碳。
3. 在控制癌癥類型和腫瘤純度的泛癌分析中，我們發(fā)現(xiàn)了51個顯著事件（圖3J瓮孙；表S3），影響了蛋白質(zhì)相互作用选脊。
4. 例如杭抠，CTNNB1中的致癌突變與LEF1顯示出明顯增強(qiáng)的正相關(guān)性（圖S3L），LEF1是已知的WNT/β-連環(huán)蛋白途徑效應(yīng)物恳啥。
5. 相反偏灿，PBRM1中的致癌突變消除了PBRM1蛋白豐度與ARID2之間的強(qiáng)相關(guān)性（圖S3M），這與已知的PBRM1蛋白穩(wěn)定性依賴于ARID2的情況一致钝的。
6. 同樣翁垂，SMAD4中的幾個致癌點突變與SMAD2的相關(guān)性降低有關(guān)（q值=0.02；圖3K）硝桩，提示可能失去了蛋白質(zhì)間的相互作用沿猜。
7. 這一假設(shè)得到了SMAD4中錯義突變位于SMAD2蛋白界面上的支持（圖3L）。
8. 最后碗脊，作為磷酸酶2A全酶支架蛋白的PPP2R1A中的致癌突變消除了與控制磷酸酶特異性的調(diào)節(jié)亞單位子集的相關(guān)性啼肩，包括PPP2R2A、PPP2R5E和PPP2R5B（圖3M和S3N）衙伶。
9. 致癌錯義突變同樣位于PPP2R1A和調(diào)節(jié)亞單位界面上（圖3N）祈坠。
10. 值得注意的是，這些觀察結(jié)果在RNA表達(dá)分析中被遺漏了矢劲，突出了蛋白質(zhì)組學(xué)的獨特優(yōu)勢（圖S3O）

Para_04

1. 最后赦拘，我們研究了磷酸化水平對蛋白質(zhì)相互作用的潛在影響。
2. 在泛癌癥水平上芬沉，涉及驅(qū)動基因的39個蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）受到磷酸化水平的顯著影響（p值 < 0.001）躺同，而在隊列特異性水平上阁猜，則有59個PPI受到影響。
3. 表皮生長因子受體（EGFR）在T693位點的磷酸化笋籽，特別是在ccRCC中蹦漠，似乎影響了EGFR與多個蛋白伴侶之間的相關(guān)性（圖S3P）。
4. EGFR的3D模型顯示车海，T693位于EGFR二聚體的細(xì)胞內(nèi)界面上笛园，該位點的磷酸化對EGFR二聚體形成產(chǎn)生負(fù)面影響（圖S3Q）。
5. 表現(xiàn)出高EGFR-T693磷酸化的患者顯示出EGFR蛋白與其下游EGFR結(jié)合伴侶之間的相關(guān)性降低（圖S3P和S3R）侍芝。
6. 總之研铆，分析CNA、單核苷酸變異（SNVs）以及磷酸化對蛋白質(zhì)共變的影響是一種理解癌癥中交互網(wǎng)絡(luò)重排的潛在有力方法州叠。

trans-effects of somatic mutations in cancer genes across the CPTAC cohort

跨CPTAC隊列中癌癥基因體細(xì)胞突變的轉(zhuǎn)效應(yīng)

Para_01

1. 體細(xì)胞突變的影響可以超越其自身蛋白質(zhì)產(chǎn)物的順式效應(yīng)或直接相互作用棵红。
2. 這些更遠(yuǎn)距離的反式效應(yīng)揭示了可以從驅(qū)動基因改變中產(chǎn)生的廣泛分子擾動。
3. 一個癌癥基因的所有反式效應(yīng)的總和可以被認(rèn)為是它的"分子指紋"咧栗。
4. 我們假設(shè)這些分子指紋能夠評估不同突變癌癥基因?qū)χg的相似性逆甜，并推斷功能關(guān)系（圖4A）。
5. 為了識別這些基因?qū)χ掳澹覀冇嬎懔嗣總€驅(qū)動基因的蛋白質(zhì)組學(xué)和磷酸化蛋白質(zhì)組學(xué)反式效應(yīng)特征之間的相關(guān)性（圖4B交煞；STAR方法）。
6. 盡管大多數(shù)驅(qū)動基因相似性得分表明存在輕微的正相關(guān)（r > 0）斟或，但少數(shù)幾個基因?qū)Ρ憩F(xiàn)出更為極端的正相關(guān)和負(fù)相關(guān)（圖4B）素征。
7. 反式效應(yīng)最相似的兩個癌癥基因是KEAP1和NFE2L2。
8. KEAP1已知能結(jié)合并隨后標(biāo)記轉(zhuǎn)錄因子NFE2L2以便降解萝挤。
9. 這兩種蛋白質(zhì)的所有反式效應(yīng)之間具有高度的整體相關(guān)性（r > 0.63御毅，p值 < 1e-15，圖4C）怜珍，這表明這兩種基因突變在整體上的細(xì)胞效應(yīng)是相同的：增強(qiáng)NFE2L2的蛋白穩(wěn)定性以及隨后其轉(zhuǎn)錄靶標(biāo)的過度表達(dá)端蛆。
10. 這與這兩個基因突變互斥的事實一致（圖4D）。

11. 這兩個基因最強(qiáng)的反式效應(yīng)是上調(diào)NFE2L2的靶標(biāo)酥泛，如AKR1C2和AKR1C3（圖4E）欺税。

    
    

• 圖4. CPTAC隊列中癌癥基因體細(xì)胞突變的跨效應(yīng) (A) 基于CPTAC的蛋白質(zhì)組學(xué)和磷酸化蛋白質(zhì)組學(xué)數(shù)據(jù)計算驅(qū)動基因跨效應(yīng)相似性的概述。
• 顯示CPTAC中所有可能的癌癥基因?qū)χg跨評分（即揭璃，符號化的log10(p)）的皮爾遜r值分布的直方圖（x軸）晚凿。
• 顯示KEAP1（y軸）與NFE2L2（x軸）之間跨效應(yīng)評分（即，符號化的log10(p)）的散點圖瘦馍。
• 顯示KEAP1和NFE2L2之間的蛋白復(fù)合物三維結(jié)構(gòu)（頂部歼秽，PDB 3WN7）以及展示這兩個基因改變的CPTAC樣本的腫瘤圖。
• 顯示根據(jù)KEAP1和NFE2L2突變狀態(tài)分層的每個CPTAC樣本中由NFE2L2調(diào)控的四種蛋白質(zhì)（AKR1C2情组、AKR1C3燥筷、SRXN1和AKR1B10）的詳細(xì)蛋白質(zhì)水平（y軸）的箱線圖箩祥。
• 顯示STK11突變（y軸）或EGFR突變（x軸）對所有測量的蛋白質(zhì)和磷酸化蛋白質(zhì)的跨效應(yīng)的散點圖。相關(guān)性檢驗p值已給出肆氓，(A)袍祖、(C)和(F)中的r代表皮爾遜相關(guān)系數(shù)。
• 顯示基于EGFR和STK11突變狀態(tài)的每種CPTAC樣本中兩種磷酸化事件（PTPN11 pY62和IRS2 pS1100）的詳細(xì)蛋白質(zhì)水平（y軸）的箱線圖。
• 顯示不同CPTAC隊列中根據(jù)EGFR突變狀態(tài)的PTPN11 Y62磷酸化水平（y軸）。顯示威爾科克森等級和檢驗p值闭专，并以中位數(shù)和四分位距表示數(shù)據(jù)。
• 基于激酶庫分析具有特定突變的腫瘤中的泛癌激酶活性凳鬓。對于每個激酶和條件，氣泡顏色（log2FF）表示突變腫瘤與野生型腫瘤預(yù)測頻率之間的log2比率患民，氣泡大小表示費舍精確檢驗的統(tǒng)計顯著性缩举。
• 基于激酶庫推斷的LUAD中激酶活性的蛋白家族分布。
• EGFR突變匹颤、KRAS突變和STK11突變的LUAD腫瘤中基于激酶庫分析的激酶活性仅孩。另見補充圖S4和補充表S4。

Para_01

1. 盡管大多數(shù)癌癥基因顯示出正相關(guān)性印蓖，表明相似的跨效應(yīng)辽慕，我們也觀察到了負(fù)相關(guān)性，例如 TP53 和 PTEN另伍、TP53 和 CDH1鼻百、EGFR 和 KRAS绞旅、以及 EGFR 和 STK11 之間的負(fù)相關(guān)性摆尝，其中最后一個例子具有最強(qiáng)的負(fù)相關(guān)性（r < -0.54，p 值 < 1e-15因悲，圖 4F）堕汞。
2. EGFR 和 STK11 這對基因有幾個跨效應(yīng)是相反的，具體取決于癌細(xì)胞是否存在 EGFR 或 STK11 的突變晃琳，包括幾個磷酸化位點讯检，如 TP53BP2 S704 和 IRS2 S1100（這兩個位點在 STK11 突變樣本中增加而在 EGFR 突變樣本中減少）或 WIPF S155 和 PTPN11 Y62（在 EGFR 突變實例中增加，反之亦然卫旱，圖 4G）人灼。
3. 此外，與野生型樣本相比顾翼，這些事件中的大多數(shù)在兩個方向上對于 EGFR 和 STK11 來說都是統(tǒng)計學(xué)顯著的（圖 4G）投放。
4. 值得注意的是，這些影響大多獨立于 EGFR 內(nèi)突變的具體位置（圖 4H）适贸。
5. 這些結(jié)果表明 EGFR 和 STK11 的突變可能將正常細(xì)胞推向相反的致癌狀態(tài)灸芳。

Para_02

1. 接下來涝桅，我們研究了突變對細(xì)胞磷酸化狀態(tài)的跨癌癥水平的轉(zhuǎn)效應(yīng)。
2. 我們在所有癌癥類型中比較了突變樣本與野生型樣本之間預(yù)測的激酶活性（圖4I和補充圖S4B烙样；補充表S4）冯遂。
3. 例如，ACVR2A和TP53的突變顯示出細(xì)胞周期和剪接激酶的激活谒获；當(dāng)PIK3CA發(fā)生突變時蛤肌，眾所周知的致癌基因顯示出了PI3K/AKT途徑成員S6Ks、RSKs究反、PDK1和SGK3的強(qiáng)烈激活寻定。
4. KRAS的突變導(dǎo)致其下游的細(xì)胞外信號調(diào)節(jié)激酶1/2/5/7（ERK1/2/5/7）的顯著激活（圖4I）。
5. 有趣的是精耐，我們發(fā)現(xiàn)KRAS突變樣本中CAMK2激酶受到抑制狼速，這與先前的研究一致。

6. 在跨癌癥分析中卦停，EGFR突變樣本顯示出與STK11-和KRAS-突變樣本相反的激酶活性模式（補充圖S4B）

   
   

• 圖S4. 在不同組織和泛癌水平上驅(qū)動基因的激酶活性分析向胡，與圖4相關(guān) (A) Lolliplot展示了在CPTAC中觀察到的EGFR改變情況。棒棒糖圖中的數(shù)字表示整個隊列中具有該改變的腫瘤樣本數(shù)量惊完。(B) 在多個驅(qū)動基因的泛癌水平上進(jìn)行全面激酶庫富集分析景觀展示僵芹。對于每個激酶和驅(qū)動基因，氣泡的顏色（log2FF）表示該激酶在突變腫瘤與野生型腫瘤之間的預(yù)測頻率的log2比率小槐，在泛癌水平上進(jìn)行比較拇派，而氣泡的大小則表示基于Fisher精確檢驗的統(tǒng)計顯著性。(C) 在LUAD中EGFR凿跳、KRAS和STK11突變腫瘤與野生型腫瘤相比的全面激酶庫富集分析全景件豌。對于每個激酶和驅(qū)動基因，氣泡的顏色（log2FF）表示該激酶在突變腫瘤與LUAD中的野生型腫瘤之間的預(yù)測頻率的log2比率控嗜，而氣泡的大小則表示基于Fisher精確檢驗的統(tǒng)計顯著性茧彤。

Para_02

1. 此外，我們使用激酶庫來確定EGFR突變和STK11突變的LUAD樣本中不同激酶的活性狀態(tài)疆栏。
2. 我們發(fā)現(xiàn)大多數(shù)活化的激酶來自CAMK和AGC家族曾掂，而大多數(shù)被抑制的激酶則來自CMGC家族，在EGFR突變樣本中是這樣（圖4J）壁顶。
3. 與觀察到的整體轉(zhuǎn)效應(yīng)的負(fù)相關(guān)一致珠洗，對于STK11突變和KRAS突變樣本，則觀察到了相反的模式若专，其中CMGC家族主導(dǎo)了活化的激酶许蓖，而被抑制的激酶主要是CAMK和AGC家族的成員（圖4J）。
4. 來自不同家族的多個激酶在EGFR突變樣本和STK11突變/KRAS突變樣本之間顯示出了相反的活性（圖4K和補充圖S4C；補充表S4）蛔糯。
5. 這些數(shù)據(jù)表明EGFR突變和STK11/KRAS突變導(dǎo)致癌癥細(xì)胞中不同的磷酸化讀數(shù)拯腮。
6. 我們利用磷酸位點周圍的底物基序進(jìn)行的激酶富集分析可以捕獲癌癥中驅(qū)動突變的基本機(jī)制，從而為超出遺傳檢測之外的治療策略提供信息蚁飒。
7. 這對于籃子臨床試驗設(shè)計和個人化腫瘤藥物再利用具有重要意義

Comparative analysis between tumor and normal-adjacent tissue identifies key protein changes for oncogenic pathways

腫瘤與鄰近正常組織之間的比較分析確定了致癌途徑中關(guān)鍵蛋白質(zhì)的變化

Para_01

1. 與其它大規(guī)模腫瘤特征研究不同的是动壤，十個CPTAC隊列中有八個包含了匹配（相似細(xì)胞譜系）或不匹配（非相似細(xì)胞譜系）的正常相鄰組織（NATs，總數(shù)為556）淮逻，并且膠質(zhì)母細(xì)胞瘤研究還包含了十個基因型-組織表達(dá)（GTEx）項目的正常樣本（圖5A）琼懊。
2. 這使我們能夠探究腫瘤與其配對的NAT之間的差異表達(dá)模式。
3. 我們發(fā)現(xiàn)腫瘤與它們同源的NAT相比爬早，呈現(xiàn)出獨特的蛋白質(zhì)組學(xué)和磷酸化蛋白質(zhì)組學(xué)特征哼丈，例如在透明細(xì)胞腎細(xì)胞癌（ccRCC）中（圖5B；補充表S5）筛严，并在泛癌隊列中鑒定了6,517種在腫瘤中升高的差異表達(dá)蛋白（DEPs）以及7,030種在NATs中升高的DEPs醉旦。
4. 在這6,517種DEPs中，有3,070種在≥2種癌癥類型中差異表達(dá)桨啃，其余的則在單一癌癥類型中车胡。
5. 在常見的DEPs中，我們在所有癌癥類型中發(fā)現(xiàn)了PLOD2照瘾、UBE2C和MARCKSL1（圖5C匈棘；補充表S5）。
6. 值得注意的是析命，我們觀察到PLOD2蛋白質(zhì)豐度高顯著與透明細(xì)胞腎細(xì)胞癌（ccRCC）主卫、肺腺癌（LUAD）和胰腺導(dǎo)管腺癌（PDAC）患者的總體生存率較差相關(guān)，并且在膠質(zhì)母細(xì)胞瘤（GBM）鹃愤、頭頸鱗狀細(xì)胞癌（HNSCC）和肺癌鱗狀細(xì)胞癌（LSCC）患者中也觀察到了類似趨勢（圖5D）簇搅。

7. 這表明PLOD2作為泛癌預(yù)后生物標(biāo)志物的潛在價值。

   
   

• 圖5. 分析正常鄰近組織識別致癌途徑中的關(guān)鍵蛋白變化 (A) 跨癌癥類型的腫瘤和正常樣本分布昼浦。
• (B) 通過選擇性的蘇木精-伊紅(H&E)染色圖像表示的腫瘤與正常組織對比的示意圖馍资，這些圖像來自ccRCC和UCEC隊列的腫瘤與正常配對樣本筒主」卦耄火山圖顯示了ccRCC作為例子的差異表達(dá)基因(DEGs)和差異表達(dá)蛋白(DEPs)。
• (C) 由腫瘤與NAT比較鑒定出的DEP分布情況乌妙。餅狀圖顯示了癌癥特異性DEPs與其他DEPs的分布使兔。
• (D) 表明較高PLOD2蛋白豐度組具有增加生存風(fēng)險的圖表，在多種癌癥類型中顯示出顯著更高的風(fēng)險比藤韵。顯示了Cox比例風(fēng)險模型的P值虐沥。須線代表±95%的風(fēng)險比置信區(qū)間。
• (E) 在八種癌癥類型中的七種中，基于細(xì)胞周期蛋白的ssGSEA得分在腫瘤中顯著高于在NAT中欲险。顯示了Wilcoxon秩和檢驗的P值镐依。?P值 > 0.05；???P值 < 0.001天试；以及????P值 < 0.0001槐壳。數(shù)據(jù)以均值 ± CI表示。
• (F) 基于激酶庫的磷酸化蛋白質(zhì)組學(xué)分析流程喜每，揭示跨癌癥類型的腫瘤與正常組織比較中蛋白激酶的不同活性模式务唐。
• (G) RNA和蛋白質(zhì)水平上的途徑分析(GSEA)。
• (H) 多種組織中腫瘤與NAT(同源或非同源)比較的激活激酶的激酶庫分析带兜。
• (I) 組織特異性趨勢的途徑分析(GSEA)和激酶活性分析枫笛。參見圖S5和表S5。

Para_01

1. 為了進(jìn)一步研究腫瘤微環(huán)境(TME)中的哪些細(xì)胞類型可能表達(dá)這些蛋白質(zhì)刚照，我們使用了單核RNA測序(snRNA-seq)數(shù)據(jù)刑巧，并根據(jù)與xCell和ESTIMATE特征的相關(guān)性分析，將這些蛋白質(zhì)分為四類：腫瘤(T)无畔、免疫(I)海诲、間質(zhì)(S)和混合(M)（圖5C和補充圖S5A；補充表S5檩互；STAR方法）特幔。
2. 這使我們能夠以更高的分辨率評估TME中的失調(diào)特征。
3. 對各個類別中差異表達(dá)蛋白(DEPs)富集的途徑進(jìn)行的分析顯示闸昨，在T子集中蚯斯，角質(zhì)化、EGFR和瓦堡效應(yīng)等途徑被富集饵较；在I子集中拍嵌，免疫系統(tǒng)和無義介導(dǎo)的mRNA降解(NMD)被富集；在S子集中循诉，細(xì)胞外基質(zhì)(ECM)組織和膠原形成被富集横辆，這反映了TME成分的獨特特性（補充表S5）。
4. 此外茄猫，我們觀察到微衛(wèi)星高度不穩(wěn)定(MSI-high)腫瘤的NMD途徑評分顯著高于微衛(wèi)星穩(wěn)定(MSS)腫瘤（補充圖S5B和S5C）狈蚤。
5. 據(jù)報道，MSI結(jié)直腸腺癌(COAD)腫瘤表達(dá)了高水平的NMD系統(tǒng)的關(guān)鍵激活因子划纽，并且在體內(nèi)使用氨來昔諾克斯(amlexanox)抑制NMD可以減少MSI腫瘤的生長脆侮。
6. 這些結(jié)果表明，抑制NMD的致癌活性可能為MSI腫瘤的個性化治療提供額外的治療途徑勇劣。
7. 此外靖避，基于蛋白質(zhì)的細(xì)胞周期ssGSEA評分在七種癌癥類型的腫瘤樣本中相對于正常相鄰組織(NATs)顯著升高（圖5E）潭枣。
8. 在子宮內(nèi)膜癌(UCEC)中未發(fā)現(xiàn)顯著差異，這可能是由于UCEC的NAT主要由肌層組成幻捏，其中混有不同程度的子宮內(nèi)膜盆犁，或者因為這些非腫瘤樣本來自處于不同月經(jīng)周期階段的女性（圖5A）。
9. 在細(xì)胞周期途徑蛋白中篡九，我們在多種癌癥類型中發(fā)現(xiàn)了27個上調(diào)的DEPs（圖5E）蚣抗。
10. 同樣地，我們檢測到跨癌癥類型瓮下，與NATs相比翰铡，腫瘤中TP53調(diào)控的轉(zhuǎn)錄途徑始終富集（補充圖S5D）。

11. 至于特定癌癥類型中評價的DEPs讽坏，它們對某些途徑如UCEC中的脂質(zhì)代謝和頭頸鱗狀細(xì)胞癌(HNSCC)中的角質(zhì)化有所貢獻(xiàn)（補充圖S5E）

    
    

• 圖S5. 對正常鄰近組織的分析確定了與致癌途徑相關(guān)的關(guān)鍵蛋白質(zhì)變化锭魔，與圖5相關(guān) (A) 免疫系統(tǒng)和細(xì)胞外基質(zhì)組織的小樣本基因集富集分析（ssGSEA）得分與來自ESTIMATE的免疫評分及間質(zhì)評分顯示出統(tǒng)計學(xué)上的顯著皮爾遜相關(guān)性。顯示了相關(guān)性檢驗的p值路呜，r代表皮爾遜相關(guān)系數(shù)迷捧。
• （B）通過箱線圖展示了每種癌癥類型中微衛(wèi)星不穩(wěn)定性（MSI）類別的分布，圖中的顏色區(qū)分微衛(wèi)星穩(wěn)定（MSS）與微衛(wèi)星高度不穩(wěn)定（MSI-high）類別胀葱。箱子代表四分位間距（IQR漠秋，例如，中位數(shù)抵屿、0.25和0.75四分位數(shù)）庆锦，須代表最大值和最小值，這些值位于1.5倍IQR范圍內(nèi)轧葛。
• （C）無義介導(dǎo)的mRNA降解ssGSEA途徑得分在MSI-high組中富集搂抒，其次是MSS組。獲得了威科森符號秩檢驗p值為9.6e-06尿扯。
• （D）基于蛋白質(zhì)的TP53轉(zhuǎn)錄調(diào)控ssGSEA得分在所有八種癌癥類型的腫瘤中顯著高于相應(yīng)的正常鄰近組織（NATs）求晶，以及在膠質(zhì)母細(xì)胞瘤（GBM）與GTEx正常樣本相比時也是如此。顯示了威科森符號秩檢驗p值衷笋。在小提琴圖中芳杏，點代表均值，實線表示由95%置信區(qū)間定義的誤差限辟宗。小提琴圖輪廓展示了核概率爵赵。
• （E）根據(jù)僅在相應(yīng)癌癥類型中檢測到的差異表達(dá)蛋白（DEPs），不同癌癥類型中富集的不同途徑慢蜓。獲得了經(jīng)過超幾何檢驗的假發(fā)現(xiàn)率（FDR）校正p值亚再。
• （F）基于激酶庫郭膛，比較腫瘤與其對應(yīng)的正常鄰近組織晨抡，在八種癌癥類型中激酶活性的全景圖。對于每個激酶和腫瘤類型，氣泡的顏色（log2FF）表示該激酶在腫瘤與其對應(yīng)的正常鄰近組織之間的預(yù)測頻率的對數(shù)比耘柱，氣泡的大小表示基于費舍精確檢驗的統(tǒng)計顯著性如捅。

Para_01

1. 最后，我們利用激酶庫從我們的磷酸化蛋白質(zhì)組學(xué)數(shù)據(jù)推斷不同癌癥中的激酶活性模式（圖5F调煎；STAR方法）镜遣。
2. 我們首先應(yīng)用基于蛋白和RNA的途徑富集分析來表征跨組織間的共有或特異性的途徑。
3. 有趣的是士袄，細(xì)胞周期和其他復(fù)制相關(guān)途徑在大多數(shù)腫瘤類型中被富集悲关，主要僅在蛋白水平上（圖5G；補充表S5）娄柳。
4. 激酶庫顯示寓辱，在大多數(shù)腫瘤類型中多種CDK廣泛激活，除了ccRCC和PDAC（圖5H）赤拒。
5. 拼接途徑也在各種組織的蛋白水平上主要被觀察到（圖5G）秫筏，這與相應(yīng)組織中激活的拼接激酶一致（圖5H）。
6. 此外挎挖，我們在不同組織中的激酶活性與其相關(guān)的蛋白水平上的富集途徑之間找到了一致性这敬，例如PI3K-AKT-mTOR途徑僅在ccRCC中被富集（圖5I；補充表S5）蕉朵。
7. 此外崔涂，我們觀察到了PDAC中KRAS信號傳導(dǎo)可能存在的反饋機(jī)制，這種機(jī)制僅在磷酸化水平上顯現(xiàn)出來始衅，其中KRAS信號傳導(dǎo)上調(diào)與ERK家族蛋白激酶活性降低相關(guān)堪伍。
8. 這一見解可能解釋了治療性藥物在KRAS突變胰腺腫瘤中的臨床效果不佳，并進(jìn)一步強(qiáng)調(diào)了癌癥的蛋白質(zhì)組學(xué)和磷酸化蛋白質(zhì)組學(xué)特征描述的重要性（圖S5F）觅闽。
9. 參考文獻(xiàn)50未在翻譯中體現(xiàn)帝雇。

Impact of somatic mutations on immunogenic neoantigens and druggable kinases

體細(xì)胞突變對免疫原性新抗原和可藥物靶向激酶的影響

Para_01

1. 鑒于新抗原與免疫療法的相關(guān)性，我們系統(tǒng)地預(yù)測了結(jié)合患者特異性人類白細(xì)胞抗原（HLA）I類等位基因的新抗原（詳細(xì)方法見 STAR 方法部分）蛉拙。
2. 我們發(fā)現(xiàn)了新抗原負(fù)擔(dān)與腫瘤突變負(fù)擔(dān)之間的預(yù)期正相關(guān)關(guān)系尸闸，并且在具有吸煙和微衛(wèi)星不穩(wěn)定性（MSI）突變特征的腫瘤樣本中觀察到更高的新抗原負(fù)擔(dān)。
3. 根據(jù)突變負(fù)擔(dān)標(biāo)準(zhǔn)化后預(yù)測的新抗原負(fù)擔(dān)對于高度微衛(wèi)星不穩(wěn)定（MSI-High）樣本更高孕锄，這可能是因為插入和缺失導(dǎo)致的框移突變頻率較高吮廉。
4. 新抗原負(fù)擔(dān)與推斷出的T細(xì)胞浸潤呈正相關(guān)（p 值 = 4e-4，細(xì)胞毒性T淋巴細(xì)胞（CTL）評分畸肆；p 值 = 0.002宦芦，CIBERSORTx CD8 T 細(xì)胞；Wald 檢驗）轴脐，在泛癌癥水平上是這樣调卑。

5. 然而抡砂，只有那些傾向于具有較高基礎(chǔ)腫瘤突變負(fù)擔(dān)的癌癥類型（結(jié)直腸腺癌（COAD）、子宮內(nèi)膜癌（UCEC）恬涧、肺腺癌（LUAD）和乳腺癌（BRCA））單獨顯著注益，這表明可能存在免疫原性的最小新抗原負(fù)擔(dān)閾值。

   
   

• 圖6. 突變體的免疫原性和藥物可及性分析 (A) 腫瘤中的突變數(shù)量與新抗原負(fù)擔(dān)之間的皮爾遜相關(guān)性溯捆，按突變特征（吸煙特征權(quán)重）或DNA修復(fù)缺陷（POLE, POLE突變丑搔；MMRD, 錯配修復(fù)缺陷）分層。 (B) 新抗原負(fù)擔(dān)與細(xì)胞毒性T淋巴細(xì)胞(CTL)評分之間的皮爾遜相關(guān)性提揍，根據(jù)LUAD中KRAS的驅(qū)動突變狀態(tài)分層啤月。顯示了Wald檢驗p值。 (C) 散點圖表明具有更多預(yù)測新抗原的同時存在于高表達(dá)蛋白質(zhì)中的基因劳跃。虛線表示>1蛋白質(zhì)豐度(y軸)和>20新抗原(x軸)顽冶。 (D) 熱圖顯示了基于不同蛋白質(zhì)豐度子集的CTL評分與新抗原負(fù)擔(dān)之間的斯皮爾曼相關(guān)性。 (E) 盒圖表明兩個可藥物靶標(biāo)的CNAs對蛋白質(zhì)水平的順式效應(yīng)售碳。顯示了Wilcoxon秩和檢驗p值强重，數(shù)據(jù)表示為中位數(shù)和四分位間距。 (F) 在泛癌癥水平上不同CNAs下的激酶活性贸人。對于每個激酶和條件间景，氣泡的顏色(log2FF)表示該激酶在具有CNAs的腫瘤與野生型腫瘤之間預(yù)測頻率的log2比率，而氣泡大小表示Fisher精確檢驗的統(tǒng)計顯著性艺智。 (G) 上部倘要，火山圖顯示含有致癌RB1-變異的腫瘤的差異表達(dá)基因(DEGs)。綠色點表示細(xì)胞周期相關(guān)基因(CDK1-6)十拣。下部封拧，熱圖顯示了細(xì)胞周期相關(guān)基因在RNA和蛋白質(zhì)水平上的差異表達(dá)(Wald檢驗)。正t統(tǒng)計量(紅色)表示上調(diào)夭问；負(fù)t統(tǒng)計量(藍(lán)色)表示下調(diào)泽西。 (H) 熱圖顯示了蛋白豐度特征(源自驅(qū)動變異)與CMAP LINCS 2020數(shù)據(jù)集中藥物反應(yīng)特征之間的標(biāo)準(zhǔn)化藥物連接分?jǐn)?shù)。負(fù)連接分?jǐn)?shù)(藍(lán)色)表示特征對特定藥物的預(yù)測敏感性缰趋。 (I) 七種CDK抑制劑在L1000試驗中與泛癌癥(頂部)和癌癥特異性(底部)驅(qū)動變異特征之間的平均藥物連接捧杉。使用激酶庫推斷CDK激活狀態(tài)。 (J) 上部秘血，箱形圖顯示了兩種基因(CDK2和CDK6)從CRISPR敲除篩選(DepMap)的癌癥細(xì)胞系依賴性味抖，取決于RB1基因中是否存在pLOF突變。顯示了Wilcoxon秩和檢驗p值灰粮，數(shù)據(jù)表示為中位數(shù)和四分位間距仔涩。下部，熱圖顯示了細(xì)胞周期相關(guān)基因(CDK1-6)的差異基因依賴性(t統(tǒng)計量粘舟，Wald檢驗)熔脂。另見圖S6和表S6佩研。

• 圖S6. 新抗原負(fù)擔(dān)、激酶活性和藥物敏感性的分析锤悄，與圖6相關(guān) (A) 左側(cè)韧骗，小提琴圖顯示微衛(wèi)星穩(wěn)定（MSS）與微衛(wèi)星高度不穩(wěn)定（MSI-high）腫瘤中體細(xì)胞突變插入缺失的比例分布嘉抒。右側(cè)零聚，預(yù)測的新抗原數(shù)量對比單核苷酸變異（SNV），展示了累積數(shù)量些侍。顯示了Wilcoxon符號秩檢驗的p值隶症。????p值 < 0.0001。在小提琴圖中岗宣，點表示平均值蚂会，實線表示由95%置信區(qū)間定義的誤差極限。小提琴圖輪廓展示了核概率耗式。
• （B）左側(cè)胁住，細(xì)胞毒性T淋巴細(xì)胞（CTL）評分與對數(shù)轉(zhuǎn)換后的新抗原負(fù)擔(dān)的相關(guān)性。p值反映了調(diào)整癌癥類型作為協(xié)變量后的Wald檢驗刊咳。陰影區(qū)域代表95%的置信區(qū)間（左側(cè)）彪见；右側(cè)，來自CIBERSORT（絕對值）的CD8 T細(xì)胞評分與對數(shù)轉(zhuǎn)換后的新抗原負(fù)擔(dān)的相關(guān)性娱挨。p值反映了調(diào)整癌癥類型作為協(xié)變量后的Wald檢驗余指。陰影區(qū)域代表95%的置信區(qū)間。
• （C）不同RNA水平表達(dá)基因的新抗原負(fù)擔(dān)與推斷的T細(xì)胞浸潤（CTL評分）之間的皮爾遜相關(guān)系數(shù)跷坝。
• （D）拷貝數(shù)擴(kuò)增對RNA酵镜、蛋白質(zhì)及磷酸化水平的順式效應(yīng)。紅色表示表達(dá)增加柴钻，藍(lán)色表示表達(dá)減少淮韭。瓷磚顏色根據(jù)順式效應(yīng)得分從紅色（正向得分）到藍(lán)色（負(fù)向得分）進(jìn)行著色。帶符號的log10(p)贴届，將系數(shù)的方向乘以調(diào)整后的p值的log10（上限為±10）缸濒。
• （E）箱形圖比較了具有擴(kuò)增（原癌基因）或缺失（腫瘤抑制因子）的蛋白質(zhì)與野生型腫瘤相比的表達(dá)變異性。每個點代表特定原癌基因/腫瘤抑制因子的蛋白質(zhì)豐度的標(biāo)準(zhǔn)差粱腻。顯示了Wilcoxon符號秩檢驗的p值庇配。箱子代表四分位間距（IQR，例如绍些，中位數(shù)捞慌，0.25和0.75四分位數(shù)），須觸表示最大和最小值在1.5 × IQR范圍內(nèi)的值柬批。
• （F）全景觀展示了跨泛癌癥水平多種拷貝數(shù)異常（CNAs）的激酶庫富集結(jié)果啸澡。對于每個激酶和驅(qū)動因素袖订，氣泡的顏色（log2FF）表示該激酶在帶有CNA的腫瘤與泛癌癥水平上的野生型腫瘤之間預(yù)測頻率的對數(shù)比率，而氣泡大小表示基于Fisher精確檢驗的統(tǒng)計顯著性嗅虏。
• （G）三個先前研究中RB1染色質(zhì)免疫沉淀（ChIP）測序的CDK2位點的基因組軌跡洛姑。歸一化覆蓋意味著每百萬讀取次數(shù)。
• （H）熱圖評分RB1 ChIP-seq峰與細(xì)胞周期相關(guān)基因（CDK1-6皮服，周期素A-E）的距離楞艾。潛在調(diào)控評分考慮了ChIP-seq峰的數(shù)量和接近基因轉(zhuǎn)錄起始位點的程度。對每個數(shù)據(jù)集進(jìn)行了標(biāo)準(zhǔn)化龄广，因此最大值為1硫眯。
• （I）火山圖顯示了DepMap的CRISPR敲除篩選中RB1改變的細(xì)胞系中差異依賴的基因。效應(yīng)大小是用于統(tǒng)計測試的線性回歸模型中的beta系數(shù)择同。綠色點表示細(xì)胞周期相關(guān)基因（CDK1-6两入，周期素A-E）。

Para_01

1. 為了探究預(yù)測的新抗原負(fù)擔(dān)與T細(xì)胞浸潤之間在特定驅(qū)動突變背景下的關(guān)系敲才，我們采用了一種交互項回歸模型（見星號方法部分）裹纳。
2. 七個驅(qū)動基因中的致癌變異與新抗原負(fù)擔(dān)和推斷出的T細(xì)胞浸潤之間的相關(guān)性變化有關(guān)，其中包括KRAS（q值<0.1紧武；圖6B剃氧；補充表S6）。
3. 為了探究新抗原表達(dá)水平與免疫原性之間的潛在關(guān)聯(lián)脏里，我們觀察到适篙，在微衛(wèi)星不穩(wěn)定性高的腫瘤樣本中厂置，一部分含有較多預(yù)測新抗原（≥20）的基因在蛋白質(zhì)水平上也高度表達(dá)（蛋白質(zhì)豐度>1）（圖6C）。
4. 在蛋白質(zhì)高度表達(dá)的蛋白質(zhì)與所有蛋白質(zhì)的新抗原負(fù)擔(dān)方面，與推斷出的T細(xì)胞浸潤的相關(guān)性有所提高（q值=0.03履澳，似然比檢驗伴网，圖6D）反粥，這在微衛(wèi)星不穩(wěn)定性常見的結(jié)直腸腺癌中尤為明顯鸵钝。
5. 值得注意的是，對于高度表達(dá)的轉(zhuǎn)錄本與所有轉(zhuǎn)錄本的新抗原負(fù)擔(dān)呛讲，并沒有改善相關(guān)性（補充圖S6B）禾怠，這凸顯了蛋白質(zhì)組學(xué)的優(yōu)勢。

Para_02

1. 盡管與野生型腫瘤相比贝搁，致癌基因的拷貝數(shù)擴(kuò)增與更高的蛋白質(zhì)豐度相關(guān)吗氏，正如預(yù)期的那樣（圖S6C），但它們在蛋白質(zhì)豐度上也顯示出更高的變異（P值=0.006雷逆，Mann-Whitney U檢驗弦讽，圖S6D；表S6）。
2. 這些發(fā)現(xiàn)擴(kuò)展到了可藥物干預(yù)的目標(biāo)（圖6E）往产。
3. EGFR和ERBB2擴(kuò)增的腫瘤比其野生型對照具有更高的蛋白質(zhì)豐度（P值分別為4e-16和5e-9）被碗。
4. 然而，在蛋白質(zhì)豐度分布上仍然存在相當(dāng)大的重疊（圖6E）仿村，因為區(qū)分ERBB2和EGFR擴(kuò)增與野生型腫瘤的平均精確度僅為0.53和0.37（滿分1.0）锐朴。
5. 蛋白質(zhì)豐度可能為治療決策提供了超越單獨基因組事件之外的額外信息。
6. 由于可直接靶向的致癌基因數(shù)量有限蔼囊，分析拷貝數(shù)異常的跨效應(yīng)可能會進(jìn)一步擴(kuò)大潛在可藥物干預(yù)的目標(biāo)焚志。
7. 利用激酶庫，我們分析了可能激活可藥物干預(yù)的激酶的拷貝數(shù)異常事件（圖S6E）压真。
8. 我們發(fā)現(xiàn)多種拷貝數(shù)異常事件導(dǎo)致CDKs的激活（圖6F娩嚼；表S6）蘑险，包括CDKN2A的缺失滴肿，這之前在實驗和臨床研究中作為CDK4/6抑制劑治療的潛在生物標(biāo)志物得到了支持。
9. 除CDKN2A缺失外佃迄，我們在核心細(xì)胞周期通路內(nèi)及以外發(fā)現(xiàn)了與CDK激活相關(guān)的其他拷貝數(shù)異常事件（圖6F和圖S6E）泼差。
10. RB1發(fā)生致癌改變的腫瘤在RNA和蛋白質(zhì)水平上均與CDK2的顯著上調(diào)有關(guān)（圖6G；表S6）呵俏，這可能與RB1丟失及其已知的轉(zhuǎn)錄抑制作用有關(guān)（圖S6F和S6G）堆缘。
11. 相比之下，RB1改變的腫瘤也在RNA和蛋白質(zhì)水平上表現(xiàn)出CDK6的顯著下調(diào)（圖6G）普碎。
12. 因此吼肥，來自激酶庫的CDK激活信號可能反映了根據(jù)驅(qū)動性改變激活不同的CDK。

Para_03

1. 為了區(qū)分CDK活化代表癌癥依賴的情形麻车，我們通過分析細(xì)胞系藥物反應(yīng)數(shù)據(jù)以及驅(qū)動突變的蛋白質(zhì)組學(xué)特征（包括體細(xì)胞突變和染色體拷貝數(shù)異常）來擴(kuò)展?jié)撛谥委煷嗳跣缘姆治觥?/li>
2. 我們計算了64種驅(qū)動突變的蛋白質(zhì)組學(xué)特征與藥物反應(yīng)特征之間的標(biāo)準(zhǔn)化藥物連接得分（涉及的藥物要么已獲得FDA批準(zhǔn)缀皱，要么正處于臨床研究階段；CMAP的綜合網(wǎng)絡(luò)基礎(chǔ)細(xì)胞特征[LINCS]數(shù)據(jù)庫）动猬。
3. 有趣的是啤斗，與激酶庫的結(jié)果一致（圖6F、補充圖S5C和S6F）赁咙，我們發(fā)現(xiàn)泛癌蛋白質(zhì)組學(xué)特征與細(xì)胞周期通路內(nèi)外的基因相關(guān)钮莲，這些特征與多種CDK抑制劑（CDKi）具有藥物連接性（圖6H，頂部）彼水。
4. 這些發(fā)現(xiàn)同樣適用于特定組織的驅(qū)動突變蛋白質(zhì)組學(xué)特征（圖6H崔拥，底部）。

Para_04

1. 在某些情況下凤覆，例如RB1缺失链瓦，激酶庫中觀察到了強(qiáng)烈的CDK激活，但與CDKi藥物反應(yīng)譜的關(guān)聯(lián)相對較弱（圖6I）叛赚。
2. 這可能與RB1突變在對CDK4/6i（如帕博西利）的原發(fā)性和獲得性耐藥中的已知作用有關(guān)澡绩。
3. 與此一致的是稽揭，通過分析CRISPR基因敲除篩選（DepMap）發(fā)現(xiàn)，RB1改變的癌細(xì)胞系對CDK4/6的依賴性較低肥卡，而對CDK2的依賴性較高（q值<0.1溪掀，Wald檢驗；圖6J步鉴、補充圖S6H和S6I揪胃；補充表S6）。
4. 盡管未被納入CMAP氛琢，最近開發(fā)的選擇性針對CDK2的小分子可能對RB1改變的腫瘤更為有效喊递。
5. 總體而言，大多數(shù)在激酶庫中顯示出CDK激活的驅(qū)動性變異體使用獨立的蛋白質(zhì)組學(xué)特征與CDKi表現(xiàn)出高（負(fù)向）藥物相關(guān)性（圖6I）阳似。
6. 這些結(jié)果表明骚勘，對于攜帶不一定直接與細(xì)胞周期途徑相關(guān)的基因組變異（如MCL1或ERBB2擴(kuò)增）的腫瘤，CDKi治療可能具有潛在的療效益處撮奏。

Integrative multi-genomic scoring provides evidence on how somatic alterations alter cancer hallmarks

整合多基因組評分提供了關(guān)于體細(xì)胞改變?nèi)绾胃淖儼┌Y特征的證據(jù)

Para_01

1. 單個基因改變可以在順式俏讹、反式及中介設(shè)置中影響蛋白質(zhì)組學(xué)景觀。
2. 然而畜吊，我們希望探索所有體細(xì)胞突變對癌癥類型內(nèi)整體蛋白質(zhì)變異性的全局影響泽疆。
3. 為了解決這個問題，我們構(gòu)建了一個用于腫瘤學(xué)的綜合多基因蛋白質(zhì)豐度預(yù)測算法玲献，稱為C3PO殉疼，作為理論練習(xí)。
4. 該工具應(yīng)用多基因數(shù)學(xué)方法來描述蛋白質(zhì)變異性捌年，而不是疾病狀態(tài)瓢娜，就像多基因風(fēng)險評分（PRS）一樣。
5. 為了計算一個多基因預(yù)測因子延窜，需測量在改變或未改變狀態(tài)下蛋白質(zhì)豐度的變化恋腕。
6. 可以將多個改變的影響大小相加，從而產(chǎn)生基于存在哪些改變的多基因風(fēng)險評分逆瑞。
7. PRS的典型應(yīng)用通過比較突變樣本與非突變樣本來生成影響大小荠藤，針對感興趣的表型。
8. 然而获高，由于癌癥中罕見突變驅(qū)動基因的數(shù)量龐大哈肖，我們將突變聚集到嵌套蛋白系統(tǒng)中。
9. 這樣做提供了對可能的突變對蛋白質(zhì)影響更廣泛的覆蓋念秧。
10. C3PO的結(jié)果表明淤井，僅體細(xì)胞突變和拷貝數(shù)事件平均解釋了這十種癌癥類型中蛋白質(zhì)豐度變異性的7.2%至27.5%（范圍從0%到91.9%）。
11. 當(dāng)應(yīng)用于一個正交數(shù)據(jù)集時，C3PO只能總體上解釋HGSC中全球蛋白質(zhì)變異性的0.7%至2.6%币狠。
12. 對于BRCA游两，C3PO可以解釋2.0%的拷貝數(shù)擴(kuò)增，2.0%的拷貝數(shù)缺失以及2.3%的體細(xì)胞突變（范圍從0%到31.2%）漩绵。
13. 而對于COAD贱案，它可以解釋2.2%的拷貝數(shù)擴(kuò)增，2.0%的拷貝數(shù)缺失以及2.6%的體細(xì)胞突變（范圍從0%到38.8%）止吐。
14. 我們相關(guān)性的進(jìn)一步分析顯示宝踪，結(jié)合底物得分可以提高預(yù)測準(zhǔn)確性。

15. 這個平均范圍（0.7%至27.5%）代表了我們的工具的累積上限（過擬合）和下限（未優(yōu)化）碍扔，并提示需要采用蛋白質(zhì)組學(xué)測量來更好地理解突變事件的后果瘩燥。

    
    

• 圖S7. C3PO概述及其在正交數(shù)據(jù)集中的性能，與圖7相關(guān) (A) C3PO流程的概述包括以下步驟：(1) 我們采用嵌套基因關(guān)系架構(gòu)來分類改變和未改變的基因不同。我們這樣做是為了改進(jìn)癌癥中改變基因的長尾分布厉膀；(2) 使用Cohen’s D統(tǒng)計量作為每個改變的巢群和基質(zhì)效應(yīng)大小的代理；(3) 對每個基因組基質(zhì)（DNA套鹅、拷貝數(shù)擴(kuò)增和拷貝數(shù)缺失）計算效應(yīng)大小矩陣站蝠；(4) 我們在這個過程中驗證了多個獨立隊列[癌癥細(xì)胞系百科全書(CCLE)和癌癥基因組圖譜(TCGA)]汰具；(5) 圓圈展示了我們將蛋白質(zhì)活性轉(zhuǎn)化為標(biāo)志水平分?jǐn)?shù)的方式卓鹿。圓圈內(nèi)的方程表示用于生成各種分?jǐn)?shù)的組合多基因方程。
• B部分 C3PO蛋白質(zhì)活性分?jǐn)?shù)與CPTAC中測量的所有蛋白質(zhì)相關(guān)聯(lián)留荔。展示的是歸因于每個基質(zhì)的相關(guān)系數(shù)分布：DNA（藍(lán)色）吟孙、拷貝數(shù)擴(kuò)增(AMP，粉紅色)和拷貝數(shù)缺失(DEL聚蝶，綠色)杰妓，針對每種癌癥類型，包括聚合泛癌訓(xùn)練預(yù)測碘勉。垂直的紅色條形表示零相關(guān)巷挥。
• C部分 結(jié)合的C3PO蛋白質(zhì)活性分?jǐn)?shù)也進(jìn)行了計算，并與測量的蛋白質(zhì)相關(guān)聯(lián)验靡。每種癌癥類型的關(guān)聯(lián)系數(shù)分布倍宾，包括泛癌訓(xùn)練預(yù)測被呈現(xiàn)。垂直的紅色條形表示零相關(guān)胜嗓。
• D部分 類似于B部分高职，C3PO加權(quán)活性矩陣應(yīng)用于兩個正交數(shù)據(jù)集，CPTAC回顧性樣本(TCGA)和350個癌癥細(xì)胞系百科全書(CCLE)樣本辞州，涉及三種癌癥類型：卵巢癌(HGSC)怔锌、乳腺癌(BRCA)和結(jié)直腸腫瘤(COAD)。類似于B部分，預(yù)測的蛋白質(zhì)活性與測量的蛋白質(zhì)相關(guān)聯(lián)埃元。垂直的紅色條形表示零相關(guān)涝涤。
• E部分 類似于C部分，結(jié)合的蛋白質(zhì)活性預(yù)測與測量的蛋白質(zhì)相關(guān)聯(lián)岛杀。垂直的紅色條形表示零相關(guān)妄痪。
• F部分 使用QQ圖展示了所有來自(D)和(E)部分中皮爾遜相關(guān)產(chǎn)生的p值，針對卵巢樣本楞件。每個基質(zhì)的QQ圖被繪制（DNA衫生，左上角；拷貝數(shù)擴(kuò)增土浸，右上角罪针；拷貝數(shù)缺失，左下角黄伊；以及組合分?jǐn)?shù)泪酱，右下角）。膨脹的p值被解釋為C3PO能夠準(zhǔn)確預(yù)測蛋白質(zhì)活性超過預(yù)期的p值分布的能力还最，對于執(zhí)行的測試數(shù)量而言墓阀。因此，p值膨脹越高拓轻，C3PO預(yù)測在識別基因組改變與蛋白質(zhì)活性之間的相關(guān)性方面就越準(zhǔn)確斯撮。Lambda提供了膨脹值。Lambda(λ)值衡量超出預(yù)期分布的p值分布扶叉。
• G部分 類似于(F)部分勿锅。為乳腺癌的每個基質(zhì)提供了QQ圖和Lambda值。
• H部分 循環(huán)圖顯示了每種癌癥類型的21種癌癥標(biāo)志途徑枣氧。圖標(biāo)表示與Hanahan和Weinberg66最初概述的原始標(biāo)志的關(guān)系溢十。CPTAC中的每個樣本由連接標(biāo)志的鏈接表示，并根據(jù)癌癥類型著色达吞。每個樣本根據(jù)ssGSEA生成的前兩個標(biāo)志活動分?jǐn)?shù)使用一條線來表示张弛。
• I部分 循環(huán)圖顯示了每種癌癥類型的21種癌癥標(biāo)志途徑。圖標(biāo)表示與Hanahan和Weinberg66最初概述的原始標(biāo)志的關(guān)系酪劫。CPTAC中的每個樣本由連接標(biāo)志的鏈接表示吞鸭，并根據(jù)癌癥類型著色。每個樣本根據(jù)C3PO生成的前三個標(biāo)志活動分?jǐn)?shù)使用三條線來表示契耿。

Para_01

1. 雖然可能難以預(yù)測單個蛋白質(zhì)瞒大，但在途徑中的許多蛋白質(zhì)上出現(xiàn)的一致變化可能會揭示出生物學(xué)上的有意義的結(jié)果。
2. 為了說明這一點搪桂，我們匯集了C3PO在癌癥標(biāo)志基因上的評分66,67（圖7A透敌、7B和S7I盯滚；表S7；STAR方法）酗电。
3. C3PO設(shè)計用于評估腫瘤間的變異性魄藕。
4. 因此，幾乎所有腫瘤都顯示出途徑失調(diào)的情況撵术，例如大約95%的胰腺導(dǎo)管腺癌為KRAS突變體背率，并不在這個分析中被捕捉到。
5. 我們通過評估C3PO為每個樣本產(chǎn)生的前三個標(biāo)志評分中的熵來探索由基因組變異導(dǎo)致的癌癥類型間標(biāo)志變異（圖7C）嫩与。
6. 從這些預(yù)測中寝姿，我們發(fā)現(xiàn)某些癌癥類型的標(biāo)志變異較低（圖7D），而其他類型則較高（圖7E）划滋。
7. 例如饵筑，在肺腺癌中，適應(yīng)性免疫和DNA修復(fù)的C3PO標(biāo)志評分一直很高处坪，且在染色質(zhì)修飾途徑中有更高的吸煙評分68（卡方檢驗p值 = 3.8 × 10-7）（圖7D根资；STAR方法）。
8. 相比之下同窘，子宮內(nèi)膜癌每一樣本的頂級標(biāo)志表現(xiàn)出顯著更多的異質(zhì)性（圖7E）玄帕，包括DNA修復(fù)和一些途徑，如NOTCH想邦，這些在肺腺癌中并未觀察到裤纹。

9. 因此，我們目前對基因組學(xué)數(shù)據(jù)的系統(tǒng)理解至少可以捕捉到癌癥標(biāo)志蛋白水平的一些變異案狠。

   
   

• 圖7. C3PO工具用于探究多基因組對癌癥內(nèi)表型的影響 (A) C3PO概述服傍。左側(cè)顯示了基因組改變對蛋白質(zhì)水平的理論貢獻(xiàn)（包括拷貝數(shù)變異和突變）；右側(cè)提供了僅從蛋白質(zhì)角度審視癌癥標(biāo)志骂铁。
• （B）Circos圖展示了21條癌癥標(biāo)志通路。圖標(biāo)表示與Hanahan和Weinberg最初提出的標(biāo)志之間的關(guān)系罩抗。66,67 CPTAC中的每個樣本通過連接標(biāo)志的鏈接表示拉庵，并根據(jù)癌癥類型著色。
• 每個樣本根據(jù)由C3PO生成的前三個標(biāo)志活動得分使用三條線展示套蒂。直方圖顯示了C3PO標(biāo)志得分的分布钞支。
• （C）采用香農(nóng)熵量化每種癌癥類型的前三個標(biāo)志之間的多樣性。每根條形代表每個樣本和癌癥類型的前三個標(biāo)志的排名熵操刀。
• 癌癥按其樣本頂級標(biāo)志的最低熵測量值排序烁挟。
• （D）熱圖展示了LUAD樣本及其對于21個標(biāo)志的C3PO標(biāo)志得分。行和列采用無監(jiān)督聚類進(jìn)行排序骨坑。底部注釋包括新抗原計數(shù)估計撼嗓、總突變計數(shù)和吸煙評分柬采。
• （E）類似于圖7D，展示了UCEC樣本且警。
• （F）類似于圖7B粉捻，每個樣本用一條線表示，該線鏈接由ssGSEA產(chǎn)生的前兩個標(biāo)志得分斑芜。
• （G）類似于圖7C肩刃，基于ssGSEA得分進(jìn)行了香農(nóng)熵計算。
• （H-I）類似于圖7D和7E杏头，但展示了由ssGSEA生成的得分盈包。還請參見補充圖S7和補充表S7。

Para_01

1. 除了C3PO產(chǎn)生的特征得分外醇王，我們還使用了一種已建立的通路富集工具ssGSEA续语，直接從蛋白質(zhì)豐度識別富集情況（圖7A和7F；表S7厦画；STAR方法）疮茄。
2. 我們在每份樣本的頂級特征中觀察到了更高的通路變異性（圖7G）。
3. 在所有LUAD中根暑，DNA修復(fù)力试、細(xì)胞周期和凋亡以及與C3PO共享的癌癥驅(qū)動因素的特征顯示出相似的統(tǒng)一性，但許多其他特征顯示出了更大的多樣性（圖S7H）排嫌。
4. 類似地畸裳，對于C3PO和ssGSEA而言，DNA修復(fù)淳地、細(xì)胞周期和凋亡怖糊、染色質(zhì)修飾及癌癥驅(qū)動因素的特征聚集在一起，但ssGSEA更廣泛地代表了剩余的特征颇象。
5. 進(jìn)一步分析發(fā)現(xiàn)伍伤，LUAD（圖7H）和UCEC（圖7I）均包含具有更高EMT和ECM活性的樣本亞組——這是一種通常不與已知驅(qū)動事件相關(guān)的特征（分別為19個和21個樣本）。
6. 這些亞組中差異表達(dá)最顯著的蛋白質(zhì)為UCEC中的VPS13A遣钳、FSTL1和TMEM30B（p值分別為5.1×10^{-7扰魂、2.6×10}-5和6.3×10^{-5；雙側(cè)t檢驗）以及LUAD中的SLPI蕴茴、TSPAN1和CALD1（p值分別為1.6×10}-5劝评、2.6×10^-5和4.4×10-5；雙側(cè)t檢驗）倦淀。
7. 這一結(jié)果僅基于我們從ssGSEA獲得的蛋白質(zhì)分析蒋畜，表明腫瘤內(nèi)的蛋白質(zhì)變異性可以反映不同水平上的DNA、RNA和蛋白質(zhì)改變的累積效應(yīng)撞叽。
8. 這些改變可能產(chǎn)生類似的下游影響姻成，并且獨立于體細(xì)胞變異插龄，這可能是由于細(xì)胞外或微環(huán)境相互作用所致。
9. 這些發(fā)現(xiàn)補充了基因組學(xué)研究佣渴，并突顯了蛋白質(zhì)組學(xué)對腫瘤表型特征描述的貢獻(xiàn)辫狼。

Discussion

Para_01

1. 通過高通量基因組分析加速發(fā)現(xiàn)和功能表征致癌驅(qū)動因素，推動了我們對致癌機(jī)制的理解辛润，并帶來了更有效的治療方法膨处。
2. 最初，靶向治療僅限于特定類型的腫瘤砂竖。
3. 然而真椿，不同癌癥中發(fā)現(xiàn)的共享且可治療的驅(qū)動因素導(dǎo)致了美國食品藥品監(jiān)督管理局批準(zhǔn)了一些不針對特定腫瘤類型的藥物。
4. 隨后乎澄，美國食品藥品監(jiān)督管理局批準(zhǔn)了廣泛的基因面板測試突硝，以揭示具有臨床意義的變異體，其中特定的改變與靶向治療相匹配置济。
5. 這些進(jìn)展激發(fā)了對泛癌癥驅(qū)動因素分子基礎(chǔ)的分析解恰。
6. TCGA泛癌癥圖譜代表了一個整合多種腫瘤類型分子基因組數(shù)據(jù)的初步框架，提供了新的見解浙于。
7. 這也突顯了需要擴(kuò)大對驅(qū)動變異的功能护盈、機(jī)制和表型相關(guān)性在更多層面上的分子數(shù)據(jù)進(jìn)行表征的需求

Para_02

1. 在這里，我們利用了來自十種癌癥類型的蛋白質(zhì)組和磷酸化蛋白質(zhì)組的數(shù)據(jù)羞酗，并結(jié)合基因組和轉(zhuǎn)錄組數(shù)據(jù)腐宋，評估了CPTAC隊列中5,443種潛在驅(qū)動變異在整個癌癥范圍內(nèi)的后果。
2. 我們的蛋白質(zhì)基因組學(xué)分析提供了對致癌突變分子機(jī)制的見解檀轨，從單個蛋白質(zhì)到癌癥標(biāo)志胸竞，揭示了潛在的新治療途徑。
3. 為了精確解析癌癥蛋白質(zhì)組是如何形成的参萄，我們分析了致癌變異在不同生物調(diào)節(jié)層面上的影響卫枝，從對同一蛋白（順效應(yīng)）的影響開始，擴(kuò)展到蛋白質(zhì)相互作用和復(fù)合體拧揽，直至整個(磷酸化)蛋白質(zhì)組剃盾，包括橫效應(yīng)和多基因預(yù)測框架。
4. 為了評估癌癥中蛋白質(zhì)-蛋白質(zhì)相互作用(PPI)的重排淤袜，我們使用蛋白質(zhì)共表達(dá)數(shù)據(jù)作為PPI的間接讀數(shù)。
5. 我們發(fā)現(xiàn)了因癌癥類型或驅(qū)動變異而不同的候選PPI衰伯。
6. 有趣的是铡羡，許多驅(qū)動因子被發(fā)現(xiàn)其驅(qū)動變異發(fā)生在已知相互作用蛋白質(zhì)之間的界面上，包括PIK3R1-PIK3CA意鲸、SMAD4-SMAD2和PPP2R1A-PPP2R2A烦周。
7. 重要的是尽爆，使用RNA數(shù)據(jù)進(jìn)行的類似分析僅揭示了一部分在蛋白質(zhì)水平上檢測到的PPI效應(yīng)，這凸顯了蛋白質(zhì)組學(xué)分析的重要性读慎。
8. 鑒于網(wǎng)絡(luò)醫(yī)學(xué)的新興作用漱贱，我們相信利用泛癌癥蛋白質(zhì)組學(xué)數(shù)據(jù)將突變與PPI網(wǎng)絡(luò)間接關(guān)聯(lián)起來的做法將會帶來啟示。

Para_03

1. 我們利用驅(qū)動事件的橫向效應(yīng)發(fā)現(xiàn)夭委，途徑中的不同癌癥基因往往表現(xiàn)出相似的分子特征幅狮。
2. 這表明它們的分子效應(yīng)是相似的，例如 NFE2L2 和 KEAP1株灸，以及 KMT2B 和 CREBBP崇摄。
3. 這種分子聚合解釋了相當(dāng)一部分致癌驅(qū)動因子之間的相互排斥現(xiàn)象。
4. 然而慌烧，我們也發(fā)現(xiàn)了一些案例逐抑，其中分子特征呈現(xiàn)出負(fù)相關(guān)性，這些通常與相互排斥的驅(qū)動基因重疊屹蚊，比如 EGFR 和 STK11厕氨、CDH1 和 TP53 或 EGFR 和 KRAS。
5. 可以設(shè)想汹粤，這些基因?qū)χ韵嗷ヅ懦馐且驗槠渲幸粋€基因發(fā)生突變會使細(xì)胞趨向于一種狀態(tài)命斧，在這種狀態(tài)下另一個基因的突變與致癌過程不相容（還有其他可能的解釋）。
6. 這些基因（EGFR 和 STK11）是分歧不兼容而不是致癌聚合和冗余的玄括。
7. 這些分歧不兼容可能代表了合成致死性的脆弱點冯丙，正如在肺癌中 EGFR 和 KRAS 所顯示的那樣。
8. 利用這一現(xiàn)象激活分歧不兼容基因的藥物值得考慮遭京。
9. 因此胃惜，來自激酶庫的結(jié)果，展示了 EGFR 突變和 STK11/KRAS 突變腫瘤如何激活相反的激酶集合哪雕，可能會提供這樣的藥物靶點船殉。

Para_04

1. 為了研究腫瘤基因組變異對蛋白質(zhì)組累積影響，我們構(gòu)建了C3PO斯嚎，一個多基因預(yù)測框架利虫，該框架經(jīng)過訓(xùn)練能夠預(yù)測蛋白質(zhì)豐度。
2. 目前堡僻，預(yù)測能力僅限于大約27%的全球蛋白質(zhì)組景觀糠惫，這可能是因為細(xì)胞可塑性以及由腫瘤微環(huán)境引起的轉(zhuǎn)錄組波動。
3. 然而钉疫，這一工具使我們能夠在空間和時間上評估基因組對腫瘤中蛋白質(zhì)標(biāo)志變異的貢獻(xiàn)硼讽。

Para_05

1. 總之，本研究強(qiáng)調(diào)了蛋白質(zhì)組學(xué)提供的關(guān)鍵見解牲阁，用于系統(tǒng)評估致癌驅(qū)動因素對癌癥功能狀態(tài)的影響固阁。
2. 今后壤躲，更廣泛的表征蛋白質(zhì)的翻譯后修飾和代謝組可以進(jìn)一步揭示驅(qū)動突變?nèi)绾胃蓴_E3泛素連接酶等蛋白質(zhì)的活性。
3. 此外备燃，通過應(yīng)用單細(xì)胞蛋白質(zhì)組學(xué)碉克、空間蛋白質(zhì)組學(xué)以及每位患者的多個腫瘤內(nèi)/間樣本，可以更全面地闡明蛋白質(zhì)組對腫瘤異質(zhì)性和與腫瘤微環(huán)境相互作用的貢獻(xiàn)并齐。
4. 最后漏麦，將蛋白質(zhì)組學(xué)與治療前和治療后的樣本相結(jié)合的臨床試驗可能會揭示對治療反應(yīng)和抗性的決定因素，并為組合療法提供信息冀膝，這些信息更直接地與藥物的作用相關(guān)：蛋白質(zhì)組唁奢。
5. 這可能導(dǎo)致臨床上可實施的蛋白質(zhì)基因組面板的開發(fā)。
6. 我們的發(fā)現(xiàn)支持蛋白質(zhì)組作為致癌驅(qū)動因素的基因型與其功能狀態(tài)之間的缺失環(huán)節(jié)的觀點窝剖。

Limitations of the study

研究的局限性

Para_06

1. 這項泛癌癥蛋白質(zhì)基因組學(xué)研究包含了之前作為CPTAC聯(lián)盟旗艦研究分別分析過的十種腫瘤類型麻掸。
2. 這一隊列高度多樣化，包括三種特定于女性的癌癥赐纱，即乳腺癌脊奋、高級別漿液性卵巢癌和子宮內(nèi)膜癌，但不包括最常見的男性癌癥——前列腺腺癌疙描。
3. 此外诚隙，膠質(zhì)母細(xì)胞瘤代表了一種相對較少見且生物學(xué)特性與隊列中其他腫瘤更為不同的腫瘤類型。
4. 計劃中的額外隊列將改善這一組成上的局限起胰。
5. 本研究中的一些腫瘤具有相應(yīng)的正常相鄰組織久又，這些組織由與癌癥密切相關(guān)的細(xì)胞譜系組成。
6. 對于其他一些腫瘤效五，則沒有這樣的正常相鄰組織地消。
7. 對藥物敏感性的泛癌癥分析似乎聚焦于與細(xì)胞周期相關(guān)的蛋白質(zhì)，這很大程度上是出于社區(qū)對靶向癌癥這一核心特征進(jìn)行治療的興趣畏妖。
8. 盡管發(fā)現(xiàn)激酶在腫瘤中活性升高可能表明潛在的藥物靶點脉执，但仍需仔細(xì)考慮該激酶在正常組織中的必需性，以便確定可能的治療窗口戒劫。
9. 然而半夷，泛癌癥蛋白質(zhì)組學(xué)對其他標(biāo)志表型的讀數(shù)可能仍具有治療指導(dǎo)意義，并值得在未來的研究中進(jìn)行深入評估迅细。

Consortia

Para_01

1. 國家癌癥研究所臨床蛋白質(zhì)組腫瘤分析聯(lián)盟的成員包括弗朗索瓦·阿蓋特巫橄、約·阿基亞馬、尹坤慶茵典、尚卡拉·阿南德嗦随、米納克洗疃埽·阿努拉格血筑、奧茲根·巴布爾、賈斯敏·巴瓦爾瓦更胖、切特·比爾杰砂吞、邁克爾·J·比里爾署恍、安娜·卡利納萬、劉易斯·C·坎特利蜻直、曹松盯质、史蒂文·A·卡爾、米歇爾·切卡雷利概而、丹尼爾·W·陳呼巷、阿魯爾·M·欽奈安、喬·漢拜爾赎瑰、肖拉班提·喬杜里王悍、馬爾辛·P·采斯利克、卡爾·R·克勞澤餐曼、安東尼奧·科拉皮科压储、周丹尼爾·崔、費利佩·達(dá)·維加·萊普羅沃斯特源譬、科賓·戴集惋、薩拉瓦納·M·丹納塞卡蘭、李丁踩娘、馬爾辛·J·多馬加爾斯基刮刑、董永超、布萊恩·J·德魯克养渴、內(nèi)森·愛德華茲雷绢、馬修·J·埃利斯、米維齊·埃賽爾·塞萬厚脉、大衛(wèi)·芬約习寸、史蒂文·M·福爾茨、艾麗西亞·弗朗西斯傻工、伊法特·蓋芬霞溪、加德·蓋茨、邁克爾·A·吉利特中捆、塔尼亞·J·岡薩雷斯·羅布爾斯鸯匹、薩拉·J·C·戈斯林、澤耶內(nèi)普·H·古穆斯泄伪、大衛(wèi)·I·海曼殴蓬、塔拉·希爾特克、洪潤宇、蓋倫·霍斯特特染厅、胡英偉痘绎、黃晨、亨特曼·艾米莉肖粮、安東尼奧·伊瓦羅內(nèi)孤页、埃里克·J·詹寧、斯科特·D·朱厄爾涩馆、賈伊伊·吉行施、溫·江、賈里德·L·約翰遜魂那、利莎白·卡茨內(nèi)爾松蛾号、凱倫·A·凱奇姆、伊加·科洛德熱伊恰克涯雅、卡爾斯特恩·克魯格鲜结、錢丹·庫馬爾-辛哈、亞歷山大·J·拉扎爾斩芭、喬納森·T·萊伊轻腺、李義澤、梁文蔚划乖、廖玉興贬养、凱勒布·M·林德格倫、劉濤误算、劉文克、馬衛(wèi)平迷殿、D·R·馬尼儿礼、費爾南達(dá)·馬丁斯·羅德里格斯、威爾遜·麥克斯羅威庆寺、梅赫迪·梅斯里蚊夫、阿列克謝·I·涅斯維日斯基、切爾西·J·紐頓懦尝、羅伯特·奧爾德羅伊德知纷、吉爾伯特·S·奧門、阿曼達(dá)·G·保羅維奇陵霉、塞繆爾·H·佩恩琅轧、弗朗切斯卡·彼得拉利亞、彼得羅·普格利澤踊挠、鮑里斯·雷瓦乍桂、安娜·I·羅布爾斯、卡琳·D·羅德蘭、亨利·羅德里格斯睹酌、凱利·V·拉格爾斯权谁、德米特里·里昆諾夫、尚卡·薩特帕西忍疾、薩拉·R·薩維奇闯传、埃里克·E·施達(dá)特、邁克爾·施瑙貝爾特卤妒、托比亞斯·施賴尼克、斯特凡·舒爾字币、石志佼则披、理查德·D·史密斯、宋曉宇洗出、宋宜哲士复、瓦西萊奧斯·斯塔西亞斯、埃里克·P·斯托爾斯翩活、譚吉明阱洪、娜杰日達(dá)·V·特雷哈諾娃、拉特納·R·唐古杜菠镇、馬塔吉·蒂亞加拉詹冗荸、妮科爾·蒂格諾、約書亞·M·王利耍、王亮博蚌本、王沛、王穎隘梨、文博程癌、麥克凱伊·維茲納維奇、吳一格轴猎、馬修·A·維查考斯基嵌莉、姚立俊、托默·M·亞龍捻脖、易欣培锐峭、張冰、張輝郎仆、張青只祠、張旭、張臻扰肌。
2. 以上成員致力于泛癌癥研究抛寝。

Additional resources

附加資源

Para_01

1. 關(guān)于CPTAC項目的綜合信息，包括項目舉措、研究者和數(shù)據(jù)集盗舰，均可在CPTAC項目網(wǎng)站上獲染Ц：https://proteomics.cancer.gov/programs/cptac。

Para_02

1. 對于泛癌癥蛋白質(zhì)基因組學(xué)收集論文钻趋，以及與這些出版物相關(guān)的數(shù)據(jù)和補充材料的鏈接川陆，請訪問蛋白質(zhì)組數(shù)據(jù)公共庫（PDC）網(wǎng)站https://pdc.cancer.gov/pdc/cptac-pancancer。

本文由mdnice多平臺發(fā)布