來自瑞士蘇黎世聯(lián)邦理工學(xué)院的研究人員開發(fā)出一種方法來測試癌癥生物標記分子的臨床意義。這種方法能夠顯著性地加快實驗室發(fā)現(xiàn)的癌癥標記物的應(yīng)用,。
由于蛋白質(zhì)組和基因組研究以及利用計算機為生物過程建模上取得的巨大進展,，研究人員在最近幾年已發(fā)現(xiàn)一千多種潛在的蛋白生物標記分子,。生物標記分子的候選物名單也變得越來越長。然而,，在文獻中提出和記錄的大多數(shù)蛋白生物標記分子并沒有用于臨床應(yīng)用中,。將人們開發(fā)出的新生物標記分子用于臨床沒有取得進展的主要原因是缺乏一種驗證大多數(shù)生物標記分子候選物的方法。
根據(jù)于2012年7月11日發(fā)表在Science Translational Medicine期刊上的一篇論文，論文第一作者Ruth Hüttenhain和Martin Soste開發(fā)出一種策略來大規(guī)模地和快速地測量潛在的生物標記分子以及驗證它們的臨床用途,。這種方法基于一種靶向質(zhì)譜的高通量技術(shù),，能夠以一種可靠且可重現(xiàn)的方式在特定時間點上確定存在于生物樣品中的蛋白。
在他們的研究中,，研究人員利用開發(fā)出的方法來檢測1157個潛在的生物標記分子：檢測它們在不同人癌組織中的豐度變化,，哪些與促進癌癥產(chǎn)生的突變基因相關(guān)聯(lián)。研究人員最終在來自癌癥病人和健康個人的血液樣品和尿液樣品中測試他們的檢測方法,。他們能夠在血清中檢測180多種不同的生物標記分子,，而且檢測濃度極限為每毫升血清十億分之一克。在尿液樣品中,，研究人員發(fā)現(xiàn)400多種不同的蛋白生物標記分子,。利用這種方法，潛在性生物標記分子名單能夠被快速地和有效地縮短,。盡管這些檢測不能直接用于癌癥診斷,，但是它們能夠縮短基礎(chǔ)研究與臨床應(yīng)用之間的差距。
在對卵巢癌的識別研究中,，研究人員證實他們的方法是有效的：它能夠驗證血清中存在的潛在生物標志分子,。為此，研究人員不僅可以測量文獻中描述過的生物標記分子候選物,，而且也能測量基于基因組數(shù)據(jù)的計算模型預(yù)測出的新的生物標記分子,。因此，這些研究結(jié)果強調(diào)了這種質(zhì)譜分析方法驗證新的蛋白生物標記分子的巨大潛力,。這項研究還描述了癌癥,、基因數(shù)據(jù)和確定病人急性狀態(tài)的蛋白質(zhì)組測量結(jié)果之間存在的聯(lián)系?？傊?，這種新方法能夠被用來驗證所有病人樣品中的潛在生物標記分子候選物，而且開發(fā)針對疾病相關(guān)蛋白的高度特異性驗證方法的策略也能夠被應(yīng)用于其他疾病,。(生物谷：Bioon.com)
本文編譯自Cancer biomarkers re-evaluated
doi: 10.1126/scitranslmed.3003989
PMC:
PMID:
Reproducible Quantification of Cancer-Associated Proteins in Body Fluids Using Targeted Proteomics
Ruth Hüttenhain1,2,*,†, Martin Soste1,*, Nathalie Selevsek1, Hannes Röst1,3, Atul Sethi1,3, Christine Carapito1, Terry Farrah4, Eric W. Deutsch4, Ulrike Kusebauch4, Robert L. Moritz4, Emma Niméus-Malmström5, Oliver Rinner6 and Ruedi Aebersold
The rigorous testing of hypotheses on suitable sample cohorts is a major limitation in translational research. This is particularly the case for the validation of protein biomarkers; the lack of accurate, reproducible, and sensitive assays for most proteins has precluded the systematic assessment of hundreds of potential marker proteins described in the literature. Here, we describe a high-throughput method for the development and refinement of selected reaction monitoring (SRM) assays for human proteins. The method was applied to generate such assays for more than 1000 cancer-associated proteins, which are functionally related to candidate cancer driver mutations. We used the assays to determine the detectability of the target proteins in two clinically relevant samples: plasma and urine. One hundred eighty-two proteins were detected in depleted plasma, spanning five orders of magnitude in abundance and reaching below a concentration of 10 ng/ml. The narrower concentration range of proteins in urine allowed the detection of 408 proteins. Moreover, we demonstrate that these SRM assays allow reproducible quantification by monitoring 34 biomarker candidates across 83 patient plasma samples. Through public access to the entire assay library, researchers will be able to target their cancer-associated proteins of interest in any sample type using the detectability information in plasma and urine as a guide. The generated expandable reference map of SRM assays for cancer-associated proteins will be a valuable resource for accelerating and planning biomarker verification studies.
