编辑 | 萝卜皮
信号通路活性异常是肿瘤发生和进展的标志，30 多年来一直指导着靶向抑制剂的设计。然而，由快速、特定环境的信号网络重新布线诱导的适应性抵抗机制继续挑战治疗效果。
利用蛋白质组学技术和神经网络，哥伦比亚大学和耶鲁大学的研究团队引入了 VESPA（Virtual Enrichment-based Signaling Protein-activity Analysis），一种旨在阐明细胞响应和适应药物扰动机制的算法；并用它来分析用临床相关抑制剂和对照介质处理的结直肠癌细胞的 7-point 磷酸化蛋白质组时间序列。
分析肿瘤特异性酶/底物相互作用，根据底物磷酸化状态准确推断激酶和磷酸酶活性，有效地解释信号串扰和稀疏磷酸化蛋白质组覆盖。
该分析阐明了对每种药物扰动的时间依赖性信号通路反应，更重要的是，细胞适应性反应和重新布线，通过 CRISPR 敲除分析实验证实，表明其广泛适用于癌症和其他疾病。
该研究以「Network-based elucidation of colon cancer drug resistance mechanisms by phosphoproteomic time-series analysis」为题，于 2024 年 5 月 9 日发布在《Nature Communications》。
细胞利用信号传导级联对环境信号作出响应，调节基因活动，控制细胞状态。这一机制在多细胞生物中促进细胞分化和适应环境变化，但也与疾病，特别是癌症密切相关。
癌症发展中，信号通路的变异导致细胞调控失常。尽管研究进展显著，信号网络的具体解析，尤其考虑时间和空间特性的，仍是系统生物学的重大挑战。
现有技术如磷酸化分析虽已广泛使用，但对于动态、情境特异性信号理解有限，表明该领域还需更精准的方法来深入探究。
为了应对这些挑战，哥伦比亚大学和耶鲁大学的研究团队开发了 VESPA：一种基于磷酸化蛋白质组学的机器学习方法，用于剖析 ES 相互作用和测量信号蛋白活性——并将其应用于研究介导 CRC 对临床相关靶向药物的耐药性或缺乏敏感性（即不敏感）的翻译后细胞适应机制。
图示：VESPA 概述。（来源：论文）
该方法提出了四个独特的要素，包括：
1、基于磷酸化蛋白质组谱从头重建和询问疾病特定信号网络的能力；
2、能够根据其底物的磷酸化状态测量信号酶的活性，包括那些在磷酸化蛋白质组谱中表征不佳的信号酶；
3、解卷积癌症组织对针对信号酶的抑制剂的时间依赖性反应的能力；
4、识别主导耐药性和细胞适应的潜在机制的能力。
基于 ES 参考数据库的系统基准测试，评估细胞系中主要药物靶点的差异 KP 酶活性，并通过实验验证对超过 200 种靶向抑制剂的敏感性，表明 VESPA 的性能大大优于现有方法。
图示：dVESPA 和 mVESPA 的基准测试和验证。（来源：论文）
在概念验证应用中，研究人员设计了大规模药物扰动实验，并使用 VESPA 阐明 CRC 适应药物治疗的分子机制，这些药物治疗以高度特定的方式介导耐药性或不敏感性。
VESPA 分析可深入了解 CRC 细胞系在药物扰动后适应和「重新连接」其信号网络的能力。至关重要的是，这揭示了特定细胞如何在高度不同的时间范围内实现相似的药物反应，而其他细胞可能呈现高度特殊的反应机制。
图示：CRC细胞系中的靶向药物扰动。（来源：论文）
此外，对于耐药细胞，这识别了负责从最初的药物扰动到耐药性发展的信号蛋白。
为了评估其预测性质，研究人员使用系统的 CRISPR/Cas9 介导的敲除实验来验证这些预测，确认 VESPA 预测确实富含与耐药细胞系中的药物治疗协同作用的蛋白质，从而表明识别潜在联合治疗机会的潜在价值。
论文链接：https://www.nature.com/articles/s41467-024-47957-3
