編輯 | 蘿蔔皮
訊號通路活性異常是腫瘤發生和進展的標誌，30 多年來一直指導著靶向抑制劑的設計。然而，由快速、特定環境的訊號網路重新佈線誘導的適應性抵抗機制繼續挑戰治療效果。
利用蛋白質組學技術和神經網路，哥倫比亞大學和耶魯大學的研究團隊引入了 VESPA（Virtual Enrichment-based Signaling Protein-activity Analysis），一種旨在闡明細胞響應和適應藥物擾動機制的演算法；並用它來分析用臨床相關抑制劑和對照介質處理的結直腸癌細胞的 7-point 磷酸化蛋白質組時間序列。
分析腫瘤特異性酶/底物相互作用，根據底物磷酸化狀態準確推斷激酶和磷酸酶活性，有效地解釋訊號串擾和稀疏磷酸化蛋白質組覆蓋。
該分析闡明瞭對每種藥物擾動的時間依賴性訊號通路反應，更重要的是，細胞適應性反應和重新佈線，透過 CRISPR 敲除分析實驗證實，表明其廣泛適用於癌症和其他疾病。
該研究以「Network-based elucidation of colon cancer drug resistance mechanisms by phosphoproteomic time-series analysis」為題，於 2024 年 5 月 9 日釋出在《Nature Communications》。
細胞利用訊號傳導級聯對環境訊號作出響應，調節基因活動，控制細胞狀態。這一機制在多細胞生物中促進細胞分化和適應環境變化，但也與疾病，特別是癌症密切相關。
癌症發展中，訊號通路的變異導致細胞調控失常。儘管研究進展顯著，訊號網路的具體解析，尤其考慮時間和空間特性的，仍是系統生物學的重大挑戰。
現有技術如磷酸化分析雖已廣泛使用，但對於動態、情境特異性訊號理解有限，表明該領域還需更精準的方法來深入探究。
為了應對這些挑戰，哥倫比亞大學和耶魯大學的研究團隊開發了 VESPA：一種基於磷酸化蛋白質組學的機器學習方法，用於剖析 ES 相互作用和測量訊號蛋白活性——並將其應用於研究介導 CRC 對臨床相關靶向藥物的耐藥性或缺乏敏感性（即不敏感）的翻譯後細胞適應機制。
該方法提出了四個獨特的要素，包括：
基於 ES 參考資料庫的系統基準測試，評估細胞系中主要藥物靶點的差異 KP 酶活性，並透過實驗驗證對超過 200 種靶向抑制劑的敏感性，表明 VESPA 的效能大大優於現有方法。
圖示：dVESPA 和 mVESPA 的基準測試和驗證。（來源：論文）
在概念驗證應用中，研究人員設計了大規模藥物擾動實驗，並使用 VESPA 闡明 CRC 適應藥物治療的分子機制，這些藥物治療以高度特定的方式介導耐藥性或不敏感性。
VESPA 分析可深入瞭解 CRC 細胞系在藥物擾動後適應和「重新連線」其訊號網路的能力。至關重要的是，這揭示了特定細胞如何在高度不同的時間範圍內實現相似的藥物反應，而其他細胞可能呈現高度特殊的反應機制。
圖示：CRC細胞系中的靶向藥物擾動。（來源：論文）
此外，對於耐藥細胞，這識別了負責從最初的藥物擾動到耐藥性發展的訊號蛋白。
為了評估其預測性質，研究人員使用系統的 CRISPR/Cas9 介導的敲除實驗來驗證這些預測，確認 VESPA 預測確實富含與耐藥細胞系中的藥物治療協同作用的蛋白質，從而表明識別潛在聯合治療機會的潛在價值。
論文連結：https://www.nature.com/articles/s41467-024-47957-3