肿瘤特异的物理和功能致癌蛋白相互作用的阐明可以改善致瘤机制的表征和治疗反应的预测。然而,当前的相互作用模型和途径缺乏情境特异性并且不是致癌蛋白特异的。有鉴于此,美国哥伦比亚大学的Andrea Califano、Barry Honig和加州大学洛杉矶分校的E. Alejandro Sweet-Cordero等研究人员,提出了特异致癌蛋白分子相互作用图(SigMaps),用于分析癌症网络。
本文要点
1)研究人员开发SigMaps作为具有情境特异性的网络,包含调节器、效果器和特定肿瘤蛋白的同源结合分子。SigMaps是从头重建的,通过使用OncoSig机器学习框架整合不同证据来源——包括蛋白质结构、基因表达和突变信息。
2)研究人员首先生成一个KRAS特异的SigMap用于研究肺腺癌,成功重复了已发表的KRAS生物学,同时发现了新的合成的具有致死性的蛋白质,还通过实验在三维球体模型上进行验证并建立了该蛋白与RAB/RHO未发现过的关联。
3)为证明OncoSig是具有归纳性的,研究人员首先合理推断十大变异的人类致癌蛋白的SigMaps,然后完成了COSMIC“癌症基因普查”数据库中的715种蛋白质的完整目录。
这些SigMaps表明细胞的调控和信令通路结构是高度组织特异的。
参考文献:
Joshua Broyde, et al. Oncoprotein-specific molecular interaction maps (SigMaps) for cancer network analyses. Nature Biotechnology, 2020.
DOI:10.1038/s41587-020-0652-7
https://www.nature.com/articles/s41587-020-0652-7