2025年，5 月 29 日，阿姆斯特丹自由大學Connie R. Jimenez團隊聯合西湖大學醫學院郭天南團隊在Cancer Cell在線發表了最新研究The pan-cancer proteome atlas, a mass spectrometry-based landscape for discovering tumor biology, biomarkers, and therapeutic targets，利用數據非依賴性采集質譜（DIA-MS）構建了一個大規模泛癌種蛋白質組圖譜（Pan-Cancer Proteome Atlas,TPCPA），覆蓋22種癌癥類型的999例原發腫瘤樣本，共定量9,670種蛋白質。本研究通過高通量 DIA-MS 技術建立了覆蓋 22 種癌癥的 Pan-Cancer Proteome Atlas （ TPCPA ），系統分析了癌種間和同種癌癥內的蛋白表達特征，識別出多個泛癌與特異性蛋白標志物、潛在靶點和亞型分類器，特別在結直腸癌的 CMS 亞型與免疫特征分析中展現出良好的臨床應用前景，并通過在線平臺對外開放了全部數據資源。

作為細胞功能的直接執行者，蛋白質的表達水平比基因組或轉錄組信息更能反映腫瘤的實際狀態。然而，目前大多數癌癥研究仍集中在基因層面，缺乏跨癌種的大規模蛋白質組數據資源。

研究利用 DIA-MS 技術構建了涵蓋 22 種癌癥的高質量蛋白質組圖譜，系統解析了不同癌種的蛋白表達特征與生物學功能，一定程度上彌補了這一領域的空白。

通過無監督聚類與加權基因共表達網絡分析（ WGCNA ），研究揭示了癌種間蛋白表達聚類關系，并識別出 13 個功能模塊，多個以已知或潛在致癌蛋白為核心，指向腫瘤發生發展的關鍵分子機制。

同時，針對每個腫瘤排名前 25 的富集蛋白結合轉錄組、蛋白組、激酶庫、血漿可檢測性等多種注釋信息，優選出了一批具有臨床轉化潛力的蛋白標志物，包括 MPO （ AML ）、 CEACAM5 （結直腸癌）、 GFAP （腦癌）等，亦提出了多個新的癌種特異性候選蛋白。

此外，研究在結直腸癌中構建了基于 52 種蛋白的 CMS 亞型分型模型，并開展免疫亞型分析，發現了免疫特征不僅存在于不同癌種之間，也在同種腫瘤內部高度異質。研究還構建了一個 75 蛋白組成的實體腫瘤分類器，在多個外部隊列中表現良好，具備對原發灶不明的轉移性腫瘤進行原發灶溯源的潛力。

研究最終成果集成至在線數據平臺 TPCPA （ http://r2platform.com/TPCPA/ ）。該平臺可查詢不同癌種的蛋白表達情況及其功能注釋，顯著提升了蛋白質組數據的可用性與轉化潛力。

以下為研究結果 部分 介紹：

1. 無監督蛋白質組分析揭示癌種特異性表達模式

研究最終納入了來自 22 種癌癥類型的 999 個高質量原發腫瘤樣本，使用 DIA-MS 技術共識別了 11,250 個 protein groups ，定量 9,670 種蛋白質，構建了覆蓋廣泛的泛癌蛋白質組圖譜。

降維分析（ UMAP ）和層次聚類結果顯示，樣本在蛋白質表達譜上按癌種聚類，且能夠有效區分實體瘤與非實體瘤，且不同實驗室來源的同癌種樣本亦可聚類在一起，說明聚類結果主要反映癌種的分子差異（而非批次效應）。

進一步進行單樣本基因富集分析（ ssGSEA ）重現了多種癌種已知的生物學特征，如前列腺癌中雄激素通路活躍、乳腺癌中雌激素響應增強、肝癌中膽汁酸代謝相關通路富集等。

作為應用實例，研究還挖掘了與 E3 泛素連接酶相關的表達模式，發現多種 E3 酶在特定癌種中高表達（如食管癌中的 HERC5 、肝癌中的 RNF5 ），這些蛋白與多種致癌信號通路和免疫、代謝過程密切相關，提示其有望用于蛋白降解類藥物（如 PROTACs ）的靶點開發。

2. 共表達網絡揭示 13 個癌相關蛋白模塊

研究通過 WGCNA 方法共識別出 13 個蛋白協同表達模塊，不同模塊在各類癌癥中呈現特異性表達模式。模塊 1 – 4 主要與細胞黏附和免疫 / 炎癥反應相關，廣泛存在于實體瘤中，反映腫瘤微環境的重要作用。模塊 5 和 6 則在結直腸癌中顯著富集，前者涉及糖基化及細胞連接過程，包含 Wnt 信號通路關鍵蛋白β -catenin 和糖胺途徑酶 GFPT1/2 ；后者則關聯應激反應，包含熱休克蛋白 HSP90AA1/AB1 等潛在藥物靶點，并涉及線粒體功能和胞外囊泡分泌。

模塊 7 表達范圍較廣，但與肝組織特征顯著相關，主要涉及線粒體代謝與小分子代謝，提示其在多種腫瘤中的基礎代謝功能。模塊 10 則活躍于鱗狀上皮癌（如宮頸癌、頭頸癌和食管癌），富含角蛋白等上皮結構蛋白。模塊 12 主要在血液腫瘤（如 ALL 、 DLBCL ）中高表達，涉及淋巴器官特征及免疫應答調控，核心蛋白包括 PTPN6 、 DOCK2 、 IL16 等，參與 T 細胞遷移、信號轉導和免疫調節。

此外，血癌還在模塊 9 、 11 、 13 中表現出較高活性，這些模塊主要與細胞周期、基因表達和抗原呈遞等基本生物過程相關。

總體而言，該分析揭示了不同癌種的特異性功能蛋白網絡，并識別出一批可能具有轉化潛力的新型樞紐蛋白，為靶向治療提供了候選靶點和生物學基礎。

3. 免疫浸潤分析揭示腫瘤免疫異質性

ESTIMATE 算法結果顯示，非實體腫瘤的免疫評分最高，實體瘤中黑色素瘤呈“免疫熱”（ immune “ hot ”）特征，而前列腺、腦和卵巢癌為典型“免疫冷”（ immune “ cold ”）腫瘤。

ssGSEA 免疫分析揭示癌種間及同種癌內均存在免疫浸潤差異。 Tamborero 免疫特征在蛋白質組學數據中表現最佳，能夠有效區分實體瘤與非實體瘤，識別 ALL 和 DLBCL 中的 T/B 細胞亞型。

結果強調，蛋白質組學數據可以反應腫瘤免疫微環境存在異質性，具有支持腫瘤免疫分析和免疫治療策略制定的潛力。

4. 差異分析揭示泛癌與癌種特異性蛋白，作為潛在靶點和生物標志物

通過差異分析，研究明確了非實體瘤與實體瘤的顯著差異蛋白。非實體腫瘤富含免疫和細胞周期相關蛋白（如 BCL7A 、 IKZF1 ），實體瘤則富集黏附、應激與遷移相關蛋白（如 EGFR 、 PTPRK ）。這些差異蛋白可作為廣譜或泛癌靶點。

癌種間比較發現多數高表達蛋白為已知標志物（如 CEACAM5 用于結直腸癌， TSHR 用于甲狀腺癌），也識別出一批此前未在對應癌種中報道的潛在新標志物（如 CAMK2D 在腦癌）。這些蛋白中多數可在血漿中檢測，具有無創檢測的潛力。

此外，研究人員構建了一個基于 75 個蛋白的實體腫瘤分類器（基于 XGBoost 算法），在內部驗證及 4 個獨立隊列（包括轉移癌）中均表現優異（ AUC 大于 0.98 ），表明該方法有望用于對原發灶不明的轉移性腫瘤進行原發灶溯源的分析。

5. 結直腸癌 CMS 亞型的蛋白組特征及臨床關聯分析

研究對 191 個結直腸癌樣本進行 CMS 亞型蛋白組分析，確認了 4 類 CMS 的生物學特征： CMS1 （免疫活躍）、 CMS2 （增殖）、 CMS3 （代謝）、 CMS4 （間充質 / 免疫抑制 / 血管生成）。此外，研究人員還富集到此前未被報道的亞型特異性通路，如 CMS1 中 mTORC1 信號通路、 CMS4 中氧化應激和低氧通路。

隨后，使用亞型特異性蛋白構建一個基于 52 種蛋白的 CMS 亞型分類器，在獨立數據集驗證中準確率達 72% ，表明 DIA-MS 有望在無需轉錄組信息情況下，使用蛋白質組學數據對結直腸癌的 FFPE 樣本進行 CMS 亞型分類。

同時，基于 Tamborero 免疫特征進行共識聚類分析，識別出 3 個免疫亞型（ immune CC1 – 3 ），并發現它們與 CMS 亞型相關。尤其在 AMC 隊列中，富含 CD8+ T 細胞特征的 immune CC1 亞型患者，表現出更長的無復發生存期（ RFS ）。值得注意的是，基于免疫亞型的預后預測效能顯著優于傳統 CMS 分子分型，這提示蛋白質組學層面的免疫分型在臨床預后評估中具有應用潛力。

6. 交互式數據平臺 TPCPA

研究搭建了一個功能完備的 TPCPA 數據門戶（ http://r2platform.com/TPCPA ），平臺包括五大模塊：樣本隊列總覽（ Cohort ）、蛋白表達可視化（ Proteins ）、癌種注釋與分析（ Cancers ）、結直腸癌 CMS 亞型特征蛋白 /mRNA 表達展示（ CRC CMS Protein/mRNA ）以及專題分析模塊（ Dedicated Analyses ，涵蓋 E3 連接酶及肺癌、乳腺癌的亞型分析）。

使用者可在平臺中按癌種、蛋白或分子特征進行靈活查詢與交互式可視化，提供開放、實用的資源以促進深入開展癌癥蛋白組研究。

總 結

該研究提供全面的基于 DIA-MS 的泛癌蛋白質組資源，不僅填補了轉錄組與蛋白質表達之間的認知空白，還提供了新的分子視角理解癌癥異質性、識別潛在靶點及開發蛋白質水平的癌癥分類工具。高通量、可重現的 DIA-MS 平臺在 FFPE 樣本上的應用也為蛋白質組學生物標志物的臨床轉化打下技術基礎。

研究也存在一些局限性：盡管涵蓋多個癌種和實驗室，數據整合過程仍可能存在批次效應；某些癌種樣本量偏少，限制統計分析的顯著性；構建分類器時的交叉驗證設計尚有優化空間，存在過擬合風險。因此，研究人員呼吁：未來需在更大規模獨立隊列中驗證研究結果，尤其是蛋白標志物和癌癥分類模型的臨床應用方面。

論文鏈接：

https://www.cell.com/cancer-cell/fulltext/S1535-6108(25)00212-0

制版人： 十一

學術合作組織

（*排名不分先后）

戰略合作伙伴

（*排名不分先后）

（*排名不分先后）

轉載須知

【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。

BioArt

Med

Plants

人才招聘

會議資訊

近期直播推薦