Biological Interpretation of Breast Cancer Using Rapid Multi-omic Profiling Methods

Význam tématu

Rakovina prsu představuje jednu z nejrozšířenějších malignit u žen a druhou nejčastější příčinu úmrtí v důsledku nádoru po rakovině plic. Její složitá patogeneze vyžaduje hluboké porozumění molekulárním a biochemickým změnám v organismu. Kombinované zpracování proteomických a lipidomických dat umožňuje získat komplexní pohled na změny v proteinové expresi i lipidovém složení plazmy, což může vést k objevu nových biomarkerů a lepšímu pochopení mechanismů onemocnění.

Cíle a přehled studie / článku

Hlavním cílem této studie bylo demonstrovat rychlý, vysoce výkonný workflow pro simultánní zpracování multi-omických dat z plazmatických vzorků pacientek s rakovinou prsu a zdravenými kontrolami. Studie využila chromatografii v mikroproudu spojenou s akvizicí typu data independent acquisition (DIA), iontovou mobilitou a speciálními přístrojovými módy (HDMSE a SONAR) za účelem zajištění vysoké průkaznosti identifikací proteinů a lipidů.

Použitá instrumentace

• Hmotnostní spektrometr SYNAPT XS s technologiemi HDMSE a SONAR
• Chromatografický systém ACQUITY UPLC I-Class PLUS
• Chromatografické kolony ACQUITY UPLC BEH C8 a CSH
• RapiGest SF surfaktant pro přípravu proteomických vzorků
• Software Progenesis QI a Progenesis QI for Proteomics
• Software MassLynx pro sběr dat a Metacore (Cortellis) pro biologickou interpretaci

Použitá metodika

Vzorky plazmy od 26 jedinců (6 kontrol a 20 pacientek s rakovinou prsu) byly rozdrceny dvěma přístupy. Pro lipidomiku byla použita precipitace proteinů v ledově chlazeném isopropanolu následovaná přes noc inkubací při –20 °C a centrifugací. Pro proteomiku proběhla redukce, alkylace a tryptická štěpení v přítomnosti 1 % RapiGest SF. Chromatografie probíhala na mikroborových kolónách (1 mm vnitřní průměr) s běžnými gradienty mobilních fází pro lipidomiku (3minutový běh) a proteomiku (15minutový běh). Iontová spotřeba byla nastavena na 50 l/h pro kerč a 800 l/h pro dezolvataci, teplota zdroje 120 °C a desolvatace 500 °C. Data byly zpracovány v Progenesis QI (lipidy) a Progenesis QI for Proteomics (proteiny), včetně zarovnání, normalizace a identifikace s FDR 1 %. Statistická analýza (PCA, OPLS-DA, ANOVA) byla realizována v EZinfo a MetaboAnalyst.

Hlavní výsledky a diskuse

Statistické metody jasně oddělily vzorky pacientek s rakovinou prsu od kontrolních. Lipidomické analýzy prokázaly, že zvýšená množství fosfolipidů (PS, PC) a triacylglycerolů (TG) jsou hlavními hybateli odlišností mezi dvěma skupinami. Mezi signifikantní lipidy patří TG(52:3), TG(54:5), PS(40:4) a další. Proteomika odhalila 170 vysoce konfidentních proteinových identifikací s více než trojřádovým dynamickým rozsahem. Ve skupině pacientek byla podregulovaná ApoA2, klíčová pro transport lipidů, a naopak nadregulovaná LRG1, zapojená do TGF-β signalizace. Integrovaná cesta analýza v Metacore poukázala na významné zapojení IL-6 signální kaskády, kde centrální roli hraje transkripční faktor STAT3 propojující mnohé klíčové proteiny a lipidy.

Přínosy a praktické využití metody

Rychlé DIA workflow s mikroborovou chromatografií dokázalo dosáhnout vysoké průchodnosti vzorků, striktní kontroly kvality a důvěryhodných identifikací bez nutnosti složité přípravy vzorků. Metoda je vhodná pro rozsáhlé populační studie, screening biomarkerů v klinických laboratořích a základní výzkum onkologických mechanismů.

Budoucí trendy a možnosti využití

Očekává se další rozvoj multi-omických protokolů zahrnujících metylomiku, transkriptomiku a glykomiku pro komplexnější biologické modely. Integrace strojového učení pro analýzu rozsáhlých datových sad zajistí přesnější identifikaci biomarkerů. Důraz bude kladen na miniaturizaci a automatizaci přípravy vzorků, real-time monitoring biologických markerů a rozšíření workflow do rutinní klinické diagnostiky a personalizované medicíny.

Závěr

Studie prokázala, že kombinované DIA-based workflow umožňuje rychlou a spolehlivou analýzu lipidomických i proteomických dat z plazmy. Identifikace klíčových lipidů a proteinů, spolu s patwayovou analýzou, poskytla nové poznatky o molekulárních mechanismech rakoviny prsu, což otevírá cestu k lepším diagnostickým nástrojům a cíleným terapiím.

Reference

1. American Cancer Society. Breast Cancer Facts and Figures 2019–2020. Atlanta: American Cancer Society, Inc. 2019.
2. Yan F. et al. Lipidomics: a promising cancer biomarker. Clinical and Translational Medicine, 2018, 7:21.
3. Qin XJ et al. Proteomic studies in breast cancer (Review). Oncology Letters, 2012, 3(4):735–743.
4. King A. et al. Rapid profiling method for polar analytes in urine using HILIC-MS with ion mobility. Metabolomics, 2019, 15:17.
5. Hughes C. & Gethings L. Plasma Proteins analysis using 1 mm Chromatography and SONAR mode. Waters Tech Brief, 2019.
6. Lipid Reporter. SourceForge project LIPID REPORTER, 2020.
7. Chong J. et al. Using MetaboAnalyst 4.0 for Comprehensive Metabolomics Data Analysis. Current Protocols in Bioinformatics, 2019, 68:e86.
8. Honda K. et al. Apolipoprotein A2 isoforms in pancreatic cancer screening. Biomarker Medicine, 2016, 10(11):1197–1207.
9. Anderson J. et al. LRG1 upregulation in ovarian cancer sera and tumours. Journal of Ovarian Research, 2010, 3:21.