Proteomic Profiling of Paired Interstitial Fluids Reveals Dysregulated Pathways and Salivary NID1 as a Biomarker of Oral Cavity Squamous Cell Carcinoma (解读人:张聪敏)

文献名:Proteomic Profiling of Paired Interstitial Fluids Reveals Dysregulated Pathways and Salivary NID1 as a Biomarker of Oral Cavity Squamous Cell Carcinoma(口腔癌配对肿瘤组织液的蛋白质组学分析揭示了通路失调和唾液中NID1作为口腔腔鳞状细胞癌的生物标志物)

期刊名:Molecular & Cellular Proteomics

发表时间:(2019年10月)

单位:

  1. 长庚大学
  2. 国立中兴大学

物种:10对配对的癌性(TIF)和相邻的非癌性(NIF)间质样品

技术:GeLC-MS / MS

一、 概述:(用精炼的语言描述文章的整体思路及结果)

本研究使用GeLC-MS / MS技术,收集和分析了来自10例口腔鳞状细胞癌(OSCC)患者的成对的组织间质液(TIF)和相邻的非癌性(NIF)组织的蛋白质组。基因集富集分析(GSEA)显示差异表达的TIF蛋白与氨酰基tRNA生物合成途径高度相关。此外,选择了nidogen-1(NID1)作为OSCC生物标记物进行验证。OSCC患者的唾液NID1水平显着高于健康个体和患有口腔潜在恶性疾病的受试者。IHC分析表明,与邻近的非癌性上皮相比,OSCC组织中的NID1水平升高。重要的是,NID1水平升高与OSCC的晚期阶段以及OSCC患者的不良生存率相关。总的来说,这些结果表明,TIF分析有助于理解OSCC微环境,唾液NID1可能是OSCC的有用生物标记物。

二、 研究背景:(简要介绍研究进展动态、研究目的和意义)

口腔鳞状细胞癌(OSCC)1经常在晚期被诊断出来,导致患者高死亡率。OSCC患者持续的不良存活主要归因于晚期诊断,这表明早期发现OSCC仍然是改善疾病结局和治疗的最有效策略之一。

肿瘤组织间质液(TIF)是体内浸润肿瘤微环境的近端液体,因此富含无数癌症相关分子,这表明从OSCC剖析TIF蛋白质组可以大大改善对疾病的了解。迄今为止,已经分析了各种癌症类型的TIF蛋白质组,包括乳腺癌,肝脏,肾脏,卵巢,宫颈癌,肺癌和结直肠癌。但是,OSCC的TIF蛋白质组的特征仍然很差。

为了探索肿瘤微环境以加速OSCC生物标志物的鉴定,在本研究中,从10位OSCC患者中收集了成对的肿瘤组织间质液和邻近的非癌性上皮(NIF)组织。使用GeLC-MS / MS分析TIF和NIF蛋白质组,并与基于光谱计数的定量进行比较。基因集富集分析(GSEA)显示,在TIF中差异表达的蛋白质与氨酰基tRNA生物合成途径高度相关。在TIF水平升高的蛋白质中,选择了nidogen-1(NID1)作为OSCC的潜在生物标志物进行验证。与健康志愿者和患有口腔潜在恶性疾病(OPMD)的个体相比,OSCC患者的唾液NID1水平显着增加。此外,免疫组织化学(IHC)分析表明,升高的NID1水平与晚期OSCC分期以及患者生存期差有关。总体而言,结果表明TIF蛋白质组分析有助于了解OSCC微环境,唾液NID1可能是OSCC的有用生物标记。

三、实验设计:

四、研究成果:(重点图表展示)

1、10对OSCC患者的TIF和NIF样品的蛋白质组分析:根据如图所示的实验策略,本研究在10对OSCC患者的TIF和NIF样品中共鉴定到3313个非冗余蛋白(TIF和NIF分别为3068和2242个蛋白)。每个TIF和NIF样品中鉴定出的蛋白质的平均数分别为1726和1142个。

2、TIF和NIF样品中鉴定出的蛋白质的基因集富集分析:结果显示差异表达的TIF蛋白与氨酰基tRNA生物合成途径高度相关。在OSCC组织中通过免疫组织化学(IHC)验证了参与氨酰基tRNA生物合成的4种蛋白质(IARS,KARS,WARS和YARS)的水平升高。

3、基于光谱计数的定量发现OSCC生物标志物:经过一系列评判标准,本研究最终选择了两个候选物NID1和SERPINH1作为OSCC的唾液生物标记物进行进一步验证。

4、OSCC患者唾液样本中NID1的水平升高:如图所示,与健康对照组和OPMD组相比,OSCC患者的唾液NID1水平显着升高。OSCC患者的唾液SERPINH1水平显着高于健康对照组,但与OPMD个体的唾液SERPINH1水平没有统计学差异。

5、NID1水平升高与OSCC的晚期阶段以及OSCC患者的不良生存率相关。

总之,收集并分析了来自OSCC患者的配对TIF和NIF,以构建蛋白质组数据集。本研究是迄今为止OSCC微环境中最全面的蛋白质组数据集。数据集挖掘发现,氨酰基tRNA生物合成途径富含OSCC,唾液NID1是OSCC的潜在生物标记。本研究共同证明了分析TIF样品在了解OSCC微环境和鉴定唾液生物标志物中的实用性。

五、文章亮点(结论讨论):

1、口腔癌组织间液(TIF)的蛋白质组分析。

2、富含TIF蛋白质组的氨酰基tRNA生物合成途径。

3、验证nidogen-1作为口腔癌的唾液生物标志物。

4、Nidogen-1的组织水平升高与不良生存之间的高度相关性

阅读人:张聪敏

原文地址:https://www.cnblogs.com/ilifeiscience/p/11712064.html

时间: 2024-10-04 03:40:38

Proteomic Profiling of Paired Interstitial Fluids Reveals Dysregulated Pathways and Salivary NID1 as a Biomarker of Oral Cavity Squamous Cell Carcinoma (解读人:张聪敏)的相关文章

Journal of Proteome Research | Proteomic analysis of Rhizobium favelukesii LPU83 in response to acid stress.(酸胁迫下根瘤菌LPU83(Rhizobium favelukesii)的蛋白质组学分析)(解读人:丑天胜)

文献名:Proteomic analysis of Rhizobium favelukesii LPU83 in response to acid stress.(酸胁迫下根瘤菌LPU83(Rhizobium favelukesii)的蛋白质组学分析) 期刊名:Journal of Proteome Research 发表时间: 2019年10月 IF:3.78 单位:国立拉普拉塔大学,阿根廷 物种:根瘤菌LPU83(Rhizobium favelukesii) 技术:非标定量蛋白质组学(Lab

唾液中的HBV

Hepatitis B virus (HBV) is a double-shelled DNA virus thatcan be spread by extremely small volumes of blood and,as such, is a potential risk during the provision of dentaltreatment. Markers of infection include intact virion(Dane particle), surface a

biofilm细菌矩阵

biofilm就是一个细菌矩阵,功能强大得如同航空母舰.一个生物膜可以有成百上千种细菌组成,生物膜对抗生素抗体是单个细菌的400倍,生物膜细菌群可以不用分裂而继续生存,并进行不同次级代谢:生物膜还具有群体感应,外界ph,抗生素等外部因素对其基本不起作用.下图是生物膜形成5个阶段.多么恐怖... Oral microbiology is the study of the microorganisms of the oral cavity(腔) and theinteractions(相互作用) b

Deep Protein Methylation Profiling by Combined Chemical and Immunoaffinity Approaches Reveals Novel PRMT1 Targets (结合层析法和免疫沉淀法的蛋白甲基化的深度检测技术发现了PRMT1新的靶标蛋白)

题目:Deep Protein Methylation Profiling by Combined Chemical and Immunoaffinity Approaches Reveals Novel PRMT1 Targets (结合层析法和免疫沉淀法的蛋白甲基化的深度检测技术发现了PRMT1新的靶标蛋白) 期刊名:Molecular & Cellular Proteomics (MCP) 发表日期:2019.11.1 IF: 4.828 DOI:10.1074/mcp.RA119.001

java学习之常用Java Profiling工具的分析与比较

在 Java 程序的开发过程中,不可避免地会遇到内存使用.性能瓶颈等问题.Java Profiler 工具能帮助开发人员快速.有效地定位这些问题,因此成为了 Java 开发过程中的一个重要工具.目前市场上的 Java Profiler 工具种类繁多,本文将对目前比较常见的几种工具进行简要介绍,并从功能.性能等角度作比较,从而帮助 Java 程序员选择合适的 Java Profiler 工具. 本文主要分为三个部分:第一部分简要介绍 Java Profiler 工具的原理:第二部分对目前常见的 J

数据库代码覆盖率测试功能测试建模压测profiling;

数据库管理系统(简称 DBMS)无疑是任何数据密集型应用程序当中最为重要的组成部分,其肩负着处理大量数据以及高复杂性工作负载的重任.然而,数据库管理系统本身却往往难于管理,因为其中通常包含数百种配置"旋钮",用于控制诸如缓存内存分配量以及存储介质数据写入频率等要素.各类企业一般需要聘请专业人士以协助相关调配工作,但对于大多数企业而言,此类专业人才的开价亦相当高昂.而实际上,DBA所面临的挑战还远不止这些. 而今天一则名为"OtterTune"的机器学习DBMS系统刷

Mysql自带profiling性能分析工具使用分享

1. show variables like '%profiling%';(查看profiling信息) 2. set profiling=1;(开启profiling) 3. 执行SQL查询 例:select goods_name from ecs_goods where goods_id <5000; show  profiles; 4. show profile for query 4; show profile 的格式如下: SHOW PROFILE [type [, type] ...

MySQL profiling的使用

在本章第一节中我们还提到过通过 Query Profiler 来定位一条 Query 的性能瓶颈,这里我们再详细介绍一下 Profiling 的用途及使用方法. 要想优化一条 Query,我们就需要清楚的知道这条 Query 的性能瓶颈到底在哪里,是消耗的 CPU计算太多,还是需要的的 IO 操作太多?要想能够清楚的了解这些信息,在 MySQL 5.0 和 MySQL 5.1正式版中已经可以非常容易做到了,那就是通过 Query Profiler 功能. MySQL 的 Query Profil

Profiling MySQL queries from Performance Schema

转自:http://www.percona.com/blog/2015/04/16/profiling-mysql-queries-from-performance-schema/?utm_source=tuicool When optimizing queries and investigating performance issues, MySQL comes with built in support for profiling queries aka SET profiling = 1;