大家好，今天跟大家分享一篇题为Longitudinal plasma proteome profiling reveals the diversity of biomarkers for diagnosis and cetuximab therapy response of colorectal cancer（纵向血浆蛋白质组分析揭示了结直肠癌癌症诊断和西妥昔单抗治疗反应的生物标志物的多样性）西妥昔单抗(Cetuximab)疗法是结直肠癌(CRC)的主要治疗方法，但耐药性限制了其有效性。因此，有必要找到西妥昔单抗首次治疗反应的潜在预测生物标志物。
01
研究背景
西妥昔单抗治疗是结直肠癌 （CRC） 的主要治疗方法，但耐药性限制了其有效性。在这里，我们对来自 147 名接受西妥昔单抗多疗程治疗的 CRC 患者 （CRC） 和 90 名健康对照 （HC） 的 641 份血浆样本进行了纵向和深度蛋白质组学分析。
COL12A1、THBS2、S100A8 和 S100A9 被筛选为潜在蛋白，以区分血浆和组织验证队列中的 CRC 和 HC。我们确定了用于初始反应预测的潜在生物标志物 （RRAS2 、 MMP8 、 FBLN1 、 RPTOR 和 IMPDH2）。
在纵向设置中，我们确定了两个具有不同波动的集群，并构建了高精度的模型来预测纵向响应，并在独立队列中进一步验证。本研究揭示了不同生物标志物对肿瘤诊断的异质性，分别在第一疗程和多疗程西妥昔单抗治疗中的初始和纵向反应预测，最终可能有助于 CRC 的监测和干预策略。
见图一
CRC 队列和健康对照的血浆蛋白质组学分析总结。
图一
A 血浆蛋白质组学工作流程概述，包括队列构建（包括血浆发现队列（CRC：N = 116 和健康对照 （HC）：N = 66）、血浆验证队列（CRC：N = 31 和 HC：N = 24）和由 31 名 CRC 患者组成的组织验证队列）、蛋白质组学分析（数据非依赖性采集 （DIA）、数据依赖性采集 （DDA） 和平行反应监测 （PRM））和数据分析（蛋白质组学 dada 和临床信息）。对于血浆样本，收集涵盖多疗程治疗的治疗前血浆样本和治疗后血浆样本;对于组织样本，治疗前样本是从未接受过治疗的 CRC 患者中收集的。
B CRC 队列和健康对照的蛋白质鉴定动态范围根据 CRC 和 HC 中蛋白质丰度的降序。蛋白质被定量为 log10变换的强度。
C 维恩图显示治疗前 CRC 和 HC 的蛋白质重叠。在治疗前 CRC 患者 （N = 89） 和健康对照 （N = 66） 中量化蛋白质的数量 （双侧学生 t 检验，P = 0.749）。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线限制）、1.5×四分位数范围（须线）。
D 条形图显示治疗前 CRC 患者和健康对照 （HC） 中蛋白质的比例。
E 火山图显示治疗前 CRC 队列和健康对照的差异表达（双侧 Wilcoxon 秩和检验）。调整后 P < 0.05 被认为具有统计显著性。治疗前 CRC 患者的蓝色、上调蛋白;绿色、上调的 HC 蛋白。气泡图显示治疗前 CRC （F） 和 HC （G） 组的 CPDB 通路富集（双侧 Fisher 精确检验）。调整后 P < 0.05 被认为具有统计显著性。源数据作为 源数据 文件提供。
见图二用于诊断 CRC 患者的血浆蛋白生物标志物。
图二
A 应用于复旦队列和 CPTAC CRC 队列的 CRC 诊断生物标志物的筛选标准。
B 显示复旦队列和 CPTAC CRC 队列中 4 种蛋白的相对丰度 （Z 评分） 的热图。显示差异表达式的小热图和条形图（双侧 Wilcoxon 秩和检验，调整 P 值< 0.05）。
C 左：GSEA 显示含有细胞外基质的胶原蛋白在 CRC 患者中富集。右图：蛋白质-蛋白质相互作用网络。
D 左图：CPTAC 队列中总生存期的风险比 （HR） （N = 95;双侧对数秩检验，P 值 < 0.05） 和免疫组织化学 （IHC） 染色评分由这些诊断生物标志物的人类蛋白质图谱 （HPA） 定义。数据以中位数 （HR） 表示，范围为 （95%CI）。右图：与 HPA 注释的血浆蛋白和分泌蛋白重叠，以及临床效用和抑制剂。
E 区分 CRC 和 HC 的四种蛋白质的受试者工作特征 （ROC） 曲线。
F 使用 60% 训练集和 40% 测试集的 logistic 回归分类器的分类误差矩阵，用于区分血浆发现队列中的 CRC 和 HC。每个框中都注明了识别的样本数量。
G 独立组织验证队列和血浆验证队列中四种蛋白质的 ROC 曲线。在更广泛的 CRC 群体量表上，复旦血浆验证队列 （H） 和 CPTAC 组织验证队列 （I） 中区分 CRC 患者与 HCs 或 NAT、具有 RAS 突变的 CRC 患者与 HCs 或 NATs、具有 RAS 突变的 CRC 患者与 HCs 或 NAT 以及无 HCs 或 NAT 转移的 CRC 患者的 ROC 曲线。源数据作为 源数据 文件提供。
见图三
西妥昔单抗敏感性的潜在机制和生物标志物。
图三
A 蛋白质组学亚型与治疗反应的关联（双侧 Fisher 精确检验）。
B G-III 亚型通路的相关性（双侧 Pearson 相关性检验）。血浆样本中 G-I （N = 24）、G-II （N = 34） 和 G-III （N = 31） 免疫评分的 C、E 箱线图 （P = 0.042） （C），以及 S 组和 NS 组之间的 CD8+Tem 评分 （N （S） = 16， N （NS） = 15;P = 0.035）和组织样本 （N （S） = 12， N （NS） = 19;P = 0.005） （双侧 Student's t 检验）。
D G-III 和其他亚型之间的差异细胞类型（双侧学生 t 检验）。
F 在代表性实例（双侧学生 t 检验）中通过 IHC 染色的 CD44 （P = 1.0E-5） 和 GZMK （P = 8.0E-6） 的鉴定。数据显示为 SD ±平均值（n = 3 个独立实验）。G CD8+Tem 评分 （Z 评分） 与肿瘤大小 （cm） 和 S/NS 组的相关性。
H CD8+Tem 评分与肿瘤大小的相关性（双侧 Pearson 相关性检验）。数据以 95% CI 的 Pearson r 表示。
I 图显示了西妥昔单抗敏感性的潜在机制。小热图描绘了 S 组与 NS 组的对数转换倍数变化。
J CD8+Tem 评分与 RPTOR/IMPDH2 的相关性（双侧 Pearson 相关检验）。CPTAC 队列中总生存期 （OS） 的 K Kaplan-Meier 曲线（双侧对数秩检验）。
L RPTOR （P = 8.9E-5， 2.9E-5） 和 IMPDH2 （P = 4.2E-8， 3.4E-6） 在发现队列 （N （S） = 31， N （NS） = 45） 和验证队列 （N （S） = 16， N （NS） = 15） 中的差异表达（双侧 Wilcoxon 秩和检验）。PRM，平行反应监测。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线）、1.5×四分位间距（须线）（C、E 和 L）。源数据作为 源数据 文件提供
见图四
西妥昔单抗耐药的潜在机制和生物标志物。
图四
A G-I 亚型对西妥昔单抗治疗的反应比例。
B G-I 亚型 CPDB 通路富集（双侧 Fisher 精确检验）。S 组和 NS 组之间通路 ssGSEA 分数的 C 箱线图（双尾学生 t 检验）。N （S） = 31，N （NS） = 45。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线限制）、1.5×四分位数范围（须线）。与 S 组相比，NS 组 MAPK 信号、RHO GTP 酶循环和 ECM 通路的 D GSEA 富集 （FDR < 0.05 被认为具有统计学意义）。
E S 组和 NS 组之间 RRAS 和 RRAS2 蛋白丰度的箱线图。N （S） = 31，N （NS） = 45（双尾 Wilcoxon 秩和检验）。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线限制）、1.5×四分位数范围（须线）。F 热图显示 RRAS 低组和 RRAS 高组之间 ssGSEA 通路评分的相对丰度（双尾学生 t 检验）。
G GSEA 显示与 RRAS 低表达组相比，RRAS 高表达组 MAPK 信号转导、RHO GTP 酶循环和 ECM 通路的富集。
H 图显示了 CRC 患者对西妥昔单抗治疗耐药的潜在机制。每个蛋白质下方的小热图描述了 NS 组与 S 组的对数转换倍数变化。
I RRAS 或 RRAS2 与参与三个通路的蛋白质的相关性（以 H 所示）（双侧 Pearson 相关性检验）。
J、K 基于蛋白质丰度（双侧对数秩检验）的 CPTAC 队列 （N = 95） 中 OS 的风险比 （HR） 和 Kaplan-Meier 曲线。数据以中位数 （HR） 表示，范围为 （95%CI）。
L 一组蛋白质在血浆发现队列中预测药物敏感性的 ROC 曲线及其在组织和血浆验证队列中的预测性能。源数据作为 源数据 文件提供。
见图五CRC 患者对多个连续疗程西妥昔单抗治疗反应的预测模型的构建。
图五
A 西妥昔单抗治疗期间敏感 （S）/非敏感 （NS） 的 CRC 患者的分布。
B 西妥昔单抗治疗期间蛋白质动态变化丰度与采样时间的相关性（双侧 Pearson 相关检验）。
C 上图：维恩图显示负相关 sig 和 SSG-sig 蛋白的重叠。K-means 图显示了敏感生物标志物纵向分布的动态轨迹。下图：维恩图显示了正相关 sig 和 SNSG-sig 蛋白的重叠。K-means 图显示了非敏感生物标志物纵向分布的动态轨迹。
D 热图显示了这些特征蛋白在 SSG 和 SNSG 中的差异表达，以及西妥昔单抗治疗 （双尾 Wilcoxon 秩和检验） 的 7 个疗程的动态变化。
E 一组特征蛋白在稳定反应队列中预测 60% 训练集和 40% 测试集中西妥昔单抗治疗反应的 ROC 曲线。
F 预测模型在不同采样时间预测西妥昔单抗治疗反应的准确性。“1-7”表示包括涵盖整个治疗过程的所有样本;“2”表示在接受两个疗程治疗后的第二次采样;“3”被定义为接受三个疗程治疗后的第 3 次采样;“4”被定义为接受 4 个疗程治疗后的第 4 次抽样。预测模型的最小准确度为 0.724。
G 使用 logistic 回归分类器区分血浆纵向验证队列中的 S 和 NS 的分类误差矩阵。每个框中都注明了识别的样本数量。
H 1 例典型病例中整个治疗过程中每个采样点的 MRI 图像评估。
I 预测模型中特征蛋白组蛋白表达与治疗过程的相关性分析（双侧 Pearson 相关检验）。数据以 95% CI 的 Pearson r 表示。源数据作为 源数据 文件提供。
02
研究结论
总体而言，我们的研究揭示了不同生物标志物对肿瘤诊断、首次治疗的初始反应预测以及多疗程治疗的纵向反应预测的异质性。我们的工作强调了纵向研究设计对生物标志物发现的价值，这使我们能够探索疾病进展中的蛋白质组改变，并确定用于连续治疗中动态监测的生物标志物。与 CRC 患者和对照组之间具有单个时间点的研究相比，这些研究提供了对潜在调节蛋白质的潜在见解，我们对西妥昔单抗治疗过程中耐药进展的血浆蛋白质组的比较提供了一组明确的潜在生物标志物，可用于治疗过程的早期干预。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。
01
研究背景
西妥昔单抗治疗是结直肠癌 （CRC） 的主要治疗方法，但耐药性限制了其有效性。在这里，我们对来自 147 名接受西妥昔单抗多疗程治疗的 CRC 患者 （CRC） 和 90 名健康对照 （HC） 的 641 份血浆样本进行了纵向和深度蛋白质组学分析。
COL12A1、THBS2、S100A8 和 S100A9 被筛选为潜在蛋白，以区分血浆和组织验证队列中的 CRC 和 HC。我们确定了用于初始反应预测的潜在生物标志物 （RRAS2 、 MMP8 、 FBLN1 、 RPTOR 和 IMPDH2）。
在纵向设置中，我们确定了两个具有不同波动的集群，并构建了高精度的模型来预测纵向响应，并在独立队列中进一步验证。本研究揭示了不同生物标志物对肿瘤诊断的异质性，分别在第一疗程和多疗程西妥昔单抗治疗中的初始和纵向反应预测，最终可能有助于 CRC 的监测和干预策略。
见图一
CRC 队列和健康对照的血浆蛋白质组学分析总结。
图一
A 血浆蛋白质组学工作流程概述，包括队列构建（包括血浆发现队列（CRC：N = 116 和健康对照 （HC）：N = 66）、血浆验证队列（CRC：N = 31 和 HC：N = 24）和由 31 名 CRC 患者组成的组织验证队列）、蛋白质组学分析（数据非依赖性采集 （DIA）、数据依赖性采集 （DDA） 和平行反应监测 （PRM））和数据分析（蛋白质组学 dada 和临床信息）。对于血浆样本，收集涵盖多疗程治疗的治疗前血浆样本和治疗后血浆样本;对于组织样本，治疗前样本是从未接受过治疗的 CRC 患者中收集的。
B CRC 队列和健康对照的蛋白质鉴定动态范围根据 CRC 和 HC 中蛋白质丰度的降序。蛋白质被定量为 log10变换的强度。
C 维恩图显示治疗前 CRC 和 HC 的蛋白质重叠。在治疗前 CRC 患者 （N = 89） 和健康对照 （N = 66） 中量化蛋白质的数量 （双侧学生 t 检验，P = 0.749）。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线限制）、1.5×四分位数范围（须线）。
D 条形图显示治疗前 CRC 患者和健康对照 （HC） 中蛋白质的比例。
E 火山图显示治疗前 CRC 队列和健康对照的差异表达（双侧 Wilcoxon 秩和检验）。调整后 P < 0.05 被认为具有统计显著性。治疗前 CRC 患者的蓝色、上调蛋白;绿色、上调的 HC 蛋白。气泡图显示治疗前 CRC （F） 和 HC （G） 组的 CPDB 通路富集（双侧 Fisher 精确检验）。调整后 P < 0.05 被认为具有统计显著性。源数据作为 源数据 文件提供。
见图二用于诊断 CRC 患者的血浆蛋白生物标志物。
图二
A 应用于复旦队列和 CPTAC CRC 队列的 CRC 诊断生物标志物的筛选标准。
B 显示复旦队列和 CPTAC CRC 队列中 4 种蛋白的相对丰度 （Z 评分） 的热图。显示差异表达式的小热图和条形图（双侧 Wilcoxon 秩和检验，调整 P 值< 0.05）。
C 左：GSEA 显示含有细胞外基质的胶原蛋白在 CRC 患者中富集。右图：蛋白质-蛋白质相互作用网络。
D 左图：CPTAC 队列中总生存期的风险比 （HR） （N = 95;双侧对数秩检验，P 值 < 0.05） 和免疫组织化学 （IHC） 染色评分由这些诊断生物标志物的人类蛋白质图谱 （HPA） 定义。数据以中位数 （HR） 表示，范围为 （95%CI）。右图：与 HPA 注释的血浆蛋白和分泌蛋白重叠，以及临床效用和抑制剂。
E 区分 CRC 和 HC 的四种蛋白质的受试者工作特征 （ROC） 曲线。
F 使用 60% 训练集和 40% 测试集的 logistic 回归分类器的分类误差矩阵，用于区分血浆发现队列中的 CRC 和 HC。每个框中都注明了识别的样本数量。
G 独立组织验证队列和血浆验证队列中四种蛋白质的 ROC 曲线。在更广泛的 CRC 群体量表上，复旦血浆验证队列 （H） 和 CPTAC 组织验证队列 （I） 中区分 CRC 患者与 HCs 或 NAT、具有 RAS 突变的 CRC 患者与 HCs 或 NATs、具有 RAS 突变的 CRC 患者与 HCs 或 NAT 以及无 HCs 或 NAT 转移的 CRC 患者的 ROC 曲线。源数据作为 源数据 文件提供。
见图三
西妥昔单抗敏感性的潜在机制和生物标志物。
图三
A 蛋白质组学亚型与治疗反应的关联（双侧 Fisher 精确检验）。
B G-III 亚型通路的相关性（双侧 Pearson 相关性检验）。血浆样本中 G-I （N = 24）、G-II （N = 34） 和 G-III （N = 31） 免疫评分的 C、E 箱线图 （P = 0.042） （C），以及 S 组和 NS 组之间的 CD8+Tem 评分 （N （S） = 16， N （NS） = 15;P = 0.035）和组织样本 （N （S） = 12， N （NS） = 19;P = 0.005） （双侧 Student's t 检验）。
D G-III 和其他亚型之间的差异细胞类型（双侧学生 t 检验）。
F 在代表性实例（双侧学生 t 检验）中通过 IHC 染色的 CD44 （P = 1.0E-5） 和 GZMK （P = 8.0E-6） 的鉴定。数据显示为 SD ±平均值（n = 3 个独立实验）。G CD8+Tem 评分 （Z 评分） 与肿瘤大小 （cm） 和 S/NS 组的相关性。
H CD8+Tem 评分与肿瘤大小的相关性（双侧 Pearson 相关性检验）。数据以 95% CI 的 Pearson r 表示。
I 图显示了西妥昔单抗敏感性的潜在机制。小热图描绘了 S 组与 NS 组的对数转换倍数变化。
J CD8+Tem 评分与 RPTOR/IMPDH2 的相关性（双侧 Pearson 相关检验）。CPTAC 队列中总生存期 （OS） 的 K Kaplan-Meier 曲线（双侧对数秩检验）。
L RPTOR （P = 8.9E-5， 2.9E-5） 和 IMPDH2 （P = 4.2E-8， 3.4E-6） 在发现队列 （N （S） = 31， N （NS） = 45） 和验证队列 （N （S） = 16， N （NS） = 15） 中的差异表达（双侧 Wilcoxon 秩和检验）。PRM，平行反应监测。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线）、1.5×四分位间距（须线）（C、E 和 L）。源数据作为 源数据 文件提供
见图四
西妥昔单抗耐药的潜在机制和生物标志物。
图四
A G-I 亚型对西妥昔单抗治疗的反应比例。
B G-I 亚型 CPDB 通路富集（双侧 Fisher 精确检验）。S 组和 NS 组之间通路 ssGSEA 分数的 C 箱线图（双尾学生 t 检验）。N （S） = 31，N （NS） = 45。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线限制）、1.5×四分位数范围（须线）。与 S 组相比，NS 组 MAPK 信号、RHO GTP 酶循环和 ECM 通路的 D GSEA 富集 （FDR < 0.05 被认为具有统计学意义）。
E S 组和 NS 组之间 RRAS 和 RRAS2 蛋白丰度的箱线图。N （S） = 31，N （NS） = 45（双尾 Wilcoxon 秩和检验）。箱线图显示中位数（中心线）、上四分位数和下四分位数（箱线限制）、1.5×四分位数范围（须线）。F 热图显示 RRAS 低组和 RRAS 高组之间 ssGSEA 通路评分的相对丰度（双尾学生 t 检验）。
G GSEA 显示与 RRAS 低表达组相比，RRAS 高表达组 MAPK 信号转导、RHO GTP 酶循环和 ECM 通路的富集。
H 图显示了 CRC 患者对西妥昔单抗治疗耐药的潜在机制。每个蛋白质下方的小热图描述了 NS 组与 S 组的对数转换倍数变化。
I RRAS 或 RRAS2 与参与三个通路的蛋白质的相关性（以 H 所示）（双侧 Pearson 相关性检验）。
J、K 基于蛋白质丰度（双侧对数秩检验）的 CPTAC 队列 （N = 95） 中 OS 的风险比 （HR） 和 Kaplan-Meier 曲线。数据以中位数 （HR） 表示，范围为 （95%CI）。
L 一组蛋白质在血浆发现队列中预测药物敏感性的 ROC 曲线及其在组织和血浆验证队列中的预测性能。源数据作为 源数据 文件提供。
见图五CRC 患者对多个连续疗程西妥昔单抗治疗反应的预测模型的构建。
图五
A 西妥昔单抗治疗期间敏感 （S）/非敏感 （NS） 的 CRC 患者的分布。
B 西妥昔单抗治疗期间蛋白质动态变化丰度与采样时间的相关性（双侧 Pearson 相关检验）。
C 上图：维恩图显示负相关 sig 和 SSG-sig 蛋白的重叠。K-means 图显示了敏感生物标志物纵向分布的动态轨迹。下图：维恩图显示了正相关 sig 和 SNSG-sig 蛋白的重叠。K-means 图显示了非敏感生物标志物纵向分布的动态轨迹。
D 热图显示了这些特征蛋白在 SSG 和 SNSG 中的差异表达，以及西妥昔单抗治疗 （双尾 Wilcoxon 秩和检验） 的 7 个疗程的动态变化。
E 一组特征蛋白在稳定反应队列中预测 60% 训练集和 40% 测试集中西妥昔单抗治疗反应的 ROC 曲线。
F 预测模型在不同采样时间预测西妥昔单抗治疗反应的准确性。“1-7”表示包括涵盖整个治疗过程的所有样本;“2”表示在接受两个疗程治疗后的第二次采样;“3”被定义为接受三个疗程治疗后的第 3 次采样;“4”被定义为接受 4 个疗程治疗后的第 4 次抽样。预测模型的最小准确度为 0.724。
G 使用 logistic 回归分类器区分血浆纵向验证队列中的 S 和 NS 的分类误差矩阵。每个框中都注明了识别的样本数量。
H 1 例典型病例中整个治疗过程中每个采样点的 MRI 图像评估。
I 预测模型中特征蛋白组蛋白表达与治疗过程的相关性分析（双侧 Pearson 相关检验）。数据以 95% CI 的 Pearson r 表示。源数据作为 源数据 文件提供。
02
研究结论
总体而言，我们的研究揭示了不同生物标志物对肿瘤诊断、首次治疗的初始反应预测以及多疗程治疗的纵向反应预测的异质性。我们的工作强调了纵向研究设计对生物标志物发现的价值，这使我们能够探索疾病进展中的蛋白质组改变，并确定用于连续治疗中动态监测的生物标志物。与 CRC 患者和对照组之间具有单个时间点的研究相比，这些研究提供了对潜在调节蛋白质的潜在见解，我们对西妥昔单抗治疗过程中耐药进展的血浆蛋白质组的比较提供了一组明确的潜在生物标志物，可用于治疗过程的早期干预。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。
