首页  >  专题文章  >  文章正文
shRNA表达克隆

1.3新一代基于基因组学和蛋白质组学的生物标志物

Oct 14, 2008 No Comments

1.3新一代基于基因组学和蛋白质组学的生物标志物

尽管出现了多种不同的“组学(omics)”技术,但还没有可以用于临床的生物标志物产品的出现。美国食品与药物监督管理局(FDA)最近批准了几款属于“特定靶向性治疗”的新药,其中包括甲磺酸伊马替尼、吉非替尼以及曲妥单抗。

上述三种药物有一个共同特点,那就是它们各自针对特定的分子,而这些分子都是肿瘤发生所必需的。不过,慢性髓细胞性白血病(CML)则有所不同——只针对其中一个分子进行治疗并不能取得很好的治疗效果,即使只是将病情长期维持在缓解状态也十分困难。

人们越来越清楚,癌症是一个有很多因素参与的病理过程,甚至可能是由于身体的整个生理系统出现问题而导致的。只有针对整个系统进行治疗而不只是针对单个分子,才有可能取得更好的治疗效果。

有鉴于此,“omics”技术,因其能发现生物系统不正常的表达方式,所以正成为既能评价癌症病人恶性程度即异质性(heterogeneity),又能在新药研发过程中参与评价生物系统反应的新技术。

既然如此,那还等什么呢?为什么这项技术还没有得到普遍应用呢?这是因为,在这项新技术被用于对临床肿瘤病人进行分析以前,还需要对这一复杂的技术本身进行反复测试,以证明其可靠性和可重复性等,此外还需要其它资料的辅助。

 “omics”技术是能最准确分析肿瘤组织样品的技术。

要建立一个对于临床有指导意义并能帮助发现生物标志物的综合数据库,必需要搜集至少上万例患者以及他们所患肿瘤类别的详细资料。建立这样的数据库需要一整套标准的方法和最好的数据分析系统,该数据分析系统应该能将回顾性数据分析与前瞻性临床药物试验设计,以及患者一生的临床资料结合起来进行分析。这种关系数据库有助于判断使用某种疗法来治疗一个被临床诊断为乳腺癌的患者是否有效,因为人们可以从数据库中了解到和它情况相似、生物标志物也相似的其他病例的治疗情况,以资借鉴。理论上说,使用该数据库可以帮助临床医生为患者选择目前最有效、最合适的治疗方案。

毫无疑问,使用该方法也可以发现目前无法医治的患者,因此,这些患者就可以避免接受那些“摧残性的”而事实上是无效的治疗方法,转而考虑选择其它新型疗法。这项系统应该被纳入公众健康医疗信息系统,以便于社区肿瘤医生查询。不过目前,有关患者隐私的问题和公众对于遗传检查的担忧还在阻碍着这个系统的建立,不过,相信研究人员一定能找出解决的办法去应对。

基因组生物标志物足够强大吗?

最初,使用基因组学技术对肿瘤生物学标记方面所进行的研究,都关注于发掘那些具有不同侵袭性的肿瘤组织在基因表达方面的差异情况。目前,研究人员已发现,这些标志疾病进展的生物学标记在诸如乳腺癌、淋巴瘤乃至其它类型的肿瘤中并非单一分子,而是一系列基因的表达水平都发生上调或者下调的改变,这种改变与疾病的进展过程相关。

早期以酵母为模式生物所进行的工作,使研究人员掌握了如何利用多基因表达谱——或者叫做基因表达标记以及形态搭配技术(pattern-matching technology)来寻求新的生物学发现。在过去5年内,许多研究小组陆续发现了一些可以预测侵袭性疾病的表达谱改变。出乎人们预料的是,里面的许多基因表达改变与以往的研究结果相比,仅有很少的部分是一致的,而接下来的研究工作又进一步证实了在早期研究中发现的路径机制的正确性。

多变量分析法从最有可能的基因(可能就是第一个实验室得到的基因)入手开始研究,然后再加入其它与该基因不同的基因进行研究。在最特殊的情况下,使用同一组数据,这两种方法得到的基因可能只有一种是共同的。这就会让临床工作者感到困惑,为什么会得到这样的结果呢?最终,尽管临床上的问题可能只有几个,比如哪一个生物标志物分子能用于预测侵袭性疾病,但实际上,在研究过程中人们选择的方法、实验数据不同,得到的结果(生物标志物分子)就会完全不同。

有一个很好的例子可以说明这个问题。这是在一家医院对乳腺癌患者进行的一个配对试验研究,该实验是为了研究与乳腺癌病情进展情况相关的生物标志物。研究人员分别选取了该院55岁以下的患者以及所有合适的患者作为两组试验对象。这两组试验对象得到了完全不同的两组试验结果,这明显和在选择实验对象时加入了年龄因素有关。

当所有的实验室、研究人员们都使用同样的样品、同样的技术平台以及用同样的标准来选择病人,那么得到的数据就要可靠得多了。虽然在这种情况下还是会有变量,但这些变量是能够反应实际生物学变化的变量的。在处于生物学标记分子研究的起步阶段时,很重要的一点就是,上面提到的那些影响因素会妨碍研究人员建立一个能使患者利益最大化的标准。这甚至比研究预测治疗反应性的生物标志物分子本身还要重要。实际上,在研究能用于发现对药物敏感的亚人群的生物标志物分子方面,研究人员已经获得了一定的进展。这些进展中的一项就是发现了EGFR基因突变是导致患者对EGFR抑制剂敏感或耐受的原因。其它用表达谱分析法发现的成果包括:发现了对紫杉醇、氟尿嘧啶和其它细胞毒性药物敏感的生物标志物。用同样的方法研究与疾病进展有关的生物标志物分子时也会发现与治疗相关的生物标志物分子。

他们的这种希望说明,他们完全忘记了在过去30年来研究肿瘤的过程中所经历的种种失败与教训——肿瘤并不像想象的那么简单,相反,它们非常复杂。不过现在,研究人员有能力面对这种复杂情况了:人们要全面了解每一个生物学标记所代表的含义。如果要做进一步改进,更好地为某一类患者开发出更适合的药物,那么就需要有一个更大的更富关联性的数据库,该数据库应该包含患者多年的临床资料,同时,还需要基于DNA、RNA和蛋白质的技术平台,只有这样才能取得成功。

如果单纯地希望能发现一个生物标志物分子就可以预测治疗反应性,这是非常幼稚的。

由此便引出了一个基本问题——需要对各种疾病状态进行检测吗?如果肿瘤有几百个甚至数千个不同的生存环境,那将是多么庞大的一个数据量啊,不过即便如此,也未必完全没有可能。

将生物标志物分子真正应用到临床中,我们准备好了吗?

这将给我们带来许多紧迫的问题和政治上的麻烦。我们已经在各个方面展开了全方位的紧密合作,我们共享技术平台,研究同一个问题。目前学术界、制药企业以及政府组织都准备投入到图1所示的那种循环模式中。

学术界一直都在为获得那些“看不见的”原创性知识产权而激烈竞争,同时也在为获得“看得见的”地位和资金而竞争。制药企业和生物技术企业也在为他们开发产品所担负的风险,以及是否能获得丰厚回报而竞争。与此相比,在过去的几年间,政府对于他们推动生物标志物的合作研究显得过于乐观了。

我们该何去何从?

我们真的应该好好学习互联网界——依靠学术界、企业界和政府组织间的大协作,才获得了如此成就。

互联网界的成功依赖于他们靠团队合作解决项目难题,同时业界有统一的标准,所有人都在这一标准下进行工作,由这一标准将大家整合起来,同时,该标准并不是由哪个政府或哪家企业单独制定的。这种大协作对互联网界的重要性从他们制定操作系统标准这件事就可以看出来了。而在我们肿瘤生物标志物界,还有太多的参与者是研究领域之外的资助者、调整者和患者。当我们要把他们都通通整合起来时,我们是不可能建立一个简单、快速的问题解决模式的,因此我们只能建立一个长期的新型的合作模式来研究肿瘤生物标志物。

如果不仅仅只是将重心放在设计临床实验以便证明治疗对某个人群具有效益,而是进行相应试验,对已知对治疗有反应的人群在接受治疗后所获得的收益进行统计学的评价,又会给我们带来怎样新的视角与疾病治疗方式呢?比较可能会出现的情况是,临床医师和(或者)癌症研究中心或治疗中心的研究人员不仅需要对接受治疗者进行安全性、疗效方面的试验,还需要与肿瘤药物公司的科学家们合作,进行相应试验,并对患者接受治疗前的各项数据进行贮存,这种合作关系即使在药物已经获得FDA的批准之后还将延续。上述合作可以帮助我们建立一个科学、有事实依据为基础的系统,从而利于为今后接受治疗的患者提供最佳的治疗,因为在该系统的数据库中已经囊括了所有之前接受过治疗的患者的各项信息。

建立这样一个癌症病人治疗模式可能会使目前学术界、医疗界、制药界和政府间的职能界限变得模糊。通过目前的健康保险便利及责任法案(HIPPA)对患者的隐私进行保护,以及学术界已有的保护知识产权的方案,我们是可以建立这样一个治疗模式的。

这要求生物公司能找出还处于竞争前期的项目参与合作。在癌症治疗中心和政府组织间展开合作是最有可能,同时也是最有效率的合作方式。当然,要实现该领域的有效合作,我们还需要解决许多问题;但同时我们也应当看到,所有与此相关的研究者们都十分期待合作的开始。食品及药物管理局(FDA)最近所采取的举措表明,展开全方位合作的时机业已成熟。

小词典:

1胰岛素抵抗(Insulin Resistance, IR):是指胰岛素作用的靶器官对胰岛素作用的敏感性下降,即正常剂量的胰岛素产生低于正常生物学效应的一种状态。目前认为,IR不仅是 II型糖尿病的发病基础,更是贯穿多种代谢相关疾病的主线,是连结它们的纽带,它可以作为这些疾病共同的病理生理基础。胰岛素抵抗的根本原因是人体内胰岛素的接收器出现了问题。所以如果不彻底修复胰岛素接收器,而单纯的刺激胰岛素分泌,则无法从根本上治疗胰岛素抵抗。

更多阅读:

1 代谢组学VS系统生物学:系统生物学的中心任务是要针对生物系统整体(无论它是生物细胞、多细胞组织、器官还是生物整体),建立定量、普适、整体和可预测(QUIP)的认知。具体而言,系统生物学研究就是要将给定生物系统的基因、蛋白质和代谢水平所发生的事件、相关性及其对所涉及生物过程的意义进行整体性认识。从而出现了许多的“组”和“组学”的新概念。但是现已提出的一百多个“组”和“组学”,可以大体归纳为“基因组”、“基因组学”、“转录组”、“转录组学”、“蛋白质组”、“蛋白质组学”、“代谢组”、“代谢组学”四个方面。显而易见,DNA、mRNA以及蛋白质的存在为生物过程的发生提供了物质基础(但这个过程有可能不发生),而代谢物质所反映的是已经发生了的生物学事件。因此代谢组学是对一个生物系统进行全面认识的不可缺少的一部分,是全局系统生物学(global systems biology)的重要基础,也是系统生物学的一个重要组成部分。

在现有的英文表述中,代谢组学同时存在两个不同的词汇和概念,即metabonomics和metabolomics。尽管前者多用在动物系统而后者多用于植物和微生物系统,但这些概念的本质从他们的定义中能够得到较为细致的了解。Metabonomics的最初定义是生物系统对生理和病理刺激以及基因改变的代谢应答的定量测定。这个定义现在可以更广泛地表述为:代谢组学是关于定量描述生物内源性代谢物质的整体及其对内因和外因变化应答规律的科学,其中心任务包括(1)对内源性代谢物质的整体及其动态变化规律进行检测、量化和编录;(2)确定此变化规律和生物过程的有机联系。Metabolomics存在多个定义,但其精髓是:对一个生物系统的细胞在给定时间和给定条件下所有小分子代谢物质的定量分析。因此,metabolomics可以译作“代谢物组学”。不难看出,前者是对生物系统进行的整体和动态的认识,而后者强调分析而且是个静态的认识概念。

代谢组学属于全局系统生物学(Global systems biology)研究方法,便于对复杂体系的整体进行认识。譬如,一个正常工作的人体包括“人体”本身和与之共同进化而来且共生的消化道微生物群体(或称菌群),孤立地研究“人体”本身的基因、转录子以及蛋白质虽然可以为人们认识人体生物学提供重要信息,但却无法提供使人体正常工作不可缺少的菌群的信息。人体血液和尿液的代谢组却携带着包括菌群在内的每一个细胞的信息,因此代谢组学方法对研究如人体这样复杂的进化杂合体十分有效。正因如此,代谢组学已经广泛地应用到了包括药物研发、分子生理学、分子病理学、基因功能组学、营养学、环境科学等重要领域。可以预见,这门新兴学科将应用到更为广泛的领域。

2 人类的健康和疾病的防治始终是医学的目标,而其中疾病的早期诊断又是达到这一目标的重要环节。一些蛋白质或者降解后的片段即肽段,可以作为肿瘤等疾病的生物标志物而用于早期诊断。然而,迄今能在常规临床使用的新型生物指标还非常少。在蛋白质组问世以后,人们将疾病早期诊断的生物指标寄望于蛋白质组的技术和由血清蛋白质组得到的数据。无数的研究小组致力于追踪那些有可能成为疾病标记的多肽或者代谢产物,使得寻找生物标志物的工作格外繁荣。目前的常用技术中,以双向电泳和质谱最为突出,两种方法都可以用于比较正常和疾病状态下蛋白质组分的变化情况。

4同位素标记相对和绝对定量(iTRAQ)技术是近年来最新开发的一种新的蛋白质组学定量研究技术,具有较好的定量效果、较高的重复性,并可对多达四种不同样本同时进行定量分析。研究人员采用iTRAQ蛋白质定量技术加速蛋白质的定量研究,当然这门新兴的技术仍然需要进一步的完善。iTRAQ的操作程序一般如下。将蛋白质裂解为肽段,然后用iTRAQ试剂进行差异标记。再将标记的样本相混合,这样就可以对其进行比较。与样本结合后,通常用MudPIT多维蛋白质鉴定技术进行下一步的操作,用2D液相色谱串联质谱进行分析。在质谱分析鉴定特殊肽离子片断结构的基础上,采用美国应用生物系统公司的软件包MASCOT和Protein Pilot对每一个肽段进行鉴定。

原文检索:

www.sciencemag.org

http://zh.wikipedia.org/wiki/%E7%94%9F%E7%89%A9%E6%A0%87%E8%AE%B0

http://baike.baidu.com/view/63384.htm

http://www.wellnesswest.ca/dmdocuments/TW_7_low%20res.pdf

http://www3.appliedbiosystems.com/cms/groups/psm_marketing/documents/generaldocuments/cms_040631.pdf

YORK 筱玥/编译

专题文章
No Responses to “1.3新一代基于基因组学和蛋白质组学的生物标志物”

Leave a Reply


× three = 12