生物標(biāo)志物之于腫瘤轉(zhuǎn)化醫(yī)學(xué)的意義：從篩選、確證走向臨床應(yīng)用

 

遲明， 通用電氣醫(yī)療集團(tuán)生命科學(xué)部產(chǎn)品專家

 

醫(yī)學(xué)是否能夠有效的治療及治愈癌癥直接取決于是否能夠在癌癥早期階段對(duì)其進(jìn)行及時(shí)的檢測(cè)。生物標(biāo)志物作為最直接快速有效的診斷手段，其篩選與獲得可在腫瘤診斷、發(fā)展、治療、以及療效監(jiān)測(cè)等多個(gè)方面發(fā)揮重要的作用。因此，自該概念的提出，就受到了極大的關(guān)注，成為研究的熱點(diǎn)及重點(diǎn)。這些生物標(biāo)志物可以是DNA的甲基化、具有單核苷酸多態(tài)性(SNPs)的模板、蛋白質(zhì)或代謝的改變、mRNA的改變等，而這些變化都與機(jī)體疾病狀態(tài)的發(fā)生密切相關(guān)。目前已有多種技術(shù)平臺(tái)被應(yīng)用于生物標(biāo)志物研究，如包括基因組學(xué)、蛋白質(zhì)組學(xué)、肽組學(xué)、代謝組學(xué)等在內(nèi)的組學(xué)平臺(tái)，以及包括納米技術(shù)[1]、生物信息學(xué)[2]、抗體芯片[3]、高內(nèi)涵篩選技術(shù)[4]、無(wú)標(biāo)記相互作用分析技術(shù)[5]等多種前沿技術(shù)在內(nèi)的手段與方法，都為快速獲得及篩選生物標(biāo)志物帶來(lái)了極大的可能。

 

蛋白質(zhì)組學(xué)的優(yōu)勢(shì)為篩選腫瘤的早期階段的生物標(biāo)志物帶來(lái)了希望，這些生物標(biāo)志物可被用于腫瘤發(fā)生的早期診斷、預(yù)測(cè)，并可對(duì)病情的發(fā)展進(jìn)行監(jiān)控。這門學(xué)科整合了各種可以對(duì)復(fù)雜生物系統(tǒng)進(jìn)行分析的技術(shù)，如2-DE, 2D-DIGE, ICAT, iTRAQ, 蛋白芯片, MudPIT 及質(zhì)譜等。這些技術(shù)可以從組學(xué)的層面上獲取各種生理學(xué)、病理學(xué)的改變信息。利用這些技術(shù)去全面發(fā)現(xiàn)與腫瘤相關(guān)的生物機(jī)理的改變可獲得新的診斷檢測(cè)標(biāo)志物從而提高治療的效果。[6]

 

Oncoproteomics，指的是利用蛋白質(zhì)組學(xué)技術(shù)研究腫瘤細(xì)胞中蛋白及其相互作用分子的學(xué)科。隨著質(zhì)譜與蛋白芯片技術(shù)的飛速發(fā)展，蛋白質(zhì)組學(xué)研究越來(lái)越多的被用于腫瘤研究中。Oncoproteomics有可能徹底改變臨床實(shí)踐，這其中包括基于蛋白質(zhì)組學(xué)的腫瘤診斷及篩選平臺(tái)作為組織病理學(xué)的互補(bǔ)學(xué)科，個(gè)性化的選擇針對(duì)整個(gè)癌癥相關(guān)的特異蛋白網(wǎng)絡(luò)的治療方針、實(shí)時(shí)對(duì)治療效果及毒性進(jìn)行監(jiān)控及評(píng)估、以及基于預(yù)后和耐藥相關(guān)的腫瘤蛋白網(wǎng)絡(luò)變化對(duì)治療進(jìn)行合理調(diào)控。此外，Oncoproteomics也被應(yīng)用于尋找新的治療靶點(diǎn)和藥物作用位點(diǎn)的研究。隨著后基因組時(shí)代序幕的拉開(kāi)，Oncoproteomics研究給人們提供了更好的了解腫瘤發(fā)生的機(jī)會(huì)。[7]

 

2-DE是蛋白質(zhì)組學(xué)最早用于篩選生物標(biāo)志物的方法，也是目前應(yīng)用最為廣泛的方法之一。而2D-DIGE的引入，則使得這種傳統(tǒng)的方法煥發(fā)了新的生命。目前通過(guò)2-DE或2D-DIGE方法獲得的潛在可用于診斷的生物標(biāo)記物涉及到多種疾病，如膀胱癌[8]、直腸癌[9]、食道癌[10]、胃癌[11]、肝癌[12]、肺癌[13]、鼻咽癌[14]、卵巢癌[15]、胰腺癌[16]、前列腺癌[17]等等。最近，Buhimschi等人報(bào)道了使用2D-DIGE方法在新生兒敗血癥患兒臍帶血樣本中鑒定得到了19個(gè)顯著差異表達(dá)的蛋白，經(jīng)過(guò)多重驗(yàn)證手段的進(jìn)一步篩選與確認(rèn)，結(jié)合珠蛋白（haptoglobin）的表達(dá)被證實(shí)與由產(chǎn)前內(nèi)羊膜感染和/或炎癥引起的新生兒敗血癥相關(guān)[18]。Haptoglobin作為一個(gè)在臍帶血中具有“開(kāi)關(guān)效應(yīng)”的潛在生物標(biāo)志物，為新生兒敗血癥篩查提供了一個(gè)快速有效的手段，具有極大的應(yīng)用前景。

 

此外，還有多種方法可用于生物標(biāo)記物的篩選，如使用ICAT聯(lián)合串聯(lián)質(zhì)譜的方法獲得乳腺癌診斷用生物標(biāo)記物[19]、用免疫印跡及組織芯片分析方法獲得直腸癌診斷用生物標(biāo)記物[20]、用組織 MALDI-TOF MS方法獲得神經(jīng)膠質(zhì)瘤診斷用生物標(biāo)記物[21]、用DotScan 芯片 (差異抗體芯片的聚類)研究白血病生物標(biāo)記物[22]、用雙向?qū)有蚓垲惙治鲅芯苛馨土錾�物�?biāo)記物[23]等等。

 

隨著蛋白質(zhì)組學(xué)技術(shù)的日漸成熟，利用組學(xué)技術(shù)獲得的生物標(biāo)記物數(shù)量也在不斷增加，而問(wèn)題與挑戰(zhàn)也同時(shí)并存。雖然大量的生物標(biāo)記物得到了發(fā)現(xiàn)，卻只有少數(shù)被臨床認(rèn)可并通過(guò)了美國(guó)FDA認(rèn)證，絕大多數(shù)沒(méi)有臨床應(yīng)用價(jià)值。之所以發(fā)生這樣的情況，根本原因是由于缺少一些標(biāo)準(zhǔn)的技術(shù)及方法對(duì)于所得的生物標(biāo)記物進(jìn)行評(píng)估及確證，以確定所得標(biāo)記物的臨床價(jià)值，幫助提高從科研到臨床的轉(zhuǎn)化效率及質(zhì)量。針對(duì)這樣的需求，discovery, verification 和qualification 成為了獲得高質(zhì)量生物標(biāo)記物常用的標(biāo)準(zhǔn)流程。[24]常規(guī)的進(jìn)行驗(yàn)證及定量的方法有ELISA等，然而隨著技術(shù)的發(fā)展及對(duì)高通量、準(zhǔn)確性的要求，這些技術(shù)往往無(wú)法滿足目前的需要。因此，更多的新興技術(shù)如MRM-MS、Biacore等開(kāi)始大展身手，為加快生物標(biāo)記物的確證及提高科研到臨床的轉(zhuǎn)化效率注入了強(qiáng)勁的動(dòng)力。

 

以Biacore為例，這項(xiàng)以SPR為基礎(chǔ)的非標(biāo)記技術(shù)十幾年來(lái)一直是科研工作者獲得生物分子間相互作用信息的利器。Biacore提供的結(jié)合動(dòng)力學(xué)、親和力、特異性、熱力學(xué)及濃度等信息，揭示了生物分子更深層次的生物學(xué)特性，其應(yīng)用領(lǐng)域涉及科研、藥物開(kāi)發(fā)及生產(chǎn)、質(zhì)量控制及生物技術(shù)產(chǎn)業(yè)等方方面面，可作為強(qiáng)有力的發(fā)現(xiàn)和確證手段，加快科研成果向具有醫(yī)用價(jià)值生物標(biāo)志物轉(zhuǎn)變的進(jìn)程。而利用Biacore技術(shù)闡明多個(gè)控制細(xì)胞周期、基因轉(zhuǎn)錄、細(xì)胞分裂和凋亡信號(hào)通路的研究思路將引領(lǐng)腫瘤研究者設(shè)計(jì)可以精確抑制這些通路中關(guān)鍵分子的拮抗劑，開(kāi)發(fā)和優(yōu)化用于癌癥診斷和靶向治療的特異性抗體等，使Biacore技術(shù)并不僅僅局限于一種驗(yàn)證的手段，而在生物標(biāo)記物篩選的過(guò)程中也可以助研究者一臂之力，增加我們解讀信號(hào)通路中的特異分子結(jié)構(gòu)和功能的機(jī)會(huì)，從而進(jìn)一步得到新的治療手段。

 

總的來(lái)說(shuō)，隨著科學(xué)技術(shù)的不斷發(fā)展，生物標(biāo)記物的篩選及產(chǎn)生速度得到了極大的提升。隨著研究的深入，研究者們認(rèn)識(shí)到如何將潛在生物標(biāo)記物進(jìn)行確證是最終將其轉(zhuǎn)化為具有臨床應(yīng)用價(jià)值的藥物靶標(biāo)的重要前提，而使用準(zhǔn)確、快速、有效的確證手段是實(shí)現(xiàn)這一目的的有力保障。我們相信，隨著篩選技術(shù)的提升與確證技術(shù)的進(jìn)步，必將獲得更高質(zhì)量的生物標(biāo)記物，從而令生物標(biāo)志物從篩選、確證更快的走向臨床應(yīng)用。

 

參考文獻(xiàn)

[1] Rakowska PD, Ryadnov MG.: Nano-enabled biomarker discovery and detection. Biomark Med. 2011 Jun;5(3):387-96.

[2] Baumgartner C., Osl, M., Netzer M., Baumgartner D.: Bioinformatic-driven search for metabolic biomarkers in disease. Journal of Clinical Bioinformatics.2011, 1:2.

[3] Sanchez-Carbayo M.: Antibody microarrays as tools for biomarker discovery. Methods Mol Biol. 2011;785:159-82.

[4] Dunn D.A, Apanovitch D., Follettie M., He T., Ryan T.: Taking a Systems Approach to the Identification of Novel Therapeutic Targets and Biomarkers. Current Pharmaceutical Biotechnology, 2010, 11, 721-734.

[5] Ray S., Mehta G., Srivastava S.: Label-free detection techniques for protein microarrays: Prospects, merits and challenges. Proteomics, 2010, 10, 731–748.

[6] Ciordia S, de Los Ríos V, Albar JP.: Contributions of advanced proteomics technologies to cancer diagnosis. Clin Transl Oncol. 2006 Aug;8(8):566-80.

[7] William CS Cho:Contribution of oncoproteomics to cancer biomarker discovery. Proteomics, 2007, 6:25.

[8] Celis JE, Gromov P: Proteomics in translational cancer research: toward an integrated approach. Cancer Cell 2003,3:9-15.

[9] Xing X, Lai M, Gartner W, Xu E, Huang Q, Li H, Chen G: Identification of differentially expressed proteins in colorectal cancer by proteomics: down-regulation of secretagogin. Proteomics, 2006, 6:2916-2923.

[10] Nishimori T, Tomonaga T, Matsushita K, Kodera Y, Maeda T, Nomura F, Matsubara H, Shimada H, Ochiai T: Proteomic analysis of primary esophageal squamous cell carcinoma reveals downregulation of a cell adhesion protein, periplakin. Proteomics 2006, 6:1011-1018.

[11] Kang HJ, Koh KH, Yang E, Oh-Ishi M, You KT, Kim HJ, Paik YK, Kim H: Differentially expressed proteins in gastrointestinal stromal tumors with KIT and PDGFRA mutations. Proteomics 2006, 6:1151-1157.

[12] Lee IN, Chen CH, Sheu JC, Lee HS, Huang GT, Yu CY, Lu FJ, Chow LP: Identification of human hepatocellular carcinoma-related biomarkers by two-dimensional difference gel electrophoresis and mass spectrometry. J Proteome Res 2005, 4:2062-2069.

[13] Maciel CM, Junqueira M, Paschoal ME, Kawamura MT, Duarte RL, Carvalho Mda G, Domont GB: Differential proteomic serum pattern of low molecular weight proteins expressed by adenocarcinoma lung cancer patients. J Exp Ther Oncol 2005, 5:31-38.

[14] Doustjalali SR, Yusof R, Govindasamy GK, Bustam AZ, Pillay B, Hashim OH: Patients with nasopharyngeal carcinoma demonstrate enhanced serum and tissue ceruloplasmin expression. J Med Invest 2006, 53:20-28.

[15] Ahmed N, Oliva KT, Barker G, Hoffmann P, Reeve S, Smith IA, Quinn MA, Rice GE: Proteomic tracking of serum protein isoforms as screening biomarkers of ovarian cancer. Proteomics 2005, 5:4625-4636.

[16] Bloomston M, Zhou JX, Rosemurgy AS, Frankel W, Muro-Cacho CA, Yeatman TJ: Fibrinogen gamma overexpression in pancreatic cancer identified by large-scale  proteomic analysis of serum samples. Cancer Res 2006, 66:2592-2599.

[17] Ornstein DK, Tyson DR: Proteomics for the identification of new prostate cancer biomarkers. Urol Oncol 2006, 24:231-236.

[18] Buhimschi C.S., Bhandari V., Dulay A.T., Nayeri U.A., AbdelRazeq S.S., Pettker C.M., Thung S., Zhao GM., Han Y.W., Bizzarro M., Buhimschi I.A.: Proteomics Mapping of Cord Blood Identifies Haptoglobin ‘‘Switch-On’’ Pattern as Biomarker of Early-Onset Neonatal Sepsis in Preterm Newborns. PloS ONE. 2011, October, 6,10,e26111.

[19] Pawlik TM, Hawke DH, Liu Y, Krishnamurthy S, Fritsche H, Hunt KK, Kuerer HM: Proteomic analysis of nipple aspirate fluid from women with early-stage breast cancer using isotope-coded affinity tags and tandem mass spectrometry reveals differential expression of vitamin D binding protein. NMC Cancer 2006, 6:68.

[20] Madoz-Gurpide J, Lopez-Serra P, Martinez-Torrecuadrada JL, Sanchez L, Lombardia L, Casal JI: Proteomics-based validation of genomic data: applications in colorectal  cancer diagnosis. Mol Cell Proteomics 2006, 5:1471-1483.

[21] Schwartz SA, Weil RJ, Thompson RC, Shyr Y, Moore JH, Toms SA, Johnson MD, Caprioli RM: Proteomic-based prognosis of brain tumor patients using direct-tissue matrix-assisted laser desorption ionization mass spectrometry. Cancer Res 2005, 65:7674-7681.

[22] Christopherson RI, Stoner K, Barber N, Belov L, Woolfson A, Scott M, Bendall L, Mulligan SP: Classification of AML using a monoclonal antibody microarray. Methods Mol Med 2006, 125:241-251.

[23] Fan G, Molstad M, Braziel RM, Standley M, Huang J, Rodgers W, Nagalla S: Proteomic profiling of mature CD10+ B-cell lymphomas. Am J Clin Pathol 2005, 124:920-929.

[24] Boja E, Rivers R, Kinsinger C, Mesri M, Hiltke T, Rahbar A, Rodriguez H: Restructuring proteomics through verification. Biomark Med. 2010; 4(6): 799–803.