今天给大家解读一篇3月发表在《Cells》上的题目为“Proteomic Profiling of Endometrial Cancer Tissues Reveals Differential Expression of Proteomes in Obese Versus Non-Obese Patients.”的文章。本研究是一项探索性病例对照研究。研究者招募了20名接受全子宫切除术的EC女性患者，根据BMI分为肥胖组（n=10）和非肥胖组（n=10）。对肿瘤组织进行LC-MS/MS无标记定量蛋白质组学分析，鉴定差异表达蛋白，并进行通路富集、网络分析和生物标志物潜力评估，以表征肥胖相关的分子改变。（请持续关注我们，每天为您解读最新见刊的文献!）想薅生信资料羊毛？直接在对话框回复 “资料”，免费领取干货大礼包！
不想做实验，没数据，还想要快速发表文章，没问题的！公共数据库就是我们的数据宝藏！没思路不用担心，作为专业的生信团队，我们很乐意为你们效劳，提供研究路线设计和数据挖掘分析，扫码联系我们吧！
团队成员合影（位于上海陆家嘴中心，可随时预约参观）
题目：《子宫内膜癌组织的蛋白质组学分析揭示了肥胖与非肥胖患者之间蛋白质组的差异表达》Proteomic Profiling of Endometrial Cancer Tissues Reveals Differential Expression of Proteomes in Obese Versus Non-Obese Patients
发表期刊：Cells
影响因子：5.2
研究背景：
子宫内膜癌（EC）是全球最常见的妇科恶性肿瘤，其发病率持续上升，这与全球肥胖流行密切相关。据统计，北美和西欧约50%的EC病例与肥胖相关。肥胖通过激素失调、胰岛素抵抗和炎症等多重途径增加EC风险并恶化临床结局。尽管已有组学研究揭示了EC的分子异质性及与肥胖相关的信号差异（如PI3K-AKT、雌激素信号），但专门针对年龄匹配的肥胖与非肥胖EC患者进行比较，以阐明肥胖特异性分子机制的研究仍然存在空白。
研究思路：
- 患者与样本
招募年龄46-75岁、BMI > 24.9 kg/m²的EC患者，收集术中肿瘤组织，经病理确认后保存于-80°C。 - 分组
根据BMI（肥胖：≥29.9 kg/m²；非肥胖：>24.9至29.9 kg/m²）将患者分为两组，两组在年龄、血压、血脂等临床参数上匹配。 - 蛋白质组学分析
- 样本制备
组织匀浆、蛋白质提取、酶切消化。 - 质谱检测
使用纳升液相色谱系统（Dionex UltiMate 3000）与高分辨率质谱仪（Q Exactive Plus）进行数据依赖性采集。 - 数据分析
使用Proteome Discoverer软件进行搜库和定量，以FDR < 1%和至少两条独特肽段为鉴定标准。差异表达蛋白筛选标准为：FDR调整p值 ≤ 0.05且倍数变化 ≥ 1.5。 - 生物信息学分析
对差异蛋白进行基因本体（GO）分类、IPA通路和网络分析、PANTHER功能分类。 - 生物标志物评估
使用偏最小二乘判别分析（PLS-DA）结合ROC曲线评估差异蛋白区分肥胖与非肥胖状态的能力。
研究亮点：
- 精准对照
研究专门设计，对年龄匹配的肥胖与非肥胖EC患者进行直接比较，以明确肥胖特异性的分子改变。 - 全面分析
采用液相色谱-串联质谱（LC-MS/MS）进行高通量蛋白质组学分析，结合主成分分析（PCA）、正交偏最小二乘判别分析（OPLS-DA）等多种统计和生物信息学方法，系统描绘了蛋白质组差异。 - 高潜力生物标志物
通过受试者工作特征（ROC）分析，鉴定出载脂蛋白(a)、磷脂酶B样1、CTTNBP2NL和整合素连接激酶（ILK）等具有极高区分能力（AUC值高达0.98-1.00）的蛋白质，为分子分型提供了候选标志物。
研究结果：
- 差异蛋白质组图谱
共定量到6331个非冗余蛋白质。肥胖与非肥胖EC组间存在456个显著差异表达蛋白，其中171个上调，285个下调。PCA和OPLS-DA模型显示两组蛋白表达谱存在显著分离。 - 关键差异表达蛋白
- 下调蛋白
内质网凝集素1（ERLEC1，内质网质量控制相关）、载脂蛋白(a)、磷脂酶B样1（PLBD1）、 suprabasin（SBSN）。 - 上调蛋白
肝细胞生长因子（HGF）、整合素连接激酶（ILK）、CTTNBP2 N末端样蛋白（CTTNBP2NL）、赖氨酰氧化酶同源物1（LOXL1）。 - 功能与通路分析
- GO分类
差异蛋白主要参与细胞过程、代谢过程、生物调节等生物过程；具有结合、催化活性等分子功能；主要定位于细胞解剖实体。 - 通路分析（IPA）
肥胖EC组织中，中性粒细胞脱颗粒、补体激活、B细胞受体信号、Fcγ受体介导的吞噬作用等免疫相关通路被预测为显著下调。而平滑肌收缩等通路被预测为激活。 - 生物标志物潜力
ROC分析显示，载脂蛋白(a)（AUC=1.00）和磷脂酶B样1（AUC=0.98）是区分两组的最佳下调标志物；CTTNBP2NL（AUC=1.00）和ILK（AUC=0.98）是最佳上调标志物。
研究总结：
- 主要结论
肥胖导致EC肿瘤组织发生显著的蛋白质组重塑，其特征是免疫通路抑制、内质网质量控制减弱以及促肿瘤和应激适应通路（如HGF/c-Met、ILK/PI3K-AKT、LOXL1/整合素-FAK）的激活。 - 机制讨论
-
肥胖EC中ERLEC1等内质网质量控制蛋白下调，可能与慢性内质网应激和未折叠蛋白反应（UPR）激活有关，从而促进肿瘤细胞在代谢压力下的适应与生存。 -
HGF、ILK、LOXL1的上调提示肥胖微环境激活了与细胞增殖、侵袭、转移和细胞外基质重塑相关的通路。 -
载脂蛋白(a)和suprabasin的下调可能与肥胖相关的高雌激素环境及其在肿瘤中的上下文依赖性作用有关。 - 临床意义与局限性
- 意义
鉴定出的差异蛋白（如Apo(a)、PLBD1、ILK、HGF、CTTNBP2NL、LOXL1）具有作为肥胖相关EC分子分型、预后评估及潜在治疗靶点的转化潜力。例如，HGF/c-Met或ILK抑制剂可能成为针对该亚群的治疗策略。 - 局限性
样本量较小，且非肥胖组处于超重范围，可能低估了肥胖效应；属横断面研究，无法确定因果关系；缺乏独立队列或正交实验（如Western blot）的验证。结果需在更大规模研究中进一步验证。
结果译文：
研究参与者的临床和代谢特征总结于表1。EC-非肥胖组与EC-肥胖组之间的比较显示，两组在年龄、血压和血脂谱方面匹配良好，未观察到统计学显著差异。值得注意的是，两组的HbA1c水平均处于糖尿病前期至糖尿病范围。尽管血糖标志物升高，但所有参与者在研究期间仅通过饮食调整控制血糖水平，未服用任何降糖药物。正如研究设计所预期，EC-肥胖组的BMI显著高于EC-非肥胖组（38.1 ± 3.87 kg/m² vs. 28.12 ± 1.24 kg/m²，p < 0.001）。
1.非标记定量蛋白质组学
为了比较肥胖和非肥胖EC患者队列，我们采用了非标记定量蛋白质组学策略。该分析共鉴定出6331种非冗余蛋白，每种蛋白的定量均由两个或更多独特性肽段支持，以确保高置信度的鉴定。在EC-非肥胖组和EC-肥胖组之间，筛选出显著差异表达的蛋白（倍数变化大于1.5或小于0.66，p值 < 0.05），共456种（上调和下调分别为171种和285种）（表S1）。
2. 肥胖和非肥胖EC患者中差异表达蛋白的分析
区分两个研究组的蛋白如图1所示。进行主成分分析以可视化组间分离并评估潜在离群值。图1所示的得分图展示了基于蛋白质组学谱的两组分布。PCA得分图显示，肥胖和非肥胖子宫内膜癌队列之间存在明显分离，表明这两组的蛋白质组学谱显著不同。采用有监督的多变量方法正交偏最小二乘判别分析，并在OPLS-DA模型得分图中展示，以基于满足我们选择标准（p值 ≤ 0.05且FC ≥ 1.5）的蛋白最大化组间分离（图1B）。无监督PCA后接偏最小二乘判别分析和正交PLS-DA，通过严格的交叉验证和置换检验确认模型稳定性，为所鉴定蛋白的统计有效性和可靠性提供了高度信心。模型显示两组之间存在清晰、显著且明显的分离（R² = 0.99，Q² = 0.785），表明肥胖组和非肥胖组之间蛋白质组表达存在差异，如图S1所示。
3.子宫内膜癌中体重指数改变引起的蛋白失调
进行火山图分析以识别肥胖和非肥胖子宫内膜癌患者中显著失调的蛋白。蛋白被认为显著差异表达的条件是：倍数变化大于1.5或小于0.66，且相关p值 < 0.05。如图2A所示，子宫内膜癌中BMI的差异导致456种蛋白显著失调。其中，与子宫内膜癌非肥胖组织相比，肥胖组中有171种蛋白显著增加（红色），285种蛋白显著减少（绿色）。图2B中的热图显示了两组之间差异最显著的前100种蛋白。随后对这些蛋白进行分析，以研究与体重指数变化相关的分子、生物学和细胞改变。
4.肥胖和非肥胖子宫内膜癌组之间蛋白的评估
使用多变量探索性ROC分析，特别是PLS-DA作为分类和特征排名的方法，评估了所鉴定蛋白作为生物标志物的潜力。从PLS-DA和交叉验证获得的ROC曲线中的六个特征具有曲线下面积。ROC曲线显示了一组变异蛋白（5、10、15、25、50和100个），具有不同的AUC和置信区间（图3A）。在前10个显著失调的蛋白中，CTTNBP2 N-末端样蛋白、TOM1样蛋白2、免疫球蛋白重链可变区5-10-1、赖氨酰氧化酶同源物1、肝细胞生长因子样蛋白在肥胖组中上调，而内质网凝集素1、超乳蛋白、推定高亲和力免疫球蛋白γ Fc受体IB、载脂蛋白(a)、溶质载体家族12成员4在肥胖组中相较于非肥胖组下调（图3B）。
5.肥胖和非肥胖子宫内膜癌组中鉴定出的顶级蛋白的评估
6.差异表达蛋白的相互作用网络分析
使用Ingenuity Pathway Analysis来解释差异表达蛋白的生物学相关性。IPA通过评估输入蛋白数据集与精选生物学知识数据库之间的重叠来生成相互作用网络。所得的蛋白-蛋白相互作用网络如图6所示。IPA确定癌症、细胞发育、细胞生长和增殖是区分肥胖和非肥胖子宫内膜癌组织的最高评分功能网络（得分=103）（图6A；表S2；补充数据S1）。顶级经典通路包括血管壁细胞表面相互作用、清道夫受体的配体结合和摄取以及Fcγ受体介导的吞噬作用，这些通路显示负z-评分。相反，平滑肌收缩、ABRA信号通路和细胞连接组织与正z-评分相关（图6B）。
更多结果和补充图表：doi：10.3390/cells15060498
扫描上方二维码或登录平台官网后添加CNSknowall客服微信咨询！官网地址：
https://cnsknowall.com
CNSknowall：24年最新问世的遥遥领先的科研数据（0代码生信+统计学）分析平台，同时含有机制图模块+汉化版Pubmed融合Deepseek高效筛选目标文献+SCI文献例句/语料检索模块+OPenAI官方GPT接口，＞500款CNS级别图表皆可一秒内一键出图，登录即秒变数据分析大神，体验前所未有的便捷数据分析之旅，开启科研天骄之路！
可向下滑动批阅！
