放疗不仅杀伤局部肿瘤，还会引发全身性系统反应，但其分子机制及与晚期毒性的关联尚不明确。本研究采用纳米蛋白质组学技术（脂质体纳米颗粒富集低丰度蛋白），对前列腺癌（26例）、膀胱癌（23例）和头颈癌（11例）患者在放疗前、放疗中每周及放疗结束时的血浆样本进行纵向LC-MS/MS质谱分析。结果显示，放疗第1周即可检测到显著血浆蛋白变化（93-142个差异蛋白），且三组患者共享动态生物学过程：早期脂质代谢→中期补体激活/炎症→晚期组织重塑。FCN1是唯一在所有队列中持续下调的共有蛋白。在前列腺癌队列中，利用MOFA无监督因子分析和MEFISTO时间建模，识别出28个基线血浆蛋白（如CD81、CD59、MSN、F13A1）与后期肠道/泌尿毒性显著相关（嵌套交叉验证AUC=0.733），FCN1等20个蛋白在治疗结束时也具有预测价值。本研究为放疗毒性预测提供了新型血浆蛋白标志物。
今天给大家解读一篇4月发表在《Communications Medicine》上的题目为“Longitudinal plasma nano-proteomics reveals acute systemic responses to radiotherapy and predictive biomarkers of late toxicity.”的文章。该研究旨在探究放疗除靶向肿瘤部位外引起的全身性变化的生物学机制。通过纵向分析前列腺癌、膀胱癌和头颈癌患者放疗前后每周收集的血浆样本，采用基于质谱的差异蛋白分析，识别血浆蛋白质组的急性变化及富集通路。结果发现，放疗前两周内出现最显著的蛋白质组变化，所有患者队列中均观察到炎症/免疫通路激活及后续结构重组和免疫消退的共同反应，但不同肿瘤类型有独特的蛋白介质失调。在前列腺癌队列中，三个时间点的血浆蛋白谱分别鉴定出与后期肠道和泌尿系统毒性相关的蛋白质。研究强调了纵向蛋白质组学在揭示放疗全身效应中的价值，并支持血浆蛋白生物标志物用于识别毒性高风险患者，促进个体化治疗策略。（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！包括数据集、绘图代码、图表复现、思路总结、参考文献……0代码！鼠标点点点即可轻松完成5-10分生信SCI全文复现！
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：《纵向等离子体纳米蛋白质组学揭示了放疗引起的急性全身反应及晚期毒性预测生物标志物》Longitudinal plasma nano-proteomics reveals acute systemic responses to radiotherapy and predictive biomarkers of late toxicity
发表期刊：Communications Medicine
影响因子：6.3
研究背景：
放疗在靶向肿瘤部位之外会引起全身性变化，但驱动这些效应的生物学机制仍知之甚少。本研究旨在纵向分析接受放疗的前列腺癌、膀胱癌和头颈癌患者急性全身血浆蛋白质组反应，提供关于共同和肿瘤特异性效应的见解，并识别预测治疗相关毒性的生物标志物。
CNSknowall 平台 Pubmed+AI 快速提炼全文要点
研究思路：
作者应用先前开发的纳米蛋白质组学工作流程，对放疗前和放疗期间收集的纵向每周血浆样本进行全面分析。通过基于质谱的差异蛋白分析，识别血浆蛋白质组的急性变化及涉及的富集生物学通路。在前列腺癌队列中，将血浆蛋白质组学与临床毒性结果相关联。
研究亮点：
-
放疗开始后前两周是血浆蛋白质组变化最显著的时期，为生物标志物识别提供了关键时间窗口。
-
在不同肿瘤类型的患者队列中观察到共同的生物学反应：炎症和免疫通路的快速激活，随后是结构重组和免疫消退。
-
尽管存在共同急性反应，但不同的蛋白质介质以肿瘤特异性方式发生失调。
-
在前列腺癌队列中，基线、放疗开始后一周和放疗结束时分别鉴定出28、29和20种与后续肠道和泌尿系统毒性相关的蛋白质。
研究结果：
数据显示，放疗开始后的前两周出现最显著的系统性蛋白质组变化，凸显了生物标志物识别的关键时期。在所有患者队列中，观察到共同的生物学反应：炎症和免疫通路迅速激活，随后发生结构重组和免疫消退，无论肿瘤类型或联合治疗如何。尽管存在这种共同的急性反应，但发现不同的蛋白质介质以肿瘤特异性的方式失调。在前列腺癌队列中，放疗开始前、放疗开始后一周以及放疗结束时的血浆分析，分别鉴定出28、29和20种与后续肠道和泌尿系统毒性的蛋白质。
研究总结：
这项研究强调了纵向蛋白质组学在揭示放疗系统性效应中的价值，并支持血浆蛋白质组生物标志物在识别放疗诱导毒性高风险患者方面的潜力，为个体化治疗策略铺平了道路。
结果译文：
通过预先设定的搜索策略共筛选出 2000 项研究。使用 NoteExpress 软件删除了 788 个重复记录后，根据标题和摘要的筛选剔除了 1123 项不符合入选条件的研究。对剩余的 89 项研究进行了全文审查，最终纳入了 10 项随机对照试验，共包含 22 项发表成果[19–40]，形成了此次网络荟萃分析。这些研究涉及 3465 名 HR/HER2–晚期乳腺癌患者。文献筛选过程详见图 1，纳入研究的关键特征总结于表 1 中。
为了对放疗期间的血浆蛋白质组进行深入分析，我们采用了先前开发的纳米颗粒启用工作流程。简而言之，将脂质体纳米颗粒与血浆样本离体孵育，使蛋白质吸附到纳米颗粒表面，形成蛋白质冠。然后使用尺寸排阻色谱和膜超滤从非结合血浆蛋白中纯化冠包被的纳米颗粒。最后，在LC-MS/MS分析之前，从纳米颗粒表面提取冠蛋白并进行酶解。如我们先前及其他人的工作所示，该工作流程解决了由白蛋白和其他高丰度血浆蛋白引起的“信噪比”问题。这能够鉴定出使用传统蛋白质组学方法通常难以检测的低分子量和低丰度血浆蛋白。
补充图1a总结了本研究中使用的脂质体纳米颗粒的理化性质。在不同时间点和患者队列之间未观察到蛋白质结合的显著差异，表明放疗不会定量影响蛋白质在纳米颗粒表面的吸附（补充图1b）。
我们首先研究了在放疗后1周是否能检测到可观察的放疗诱导的血浆蛋白质组变化。为此，我们对所有三个患者队列进行了差异丰度分析，比较基线样本（t₀）与放疗后1周收集的样本（t₁）。考虑到放疗诱导的急性毒性在临床上一到三周后出现，还在放疗后3周（t₃）进行了血浆蛋白质组分析。最后，为了评估放疗结束时的蛋白质组变化，进行了基线样本与治疗完成后收集样本（t_end）的比较。对我们蛋白质组数据的主成分分析显示，三个癌症队列在所有时间点（t₀、t₁、t₃和t_end）均表现出不同的血浆蛋白质组谱（补充图2a）。
如图2a-c和补充数据7-9所示，我们的数据显示在放疗后仅1周就出现了多个差异丰度蛋白（DAP），校正后p值<0.05：前列腺癌93个，膀胱癌142个，头颈癌141个。尽管在膀胱癌和头颈癌患者中，三个时间点鉴定的DAP数量保持一致，但前列腺癌队列在放疗中期和晚期观察到的DAP数量增加（补充图2b）。此外，虽然膀胱癌和头颈癌中的大多数DAP下调，但前列腺癌中的大多数DAP上调（补充图2b）。尽管大多数DAP在每个队列中是独特的，但在放疗早期、中期和晚期，分别有4个、26个和30个蛋白在所有三个队列中被共同鉴定（图2d-f和补充数据10）。
使用队列特异性样本量和蛋白质丰度的观测方差估计统计功效。前列腺癌和膀胱癌队列显示出强大的功效（≥90%）来检测约30-60%（log2FC=0.4-0.7）的中度蛋白质表达变化。较小的头颈癌队列对这些效应仅显示出中等功效（约20-30%可检测约62%的变化，log2FC=0.7），但保留了强大的功效（≥80%）来检测约100%或更大的较大变化（log2FC≥1.0）。总体而言，该设计对前列腺癌和膀胱癌中具有生物学意义的差异表达提供了稳健的灵敏度，而对头颈癌中检测大效应具有有限但仍强大的检测能力。
为了深入了解对放疗的急性全身性反应的机制，我们在早期（t₁）、中期（t₃）和治疗结束（t_end）时间点进行了基因本体-生物学过程通路分析。如图3a所示，通路富集分析揭示了对放疗的动态反应，其特征是三个癌症患者队列之间存在重叠的生物学过程。
在放疗第一周后（t₁），富集了与脂质代谢相关的通路，包括胆固醇酯化调节和磷脂外排，表明对辐射诱导的氧化应激和膜损伤产生急性代谢适应（图3a和补充图3a）。在中期时间点（t₃），反应以通过凝集素途径的补体激活为主，以及其他先天免疫和血管通路（如中性粒细胞介导的免疫和血小板脱颗粒）的激活，反映了持续的炎症和血管参与（图3a和补充图3b）。最后，在治疗结束时，分子格局转向涉及组织重塑和修复的通路，包括细胞外基质组织、凋亡细胞清除、超分子纤维组织和胆固醇转运，表明损伤恢复过程的启动（图3a和补充图3c）。
值得注意的是，有五个通路——急性炎症反应、补体激活（凝集素途径）、中性粒细胞介导的免疫、血小板脱颗粒和调节性胞吐——在所有时间点一致富集，强调了涉及免疫激活和组织损伤信号的持续性全身反应（图3a）。对这五个通路相关的32个DAP的网络分析显示，尽管所有队列都富集了相同的生物学过程，但具体的蛋白驱动因子在很大程度上是队列特异性的（图3b和补充数据11）。这与对每个时间点独特富集通路进行的网络分析一致，如补充图3a-c所示。
为了独立研究三个癌症队列中放疗诱导的急性血浆蛋白质组变化的动力学，我们对基线和所有治疗时间点（前列腺癌和膀胱癌队列的t₁–t₄，头颈癌队列的t₁–t₆）的归一化蛋白质丰度进行了纵向分析。
如图4a-c和补充数据12-14所示，在早期（t₀ vs t₁）、中期（t₀ vs t₃）和治疗结束（t₀ vs t_end）时间点的差异丰度分析揭示了放疗过程中动态的蛋白质组变化。在前列腺癌队列中，有60个蛋白在所有三个时间点持续差异丰度。类似地，在膀胱癌和头颈癌队列中分别鉴定了54个和46个纵向共享的DAP。
为了进一步表征每个队列中重叠DAP的动力学行为，我们进行了层次聚类分析，结果显示三个主要簇具有不同的丰度谱（图4d-f，补充图4d-f和补充数据15）。簇1包括治疗期间丰度增加的蛋白。簇2包含随时间持续下调的蛋白，最后，簇3包括具有复杂非线性动力学谱的蛋白。虽然前列腺癌表现出簇1中蛋白的优势，表明蛋白上调的总体趋势，但对于膀胱癌和头颈癌队列，大部分DAP属于簇2。
在已鉴定的放疗监测DAP（簇1和2）中，Ficolin-1（FCN1）——凝集素途径激活和中性粒细胞效应功能的关键介质——是唯一在所有三个队列中显示一致下调趋势的共有DAP（图4g-i，补充图4g-i）。
5.血浆蛋白质组分析用于预测前列腺癌患者放疗诱导的毒性
为了研究治疗前的血浆蛋白特征是否可以预测放疗诱导的毒性，我们使用前列腺癌队列作为范例。我们分析了26名患者的基线血浆蛋白质组谱，并研究了它们与临床结果的相关性。在这些患者中，17名在治疗后超过三个月出现了晚期放疗诱导的肠道或泌尿毒性，而9名未显示毒性迹象。为了识别蛋白质组数据中的模式，我们应用了多组学因子分析。我们选择了前9个每个至少解释2%方差的因子进行层次聚类分析（补充图5a）。因子1成为变异的主要驱动因素，将患者分为两个不同的簇（图5a）。这种聚类自然地从数据结构中产生，表明不同的蛋白质组特征可能解释了患者对放疗反应的差异或其发生放疗诱导毒性的内在风险差异。
为了评估MOFA衍生的簇是否与毒性结果相关，我们应用了Fisher精确检验，结果显示患者簇与毒性状态之间存在显著相关性（p值=0.028）。为了进一步研究放疗诱导毒性背后的蛋白质组差异，我们在两个HC患者簇之间进行了差异蛋白质组分析。因子1在簇之间显示出显著差异，Bonferroni校正p值为0.0029（补充图5b）。鉴于其差异表达及其与毒性的相关性，因子1被选作进一步分析。从该因子中，我们提取了具有最高绝对权重的前5%蛋白，代表对患者聚类贡献最大的因素。使用1000次随机置换的置换检验评估统计学显著性，鉴定出28个候选生物标志物蛋白（p值≤0.05，补充数据17）。图5b中的火山图显示了这些潜在的毒性预测生物标志物及其倍数变化和p值。
在22个上调的候选生物标志物中，鉴定出几个参与免疫相关通路的蛋白，包括Tetraspanin（CD81）、补体调节蛋白（CD59）、Moesin（MSN）、Sushi、von Willebrand因子A型、EGF和pentraxin结构域含蛋白1（SVEP1）、Ras相关C3肉毒毒素底物2（RAC2）和HLA I类组织相容性抗原A-25α链（HLA-A）。这些蛋白富集在免疫突触形成（CD81、MSN）、补体激活负调控（CD59、SVEP1）、白细胞迁移调节（CD81、RAC2）以及α-β T细胞增殖和细胞因子产生的正调控（CD81、HLA-A）等通路中，提示增加的免疫活性和细胞间通讯可能使患者易于在放疗期间发生炎症反应。在六个下调蛋白中，凝血因子XIII A链（F13A1）和凝血因子XIII B链（F13B）与凝血、血凝块形成和蛋白激活级联等通路显著相关，表明受损的血管和凝血功能可能导致辐射诱导的组织损伤（补充数据18）。总之，这些观察结果提示免疫激活和血管通路可能在调节放疗诱导毒性风险中发挥作用，值得进一步研究。
为了验证我们的发现，我们实施了完整的内部嵌套交叉验证框架，内循环用于特征选择，外循环用于无偏性能估计。该方法最小化过拟合并防止信息泄漏。我们还进行了bootstrap重采样（n=2000）以量化性能不确定性并得出乐观校正的AUC估计。嵌套交叉验证在基线（t₀）产生0.733的AUC，而bootstrap分析（1000次患者级重采样并重新拟合模型）产生的bootstrap AUC为1.00，95%百分位数置信区间为0.97-1.00。这些结果表明模型具有较强的内部一致性和预测信号的稳健性，同时强调了外部验证的必要性（补充数据19）。
为了评估早期和治疗中期谱（t₁–t₅）是否提供晚期毒性的预测信息，以及治疗结束特征（t_end）是否能识别高风险患者，我们使用MEFISTO衍生的潜在因子在每个时间点独立量化毒性关联和预测性能。使用Cohen's d效应量和每个时间点单变量逻辑模型的AUC来表征关联（补充图S6）。总体而言，在所有潜在因子和时间点中，最强的单个关联是t_end的因子4，表明t_end通过因子4具有毒性预测潜力（AUC=0.93），而t₁通过因子3显示出较小但显著的预测信号（AUC=0.77）。为了识别对患者分层贡献最大的蛋白，我们提取了t_end的因子4和t₁的因子3中具有最高绝对因子权重和前5%蛋白且p值<0.05。统计检验在t₁鉴定出29个基因编码的候选生物标志物蛋白，在t_end鉴定出20个，代表了可能在治疗中监测或治疗后随访中支持应用的差异丰度显著的蛋白（补充数据20-21）。为了评估在t₀、t₁和t_end鉴定出的蛋白的预测价值，我们估计了比值比及其95% Wald置信区间，以量化与毒性的关联强度和方向。此外，我们使用受试者工作特征曲线下面积评估了每个蛋白的判别能力（补充数据17、20-21）。t₀时有14个蛋白的AUC值>0.7，而t_end时有4个蛋白超过该阈值。
更多结果和补充图表：doi： 10.1038/s43856-026-01552-3
长按二维码关注我们，用最短的时间和最高的效率学习更多生信思路!
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颠覆性科研数据（0代码生信+统计学）分析平台，同时含有机制图模块（原创3000多素材和机制图模板）+AI一键生成高质量比国自然标书初稿+汉化版Pubmed融合Deepseek高效筛选目标文献同时一键提炼全文核心创新点+SCI文献例句/语料检索模块+全文翻译+文献求助+图片查重+期刊查询+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！
可向下滑动发掘更多科研秘籍！
