全球范围内，癌症一直是难以攻坚的医学难题之一。2020年，癌症导致了近1 000万人的死亡^[1]，成为全球第二大常见死因。虽然这些年通过各个领域学者的共同努力，癌症的死亡率得到了一定的控制^[2]，但国际癌症研究机构(International Agency for Research on Cancer, IARC) 发布的Globocan 2020报告表明，全球癌症负担已上升至1 930万例，到2040年预计将上升至3 030万例。总体而言，全球癌症发病率和死亡率正在迅速增加，抗癌刻不容缓。

癌症的发病机制非常复杂，它涉及年龄、性别、遗传等多方面的因素。面对这一棘手的全球健康问题，传统的手术、化疗、放疗等方式取得一定的效果，但是复杂的癌症发病机制阻碍着传统治疗方法的发展。人们逐渐意识到没有两例癌症是完全相同的，寻找新的治疗方法即精准医疗成为发展的趋势。“精准医疗”一词首先由美国国家研究委员会提出，旨在试图通过知识网络构建疾病分类，并提出建立新的数据网络，将治疗过程中患者的临床数据和生物医学研究结合起来^[3]。近年来，精准医疗飞速发展，特别是在肿瘤领域大放异彩。众所周知，肿瘤治疗效果差主要是因为肿瘤异质性^[4]，而精准肿瘤学旨在解决肿瘤间和肿瘤内的异质性。精准肿瘤学的发展离不开飞速发展的基于下一代测序技术的基因组学和基于质谱的蛋白质组学。在精准癌症医学的愿景中，使用整合多组学研究癌症已成为发展趋势。如下详述，仅靠基因组学(为了简化，基因组学将包括基因组学、表观遗传组学和转录组学) 的数据来分析癌症是很局限的，只有将蛋白质组学结合起来才能突破现有瓶颈。

1 蛋白质基因组学的发展

基因是生命体的源头，蛋白质是生命活动的承担者。从基因组学到蛋白质组学是从基因型到表型的复杂过程，且每个步骤都受到不同程度的调控(图 1)。肿瘤基因组的复杂性正在迅速被揭示，但它们是如何被调节成功能性蛋白质组的仍不清楚^[5]。

1.1 蛋白质基因组的概念

蛋白质基因组学是蛋白质组学和基因组学的融合学科，一般指利用蛋白质组数据结合基因组数据开展研究，补充和完善基因组注释。在肿瘤相关的蛋白质基因组研究中，以特定肿瘤基因组为指导对蛋白质丰度和修饰程度进行解释，并整合基因组和蛋白质组结果，以便更深入理解和预测癌症表型^[6]。蛋白质基因组学于2004年首次提出^[7]，最初用于描述蛋白质组数据改进基因组注释和蛋白质编码潜力表征的研究。随后的研究大部分集中在基因组注释或揭示蛋白质组的复杂性^[8]。随着蛋白质组技术的进步以及研究的深入，研究人员发现蛋白质组具有和基因组不一样的特征，能更直接揭示肿瘤发病机制^[9]。蛋白质基因组学在癌症应用研究中的基本流程如图 2所示，通过整合多组学分析可以更好地阐述癌症的发病机制以及相应的生物学过程，从而进一步提高癌症治疗和诊断的能力。

1.2 基因组学的局限性

过往的研究已经确定肿瘤的突变谱可以用于癌症患者群体治疗^[10]，但也有相关研究证明基于突变谱的治疗策略具有一定的局限性^[11-12]。一般可采用联合转录组的方法来选择特定的癌症治疗方法^[13]，但这并不能可靠地预测蛋白质水平的变化，对于疾病诊断及治疗往往不够全面。此外，靶向药物的失效也是难题之一，基于基因检测的靶向治疗药物的受益人群低于10%^[14]。甚至，具有相同基因突变的患者在面对相同的靶向药物处理也会产生不同的效果。例如，在黑色素瘤或结直肠癌患者中，两种肿瘤类型具有相同的鼠类肉瘤滤过性毒菌致癌同源体B (v-raf murine sarcoma viral oncogene homolog B, BRAF) 基因突变。然而，对黑色素瘤有效的靶向治疗可能无法帮助结直肠癌患者^[15-16]。此外，蛋白质与转录本之间的相关性较弱^[17]。整合蛋白质基因组分析显示，对于许多基因而言，肿瘤中mRNAs丰度的变化与其匹配蛋白丰度的变化相关性很差。尽管一些基因具有高水平的mRNA-蛋白质相关性，但30%–70%的基因在统计上无显著的正相关性^[18-19]。大部分情况下，转录水平不足以预测蛋白质水平，尤其是蛋白质翻译后修饰，如蛋白质磷酸化^{[18, 20]}。例如，在结直肠研究中^[18]，RNA丰度不能准确地预测蛋白质丰度，大多数DNA局部扩增并没有导致蛋白质水平的相应升高。

综上所述，尽管RNA-seq数据的深度仍然大于蛋白质组数据的深度^[21]，但仅依靠基因组学进行的诊断和治疗不足以应付癌症的复杂性，癌症在蛋白质水平的研究可以大大缩小癌症基因型和癌症表型之间的差距。在癌症的诊断和治疗方面，蛋白质组学的研究有可能提供新的思路和视角。但需要注意的是蛋白质组学也并不能独立解释癌症，只有将蛋白质组学与基因组学相结合时，效用才能最大化。

1.3 蛋白质基因组的过去、现在和未来

早期研究中，蛋白质组学技术整体灵敏度较低，在一定程度上阻碍了蛋白质基因组学工作的开展。随着蛋白质组技术的不断成熟这一困难逐渐被克服，质谱仪器和分析方法的进步极大地提高了蛋白质组的覆盖率，减少了偏差，提高了精确度^[22]。

近年来，多个大型蛋白质组研究项目的蓬勃发展极大加快了蛋白质基因组学研究的步伐。2003年10月，“人类肝脏蛋白质组计划”^[23]由我国启动，先后11个国家参与其中。2014年，贺福初院士领导启动“中国人蛋白质组计划” (Chinese Human Proteome Project, CNHPP)，对多种肿瘤进行了蛋白质层面的分析。国际上，2015年初，奥巴马提出精准医学计划^[24]。2016年初，癌症登月计划^[25]使精准医学计划开始走进大众视野，精准医学很快成为医学研究热点。癌症基因组图谱(the cancer genome atlas, TCGA) 以及临床蛋白质组肿瘤分析协会(Clinical Proteomic Tumor Analysis Consortium, CPTAC) 的推进无疑也加速了精准肿瘤学的发展，发布了多种人类肿瘤的蛋白基因组学研究，利用癌症特征肽段来进行诊断或治疗^[26-32]。综上所述，质谱技术的成熟和蛋白质数据的日益丰富为蛋白质基因组的发展奠定坚实的基础。

2 蛋白质基因组学在精准肿瘤学中的应用

蛋白质基因组学弥补了单一基因组的局限性，促进了精准肿瘤学的快速发展，为癌症治疗带来了新的突破。蛋白质基因组学可以将基因组、转录组、蛋白质组、修饰蛋白质组的数据整合，从多个层面重新定义癌症的分型、挖掘潜在的治疗靶点，以进行更精准的治疗方法选择和用药指导。蛋白质基因组学已广泛应用于人类肿瘤的分析，通过回顾整理近几年前人的研究工作，总结蛋白质基因组学在精准肿瘤学领域中有如下应用。

2.1 阐释肿瘤生物学过程

在乳腺癌的研究中^[33]，该研究利用蛋白质基因组学方法，通过对122例原发乳腺癌治疗前的肿瘤标本进行多组学分析，特别是对蛋白质磷酸化和乙酰化等蛋白质翻译后化学修饰进行了全面分析。磷酸蛋白质组学分析揭示了肿瘤抑制因子丢失和靶向激酶之间的新关联。乙酰蛋白质组分析强调了参与DNA损伤反应的关键核蛋白的乙酰化，并揭示了细胞质、线粒体乙酰化和代谢之间的相互作用。这发现蛋白质基因组学能够更精准地分析乳腺癌的可靶向蛋白质信号通路和生物学特征，突显了其对乳腺癌临床研究的巨大潜力。

在结肠癌的研究中^[18]，通过对95个经基因组注释的癌症基因组图谱(TCGA) 结直肠癌样本进行蛋白质组学表征，对候选驱动基因进行了优先排序，筛选出了潜在的位于20号染色体长臂的候选基因，包括肝细胞核因子(hepatocyte nuclear factor 4 alpha, HNF4A) 基因、线粒体外膜转位酶(translocase of outer mitochondrial membrane 34, TOMM34) 基因和酪氨酸蛋白激酶(SRC proto-oncogene, non- receptor tyrosine kinase, SRC) 基因。综合蛋白质组学分析可以对人类癌症中的基因组异常进行功能性解释，并为理解癌症生物学提供了新的角度。

2.2 检测生物标志物

癌症标志物是指特异存在于恶性肿瘤细胞，或因机体对肿瘤刺激而产生的物质，它能反应肿瘤的发生、发展，并对治疗疗效起到监视作用。在结肠癌的研究中^[34]，研究人员采用多组学的研究分析方法，全面剖析了结直肠癌相关生物标志物，发现了基于基因组层面不能检测到的新的生物标志物。他们的研究结果可能为结肠癌相关研究提供新的研究思路。

此外，在头颈部鳞状细胞癌(head and neck squamous cell carcinomas, HNSCCs) 的研究中^[26]，通过对108例人乳头瘤病毒(human papilloma virus, HPV) 阴性HNSCCs患者和66个匹配的癌旁组织样本的蛋白质基因组谱分析表明，符合美国食品药品监督管理局(Food and Drug Administration, FDA) 标准的用于HNSCC治疗的研究药物可从候选的生物标志物中进行选择。

2.3 寻找治疗靶点

目前，除了传统的外科化疗和放射治疗外，还有另一种有效且方便的癌症治疗方法，即靶向治疗。肿瘤基因组的表征能让人们了解到癌症中的体细胞突变，以便选择合适的治疗方法。但是，如前所述，癌症基因组与蛋白质组的相关性较弱，仅凭基因组层面的分析不足以筛选出有效的靶点。在胰腺导管腺癌的研究中^[32]，研究人员通过对胰腺癌及其正常癌旁组织进行多组学分析研究，确定了潜在的胰腺导管腺癌治疗靶点和早期诊断标志物。结果显示，多组学分析能够更精确地筛选出癌症靶点。

在子宫内膜癌(uterine corpus endometrial carcinoma, UCEC) 的研究中^[30]，对浆液性肿瘤和子宫内膜样肿瘤的比较显示，在浆液性肿瘤中肿瘤蛋白p53结合蛋白1 (tumor protein p53 binding protein 1, TP53BP1-S1763) 和检查点激酶2 (checkpoint kinase 2, CHEK2-S163) 磷酸化水平升高，与更高的DNA损伤反应相关，这是癌症治疗中一个有吸引力的靶点。

2.4 助力癌症分型

癌症是病理复杂的疾病。每一种亚型的特征、最优治疗方式、预后等都不同。基于蛋白质基因组学的疾病分子分型研究是目前肿瘤精准医疗领域的热点。在乙型肝炎(hepatitis B virus, HBV) 相关性肝癌的研究中^[35]，研究人员通过对159例乙肝病毒阳性的肝癌和癌旁样本进行多组学的研究分析，绘制出了目前全球最大规模的全景式肝癌队列的蛋白质基因组学图谱。研究发现，肝癌患者的蛋白质组数据整体上可以分为3类亚型，它们分别是代谢驱动型、微环境失调型和增殖驱动型。这3类亚型患者的预后具有极其显著的差别，这将为肝癌的临床预后判别以及肝癌的个性化治疗起到重要的指导作用。

在前列腺癌的研究中，Sinha等^[36]对76例前列腺癌患者的肿瘤组织样本进行了基因组学、表观基因组学、转录组学和蛋白质组学分析。蛋白质组分析确定了5种蛋白质组亚型，它们在很大程度上独立于先前报道的基因组亚型。

2.5 助力免疫治疗

癌症的治疗方法从化疗、靶向治疗逐渐转向免疫疗法发展，癌症疫苗是免疫治疗的一大热门方向。在结肠癌的研究中^[34]，与结肠癌相关的蛋白编码基因与已知的癌症基因几乎没有重叠，这有助于开发个性化疫苗以及其他治疗方法。

上述UCEC研究中^[30]免疫景观的蛋白质基因组学研究确定了8种复发性过度表达的癌-睾丸抗原，并在49%的肿瘤中发现了推定的新抗原。具有高肿瘤突变负荷(tumor mutation burden, TMB) 的UCEC细胞已经发展出几种机制来抑制抗原处理和呈递，这可能导致免疫逃避。这些机制包括人类酪氨酸激酶蛋白(janus kinase 1, JAK1) 和/或信号传导转录激活因子1 (signal transducer and activator of transcription 1, STAT1) 突变，以及抗原肽转运蛋白1 (transporter 1, TAP1)、转运蛋白2 (transporter 2, TAP2) 和TAP2结合蛋白(TAP2 binding protein, TAP2BP) 的蛋白水平降低。

免疫蛋白质基因组学分析显示HNSCC肿瘤中存在广泛的免疫细胞浸润水平^[26]。这些肿瘤中多个免疫检查点蛋白的一致上调可能解释了抗程序性死亡受体1 (programmed death 1, PD1) 单一疗法的中等应答率^[37]，并为研究高水平免疫细胞浸润肿瘤中的联合检查点阻断提供了理论基础。

除以上提及的癌症，在其他癌症中蛋白质基因组视角的精准肿瘤学也发挥着重要作用(表 1)。在实践中，多组学的意义在于它可以从不同维度更全面地探索复杂的癌症机制，为每一位癌症病人提供更全面的分子层面的信息，从而为癌症的诊断及治疗提供新思路、新方法。综上所述，蛋白质基因组学在精准肿瘤学领域能够在生物标志物、治疗靶点、癌症分型、疫苗研发、临床试验、药物开发等方面促进发展。

3 蛋白质基因组学相关项目

此外，蛋白质基因组学的发展离不开数据的积累，如今已经有许多储存数据的项目(表 2)。在癌症方面，美国国家癌症研究院(National Cancer Institute, NCI) 支持的项目，如TCGA和CPTAC，已经生成了大量数据集，积累了PB量级的数据。此外，在蛋白质组数据收集方面，国际上成立了ProteomeXchange联盟^[46]，目前共有6个成员(iProX^[47]为国内成员)。接下来将简单介绍几个相关的数据项目。

3.1 TCGA

TCGA成立于2006年，并于2010年扩展^[48]，它对33种癌症的肿瘤样本及其匹配的正常样本进行了分子表征^[49]，产生了可供癌症研究领域继续挖掘的大量数据^[50]。收集的数据类型包括DNA拷贝数阵列、DNA甲基化、外显子组和全基因组测序、mRNA阵列、microRNA测序和反相蛋白质阵列，共计约2.5 PB的数据^[51]。TCGA对分子层面的表征为理解复杂的癌症机制铺平了新的道路^[49]。近年来，许多癌症相关的研究相继利用TCGA数据库进行数据再挖掘以发现新的癌症分子机制以及生物标志物^[52-53]。此外，它还通过分子将肿瘤进行分型，从而改变了诊断思路，使患者的治疗比以前更加精确。这些变化可能为开发成功概率更高的临床试验提供新思路。

3.2 CPTAC

CPTAC于2006年由美国食品药品监督管理局(Food and Drug Administration, FDA) 和美国临床化学协会(American Association for Clinical Chemistry, AACC) 合作启动^[18-20]，它的目标是在蛋白质水平上分析癌症，将基因型与蛋白质型联系起来，目的是了解癌症表型的基础。CPTAC第一阶段包括技术质量保证研究^[54]。作为对TCGA研究的补充，CPTAC第二阶段包括对TCGA乳腺、卵巢和结直肠样本进行基于质谱的蛋白质组分析^[18-20]。CPTAC第三阶段是对从其他癌症类型中收集的组织进行蛋白质基因组分析^{[27, 55]}。此外，为了支持精准肿瘤学，CPTAC第三阶段已经建立了蛋白质基因组翻译研究中心，该中心将研究癌症治疗对单个肿瘤样本的疗效，以生成预测模型。CPTAC目前总共有约26 TB的数据，在CPTACIII完成后，这一数字预计将增加4倍，达到约66 TB的数据。CPTAC关于结直肠癌、乳腺癌和卵巢癌的3份报告为癌症研究界提供了宝贵资源，通过指出这些癌症的哪些基因组和转录组特征在蛋白质水平上被检测到，以及通过提供翻译后修饰(特别是磷酸化和乙酰化) 与DNA修复相关的蛋白质功能活性的实质性影响的新见解，为癌症的发病机制探索带来了新的突破^[56]。CPTAC开创性地利用蛋白质基因组学对肿瘤进行临床表征，结合多种组学方法可以更全面地理解癌症并可能带来新的治疗方法。

4 面对的困难与展望

蛋白质基因组研究在精准医学计划^[57]中发挥了重要的作用，已经逐步加大了识别和理解癌症的能力。蛋白质基因组学弥补了临床采用单一组学的传统方法的局限，但它也面临着一些挑战。为了更好地诠释和理解癌症机制，有必要克服这些挑战。

4.1 数据质量参差不齐

蛋白质基因组学的一个主要挑战是在公共领域缺乏足够数量的优质蛋白质组数据，部分原因是早期蛋白质组学界普遍存在的“数据囤积”心态。此外，质谱仪的更新换代以及实验流程的不同，导致产出数据的深度以及精度都不同。不同年代、不同团队或者不同技术平台产出质谱数据的质量可能相差甚远。目前，蛋白质组学领域的数据共享已明显转向更加开放^[58]。因此，越来越多的蛋白质组数据集可以在公共数据库^[59]中获得。这意味着蛋白质基因组组学的瓶颈已经从数据积累转向海量数据的分析处理。

4.2 数据分析存在挑战

数据的井喷式发展带来了数据分析的挑战。低丰度肽的难以检测是蛋白质组数据分析瓶颈的一部分。低丰度肽的难以检测主要有以下两个原因：(1) 蛋白质丰度的大动态范围和缺乏对所有母体离子的选择^[60]。(2) 通常存在一个明确的mRNA丰度阈值，低于该阈值，无法识别肽^[61]。但随着数据独立采集(data independent acquisition, DIA) 技术^[62]的发展，使低丰度肽段的检测成为可能。

将蛋白质组学数据与其他类型的基因组学或代谢组学数据整合起来也是数据分析瓶颈的一部分。这种整合对于理解癌细胞的表型以及开发多模式生物标记物具有重大意义。数据分析困难就将挑战转移到对生物信息学工具的需求上。

4.3 生物信息学工具需求巨大

随着基于下一代测序技术和质谱技术的蛋白质基因组学数据集的规模和复杂性的增加，迫切需要高效且易于使用的工具来进行生物信息学分析。在蛋白质基因组工作流程中，原始核苷酸数据必须与现有的基因注释进行比对，并翻译成多肽序列。蛋白质组学数据集还需要复杂的工作流程，包括数据库搜索和统计结果的正确解释。如今已经开发了一些工具来帮助蛋白质基因组数据库的构建^[63-64]和基因组上肽的可视化或与基因模型的对比^[65-66]。目前需要不断努力来开发用于分析基于蛋白质基因组学方法的生物信息学工具。常见的联合分析以及可视化工具如表 3所示。在未来，笔者认为，基因组测序项目将从一开始就包括蛋白质组学分析，从而基于蛋白质组学数据对蛋白质编码基因进行注释。

5 总结

本文中，我们从蛋白质基因组学的全新视角围绕精准肿瘤学进行了详细阐述。通过对基因组学以及蛋白质组学的回顾，我们讨论总结了单一基因组学的局限性并对蛋白质基因组学进行了展望。笔者认为，想要进一步了解癌症复杂的发病机制就必须将基因组学和蛋白质组学联合起来分析，这样才能够更好地与临床结合起来，帮助癌症的诊断以及治疗。随着公共数据库的不断完善，蛋白质基因组发展迅猛。毫无疑问，基因组学和蛋白质组学之间的协同关系将继续发展，并将成为未来几十年人类癌症完整表征的关键。总之，各种迹象表明，蛋白质基因组学将会大大推动精准肿瘤领域的发展。