Исследователи из Европейского института биоинформатики EMBL (EMBL-EBI) разработали новый метод изучения мишеней и эффектов противораковых препаратов, используя данные масс-спектрометрических (МС) экспериментов. Исследование опубликовано в Nature Communications.Понимание биологических сигнальных путей, регулирующих метаболизм и экспрессию генов, является сложной задачей, потому что так много всего происходит одновременно.
Но это понимание имеет решающее значение для понимания того, как лекарство повлияет на здоровые и раковые клетки. Протеинкиназы играют ключевую роль в этих путях, включая и выключая определенные белки в процессе, называемом фосфорилированием, а поскольку такие пути часто не регулируются при раке, ингибиторы киназ используются в качестве лечения.Для создания моделей сигнальных путей и сетей исследователи использовали данные «открытия масс-спектрометрии (МС) фосфопротеомики», инструмента для изучения фосфорилирования тысяч белков, экспрессируемых клеткой в определенное время.
Такие модели можно использовать для компьютерной проверки потенциального воздействия лекарства.Это немного похоже на попытку составить карту лондонского метро на основе случайных фотографий с камер видеонаблюдения. «РС — очень мощный инструмент, потому что он позволяет вам наблюдать за действиями, такими как фосфорилирование, в огромном количестве белков одновременно», — говорит Хулио Саез-Родригес, руководитель группы в EMBL-EBI. «Но данные, как правило, очень зашумлены и случайны с точки зрения того, какой из десятков тысяч белков в клетках они измеряют. Это немного похоже на попытку составить карту лондонской трубки на основе случайных фотографий с камер видеонаблюдения».
До сих пор методы, использующие данные фосфопротеомики рассеянного склероза, направляли исследователей на правильный путь в общем смысле, например, указывая на группы киназ, которые, вероятно, будут активными в образце. Новый метод надежно реконструирует пути, позволяя исследователям задавать более точные вопросы о том, как лекарства влияют на белки и пути.
«Наш метод берет зашумленные данные из эксперимента MS, который представляет собой эту большую сеть со множеством взаимосвязанных каскадов активности киназ, фильтрует шум и интегрирует данные. Это делается полностью в контексте того, что мы знаем о киназах и их субстратах, так что вы можете увидеть, как все взаимосвязано, — объясняет Камилла Терфве, международная аспирантка EMBL в лаборатории Хулио. «Затем вы можете сравнить, что происходит с сигналом, например, если вы используете тот или иной ингибитор. Таким образом, он может показать, что лекарство действительно делает с системой, помимо того направления, которое, как вы изначально предполагали, оно будет принимать».Благодаря сотрудничеству с лабораторией Cutillas в Институте рака Бартса Лондонского университета королевы Марии, исследователи смогли использовать данные экспериментов с использованием ингибиторов киназы на клетках рака груди для демонстрации метода.
«Существует много знаний о протеинкиназах и их влиянии на фосфорилирование, и мы объединили их с огромным потенциалом рассеянного склероза для создания и тестирования логических моделей, обеспечивающих четкий путь для исследований», — говорит Хулио. «MS производит так много данных, что их очень трудно отсеять — теперь мы можем начать видеть лес за деревьями и определять, какая информация действительно важна».«Очень интересно найти способ лучше использовать данные рассеянного склероза и использовать биоинформатику, чтобы сделать исследования рака более эффективными», — добавляет Камилла.