重新分析 CPTAC 蛋白质组数据集：揭示结直肠癌相关微生物物种与蛋白质

结直肠癌（CRC）发病率高且危害大，现有微生物与 CRC 关联研究多依赖宏基因组数据。研究人员用 MetaProD 重新分析 CPTAC 蛋白质组数据集，发现潜在相关微生物物种和蛋白，还构建了肿瘤检测模型。这为 CRC 诊断和治疗提供新思路。

　　在健康医学领域，结直肠癌（Colorectal Cancer，CRC）如同潜伏在人体内部的 “定时炸弹”，严重威胁着人们的生命健康。它是消化系统中极为常见的癌症类型，在全球范围内，其发病率和致死率都不容小觑。在美国以及世界其他地方，CRC 是导致癌症相关死亡的第二大 “元凶” 。令人担忧的是，尽管在老年人群中其发病率有所下降，但在 50 岁以下人群中却呈上升趋势，即便筛查方法不断改进、相关教育持续普及，这一趋势依旧没有得到有效遏制。

肠道微生物群与 CRC 之间存在着千丝万缕的联系，这已经成为科学界的共识。肠道微生物群的失衡，也就是所谓的肠道生态失调（gut dysbiosis），会引发免疫和代谢系统的紊乱，就像蝴蝶效应一样，看似微小的变化却能引发一系列严重后果。以往的研究表明，某些食物的摄入，比如红肉，可能与结肠癌的发生密切相关，它会引起炎症，进而增加与癌症相关的微生物群的流行。大规模的多队列粪便宏基因组研究也揭示了致病性真菌与 CRC 之间的关联，说明除了细菌，真菌在 CRC 的发展过程中也扮演着重要角色。

然而，现有的大多数研究都依赖于宏基因组数据。这种研究方法虽然能够提供物种表达的大致情况，以及与结肠癌相关的变化，但却存在着明显的局限性，它无法全面地识别与蛋白质检测和鉴定相关的信息，例如酶活性、翻译后修饰以及蛋白质丰度等。而这些蛋白质层面的变化，可能比物种层面的变化更加关键，对于揭示疾病的治疗靶点具有重要意义。

为了深入探究微生物与 CRC 之间的关系，填补现有研究的空白，来自美国印第安纳大学 Luddy 信息学、计算与工程学院（Luddy School of Informatics, Computing and Engineering, Indiana University）的研究人员 Jamie Canderan 和 Yuzhen Ye 开展了一项极具意义的研究。他们利用自己开发的工具 MetaProD，对临床蛋白质组肿瘤分析联盟（Clinical Proteomic Tumor Analysis Consortium，CPTAC）的 CRC 蛋白质组数据集进行重新分析。

研究人员在此次研究中用到了多个关键技术方法。首先，从 CPTAC 蛋白质组数据共享平台（PDC）下载了四个包含蛋白质组数据的结直肠癌质谱数据集，这些数据集样本来自不同患者且经过不同处理。接着，使用 MetaProD 分析管道对数据进行处理，该管道利用 UniProt 的微生物（和可选的人类）蛋白质 FASTA 数据库及两步搜索法分析数据。对于 CO₁数据集，还使用 Reporter 生成归一化相对肽检测比率，并用 PEMM 和 DEqMS 分析以确定差异表达蛋白；CO₂、CO₃和 NO₁数据集则用 MzMine 进行无标记定量分析。最后，利用微生物鉴定结果在 scikit-learn 管道中构建肿瘤检测预测模型，并与仅使用人类蛋白质的结果作对比 。

下面来看看具体的研究结果：

• 鉴定结果总结：研究分析了多个数据集，如 CO₁、CO₂、CO₃和 NO₁数据集。CO₁数据集包含 96 名患者的肿瘤样本和 100 名患者的正常样本，CO₂和 CO₃为无标记肿瘤样本数据集，NO₁是无标记正常样本数据集。通过质谱检测，统计各数据集的肽谱匹配（PSM）数、肽数、蛋白质数和物种数。结果显示，很多肽在有限数量的样本中被检测到，尤其是微生物肽。当要求肽至少在 50% 的样本中被检测到时，CO₁数据集鉴定出的物种数下降，CO₂、CO₃和 NO₁样本中没有微生物肽满足此条件 。
• 与先前人类蛋白质研究的比较：MetaProD 不仅能鉴定微生物蛋白，还能鉴定人类蛋白。与之前 CPTAC 仅关注人类蛋白的研究相比，本次研究基于 CO₁数据集，在至少 50% 样本中检测到的显著人类蛋白数量增加。原因可能是使用了多种搜索引擎。进一步分析发现，更多人类蛋白在肿瘤或正常样本中差异表达，还确定了一些差异表达的关键蛋白 。
• 微生物属检测：对微生物肽检测数据进行筛选和分析，比较不同数据集和表型中微生物属的检测水平。结果表明，CO₁数据集中两种表型都显示曲霉属（Aspergillus）最丰富，该属与结肠癌有关；不同数据集间微生物属检测存在差异，如 CO₁和 CO₃数据集虽有共享个体，但由于实验方法不同，前 8 个属中仅共享芽孢杆菌属（Paenibacillus） 。
• 微生物物种检测：在 CO₁数据集中筛选出至少 50% 肽被检测到的物种，分析其正常和癌症样本中肽的检测水平。多数物种在正常和癌症样本中的检测水平相似，但 13 个物种在正常样本中的检测率更高，少数物种如 Deinococcus phoenicis 和 Anaerococcus hydrogenalis 在正常样本中的肽检测中位数显著高于癌症样本 。
• 差异丰度微生物蛋白的鉴定：分析 CO₁数据集，鉴定出 13 种差异丰度微生物蛋白，其中 12 种在正常组织样本中更常见。这些蛋白与已知和结肠癌相关的物种有关，如 Aspergillus kawachii，部分蛋白所属物种此前未被证实与人类肠道微生物组有关 。
• 使用微生物鉴定构建肿瘤检测预测模型：基于 CO₁数据集的微生物鉴定结果构建机器学习模型，不同特征选择方法和模型的 AUC（曲线下面积）分数相似，表明微生物蛋白可用于预测肿瘤组织和健康组织，且相比人类蛋白，使用微生物蛋白运行模型速度更快 。

在研究结论和讨论部分，研究人员通过重新分析 CPTAC 蛋白质组数据集，发现了许多与 CRC 相关的微生物蛋白，其中一些来自已知与结肠癌有关的物种，不过也有很多未被充分研究或功能未知。微生物肽检测水平在不同表型和数据集中差异显著，多重数据集（如 CO₁）因样本来自同一人、处理方式相同，更有利于微生物鉴定和分析。但微生物鉴定仍面临挑战，如不同数据集间微生物肽检测差异大，可能受多种因素影响；使用大型微生物蛋白数据库时，命名约定差异会干扰检测；肽匹配可能因数据库信息问题而不准确。尽管存在这些局限，该研究仍成功从非针对性数据集鉴定出微生物肽，并用于物种鉴定和构建预测模型，为 CRC 的诊断和治疗提供了新的潜在生物标志物和研究方向，有望推动相关领域进一步发展，为攻克 CRC 这一难题带来新的曙光 。