一篇發表在國際雜志Cancer Cell上的研究報告中，來自德克薩斯大學MD安德森癌癥研究中心等機構的科學家們通過對癌細胞系在藥物療法中所產生的蛋白質改變進行大規模的特性分析，有望幫助預測癌細胞對藥物的敏感性，以及理解癌細胞的耐藥機制并識別出最佳的療法策略組合。

研究者表示，當進行了包括168種不同化合物的治療后，他們在300多種細胞系中觀察到了超過200種臨床相關蛋白質的表達發生了改變，這或許就能作為研究癌細胞系中蛋白質對藥物療法所產生反應的最大規模的數據庫；Han Liang博士說道，我們看到了一些干擾性的研究，這些研究分析了藥物療法后的基因表達改變或CRISPR介導的改變，但這在蛋白質組分析方面或許還存在顯著的差距，我們希望能通過對主要治療性靶點蛋白改變進行分析來填補這一空白，同時還有望幫助闡明癌細胞的耐藥機制并設計出新型藥物組合性療法。

圖片來源：Dr.Cecil Fox,National Cancer Institute

研究者解釋道，干擾生物學研究能測定諸如癌細胞等系統對多種刺激做出的反應，如今這些類型的實驗已經證明能用于模擬癌癥的行為并在系統層面上來理解藥物的反應；為了能夠對蛋白質的擾動進行分析，研究人員利用反向蛋白質分析技術（RPPA，reverse phase protein array）對選擇的一組蛋白質進行快速的定量分析，而在基線和治療后，研究人員通常能在多個時間點來測定蛋白質的水平。文章中，研究人員還對319種最常使用的多種癌細胞系（包括乳腺癌、卵巢癌等）進行研究，分析了藥物靶向作用多種信號通路和細胞過程的作用效果。

相比分析所有可能的藥物-細胞系組合而言，研究人員共分析了15，492份樣本，其中包括11，884份藥物治療的樣本和3，608對照樣本，而且相關研究數據具有較高的可重復性，其能被多種獨立的途徑所驗證。通過分析所得到的數據能提供重要的線索來闡明癌細胞對藥物反應或耐受性的機制，同時還強調了能被既定藥物療法所激活或抑制劑的特殊信號通路，此外，擁有基線和治療后蛋白水平的相關數據也能夠在建模預測癌細胞對其它藥物敏感性上更加有用。

此外，研究人員還繪制出了蛋白質-藥物關聯性的全面圖譜，從而就能更加清楚地觀察癌細胞對藥物的反應，并更好地理解不同蛋白質和信號通路之間的關聯，這些圖譜或能幫助解釋哪些蛋白質在患者服藥后產生了顯著的改變，哪些藥物產生了相似的反應，以及哪些蛋白質出現了相似的變化模式，而研究這些復雜的關聯或有望揭示未知的關系，并能夠幫助開發更加有效的組合性療法�；�于構建的數據庫，科學家們就能夠立刻觀察到給定藥物所產生的反應，包括干擾的通路和適應性的反應等，同時還能幫助確定最佳的藥物組合。隨著研究人員進一步擴大數據范圍，這或許就能作為一個非常有價值的起點來幫助研究人員進行藥物的機制性研究。

盡管本文研究只包括了癌癥類型的一個子集，后期研究人員希望繼續深入研究來增加數據庫，而從長遠看來，基于基線和療法后的蛋白質組特性分析或有望作為臨床中一種非常有效的工具，其能夠幫助研究者更好地追蹤患者對療法的反應并優化后期的治療性策略。