Обеспечение анализа экспрессии белков между показаниями с помощью курируемого пан-ракового набора данных и специализированного рабочего процесса

Почему так сложно сравнивать белки при раке

Лекарства от рака все чаще нацелены на одни и те же биологические мишени в разных типах опухолей, но понять, где мишень наиболее релевантна, не так просто. Сегодня крупные публичные проекты, такие как CPTAC Национального института рака, генерируют подробные измерения белков в тысячах образцов опухолей. Тем не менее эти измерения получаются в разных центрах, в разное время и с разными техническими особенностями. В результате простой вопрос «выше ли уровень этого белка при раке легкого, чем при раке почки?» может дать вводящий в заблуждение ответ. В этой работе описан практический, основанный на данных подход к очистке, дополнению и выравниванию сложных протеомных наборов данных, благодаря которому становятся возможны честные сравнения между типами рака.

Построение общей карты белков при раке

Авторы начинают с пан-раковой коллекции CPTAC: более тысячи опухолей и соответствующих нормальных тканей из десяти типов рака, все измеренные методом масс-спектрометрии. Эти эксперименты фиксируют тысячи белков в каждой пробе, но не всегда одни и те же белки во всех опухолях и не с одинаковым распределением по когортам. Команда сначала повторно обработала все сырые данные единым вычислительным конвейером, чтобы каждая когорта обрабатывалась последовательно. Затем они сосредоточились на базовом наборе более чем 10 000 «надежно экспрессируемых» белков — тех, которые достаточно богаты и редко отсутствуют по крайней мере в одном типе рака — чтобы сравнения между раками опирались на стабильные измерения, а не на фрагментарные сигналы.

Заполнение пробелов без искажения картины

Даже после тщательного отбора многие значения белков по-прежнему отсутствуют. Некоторые пропуски случайны, подобно случайным опечаткам; другие возникают потому, что уровень белка опустился ниже предела обнаружения прибора. Одинаковое обращение со всеми пропусками может ввести смещение. Поэтому авторы использовали стратегию «когортного гибрида», которая по-разному относится к разным шаблонам пропусков в рамках каждого типа рака. Для белков, у которых наблюдается простое недоотборное наблюдение, они заимствуют информацию из похожих образцов, чтобы оценить пропущенные значения. Для белков, которые систематически слишком низки для обнаружения, применяют метод, адаптированный к лево-сензорным (left-censored) данным, фактически помещая такие значения рядом с нижним пределом прибора. Этот тонкий подход нацелен на восстановление реалистичной картины уровней белков без выдумывания искусственных различий.

Сделать распределения сопоставимыми между типами рака

После заполнения пробелов остается другая проблема: в целом некоторые когорты демонстрируют более высокие или более изменчивые сигналы белков, чем другие, в основном из-за технических факторов, таких как подготовка образцов или калибровка прибора. Чтобы это скорректировать, команда переводит интенсивности белков в меру, близкую к абсолютной, а затем тестирует две стратегии нормализации. Одна, называемая глобальной квантилизационной нормализацией, принуждает все образцы — по всем типам рака и тканям — иметь одинаковое общее распределение значений белков. Другая, «плавная» квантилизационная нормализация, выравнивает образцы внутри каждого типа рака или ткани, позволяя при этом сохранять различия между группами. Анализируя шаблоны вариаций и проводя множество проверок чувствительности, авторы показывают, что глобальная квантилизационная нормализация лучше всего снижает нежелательные технические различия, сохраняя при этом значимые биологические контрасты, такие как изменения опухоль против нормы.

Проверка по независимым данным РНК

Чтобы удостовериться, что очищенный набор белков ведет себя реалистично между типами рака, авторы обращаются к измерениям РНК из The Cancer Genome Atlas. Для небольшой группы белков, уровни которых тесно коррелируют с соответствующей РНК между раками, они сравнивают, как разные типы опухолей ранжируются по экспрессии белка по сравнению с экспрессией РНК. Если кросс-раковая нормализация успешна, эти ранжирования должны согласовываться. Действительно, сочетание когортного гибридного подхода к импутации и глобальной квантилизационной нормализации обеспечивает наилучшее совпадение рангов между белком и РНК, превосходя как ненормализованные данные, так и альтернативный метод нормализации. Дополнительные тесты показывают, что ключевые биологические сигналы — например, какие белки изменяются между опухолями и нормальными тканями и какие клеточные пути затронуты — в основном сохраняются после полного рабочего процесса обработки.

Что это значит для будущих исследований рака

Проще говоря, эта работа превращает шумную, неоднородную коллекцию измерений белков в более надежный общий эталон для сравнения раков. Тщательно выбирая, какие белки оставить, как заполнять пропуски и как выравнивать распределения между исследованиями, авторы создают пан-раковый протеомный ресурс, который лучше согласуется с независимыми данными РНК и сохраняет биологию опухолей. Этот стандартизованный набор данных и открытый рабочий процесс могут помочь исследователям ранжировать лекарственные мишени между множеством типов опухолей, выявлять рако-специфичные белки и генерировать новые гипотезы для терапии — ускоряя путь от крупномасштабных данных к практическим достижениям в онкологии.

Цитирование: Wang, J., Tian, X., Yu, W. et al. Enabling cross-indication protein expression analysis using a curated pan-cancer dataset and a tailored workflow. Sci Rep 16, 14623 (2026). https://doi.org/10.1038/s41598-026-44872-z

Ключевые слова: пан-раковая протеомика, нормализация экспрессии белков, CPTAC, импутация пропущенных данных, поиск мишеней при раке