基于癌症基因组的Atlas(TCGA)计划的数据，美国的科学家联合小组已经完成乳腺癌的**次大规模“蛋白基因组（proteogenomic）”研究，将DNA突变联系到蛋白信号并帮助确定癌症驱动基因。这项研究由美国国家癌症研究所的肿瘤临床蛋白质组学分析联盟成员进行，包括贝勒医学院、MIT和哈佛的Broad研究所，FredHutchinson癌症研究所，纽约大学Langone医学中心和华盛顿大学医学院。这项研究工作主要针对蛋白质，以及它们的修饰来更好地理解癌症。发表在6月2日的Nature上的相关文章表明了整合基因组和蛋白组数据获得更完整的癌症生物学图景，比任何单独的分析都要全面。
1、联系起基因组和蛋白组及磷酸蛋白组
文章的一名资深作者，贝勒医学院的MatthewEllis博士说啊：“我们对复杂的癌症基因组如何会导致复发和死亡率的驱动生物学并不完全了解。这些发现的结果表明，蛋白基因组整合有**会被证明是一个强大的临床工具，使我们能够弥补肿瘤基因组学和临床行为之间巨大的知识差距。”
对77名已经被TCGA计划基因组特征分析过后的乳腺癌样本的蛋白组（细胞中所有的蛋白）和磷酸化蛋白组（蛋白被磷酸化驱动细胞中的通讯）的努力产生了对其全局的概述。虽然在TCGA计划中发现在癌症中有广泛的体细胞突变，但这些突变对于细胞功能或是患者预后的影响是未知的。此外，并非所有的突变基因都是癌症真正的驱动者，有些突变只有很少的功能效应，另外有些突变是在非常广的DNA区域中发现被删除或有额外的拷贝。所以通过研究候选基因列表的蛋白活性可以帮助确定治疗目标。
2、运用高分辨率的质谱技术
在这项研究中，研究人员使用了准确的、高分辨率质谱技术，这个技术让被研究蛋白质覆盖的面远超过传统抗体覆盖的。这让研究人员能在一个非常深的覆盖率水平上，对12,000个蛋白和33,000个蛋白磷酸化位点进行量化。
Broad研究所的蛋白组平台负责人，资深作者StevenCarr说：“样品处理和仪器的进步带来了对基于质谱的蛋白组学的一场革命。我们现在可以将其应用到磷酸蛋白组学上，这是对理解信号传递在癌症和其它疾病过程中的作用起到关键的作用。在我们的方法之前达不到的规模上，产生强大的和可重复的数据。”
3、发现乳腺癌亚型的蛋白标记和信号通路
与其它癌症一样，乳腺癌肿瘤也有许多突变，所以研究它们都需要用无数的实验来识别模型系统中各种突变组合的影响。运用这种方法，研究团队可以研究那些产生了突变的癌细胞并分析细胞蛋白质的综合输出。
NIH国立癌症研究所的执行主任DouglasLowy博士说：“来自癌症蛋白组和基因组数据联合分析有潜力得出新的见解。蛋白组的数据现在可以提供单用基因组分析较难或不能获得的有关蛋白水平和活性的信息。”
该研究发现了乳腺癌亚型的蛋白标记和信号通路以及肿瘤携带有频繁的比如PIK3CA和TP53这样的突变。研究队伍也将一些基因拷贝数的变化和蛋白水平变化联系了起来，鉴定了10个新的候选调控因子。其中两个候选基因SKP1和CETN3，可以联系到癌基因表皮生长因子受体EGFR，这是特别突出的乳腺癌亚型的标志，被称为“基底细胞样”肿瘤。
利用转录水平分析，科学家们将乳腺癌分为四大类：luminalA和B亚型、基底样肿瘤与HER2基因富集肿瘤。在这项工作中，研究人员运用蛋白质组和磷酸蛋白质组的数据概括基底细胞和luminal亚型。他们还通过磷酸化途径将肿瘤归类，鉴定了一个基质丰富的集群，都突出了一个用mRNA方法没有发现的G蛋白偶联受体的亚型。
在乳腺癌的研究和治疗中，科学家和医生希望能鉴定除了HER2之外更多的能用药物处理的激酶蛋白。比如曲妥珠单抗（赫赛汀）可以在20%过度表达HER2蛋白乳腺癌患者中以HER2为靶。在这个研究中，研究人员对激酶的磷酸化状态进行分析，在乳腺癌组织样本中突出的异常活化的激酶是HER2,CDK12,PAK1,PTK2,RIPK2和TLK2。
华盛顿大学McDonnell基因组研究所的助理主任LiDing博士说：“了解蛋白在细胞中是怎样工作的对于我们来说非常重要，这是一个综合性的工作，确实能给我们一个全新的认识。蛋白基因组的方法显示了能具体到更小的蛋白和它们的修饰，让我们从治疗的角度来看待问题。”
