西北医学的一项研究已经确定了一种驱动乳腺癌干性和转移的蛋白质

西北医学的一项研究已经确定了一种驱动乳腺癌干性和转移的蛋白质。这些发现由机器学习实现，发表在eLife杂志上。

具有干细胞祖细胞特性(干细胞性)的肿瘤启动细胞被认为对许多癌症的癌症发展和转移再生至关重要。然而，根据该研究的资深作者刘慧平博士，血液学和肿瘤学系药理学和医学教授，阐明潜在的分子网络一直具有挑战性。

结合机器学习和实验研究，Liu和她的团队证明，蛋白膜CD81与另一种先前发现的肿瘤起始细胞标志物CD44相互作用，促进三阴性乳腺癌(TNBC)的肿瘤细胞簇形成和肺转移。

“这些发现拓宽了乳腺癌细胞干细胞的分子调控网络的知识，可能对治疗靶向具有重要意义，”刘说。

TNBC占新诊断乳腺癌病例的10%至15%，高度转移，长期生存率低。TNBC转移至内脏器官，如肺，肝和脑。虽然导致肿瘤细胞扩散的细胞机制在很大程度上仍然是未知的，但蛋白质网络提供了一个线索，刘说。

“我们知道蛋白质功能及其网络是直接介导细胞表型和表现的骨架的一部分，”她说。

在之前的研究中，刘的实验室发现，乳腺肿瘤起始细胞标志物CD44介导循环肿瘤细胞(CTC)簇(两个或多个细胞)的形成，其在这些簇中的富集表达预测乳腺癌患者，特别是TNBC患者的不利总体生存。CTC集群在播种转移方面的效率比单个CTC高出100倍。

在这项研究中，为了表征CD44的蛋白质网络，科学家们发现CD44与CD81结合以进行协调的膜定位，并且两者都是最佳自我更新，CTC簇形成和转移所必需的，强调了CD44和CD81在转移中的细胞粘附和细胞间相互作用中不可或缺的功能，刘说。

为了证明两种膜蛋白之间的伙伴关系，科学家们使用了一种复杂的、基于计算算法的蛋白质结构建模(机器学习)来预测蛋白质相互作用中涉及的界面区域和氨基酸残基。然后使用实验方法来验证CD44和CD81界面相互作用。

“机器学习和深度学习改变了蛋白质结构建模，极大地促进了TNBC和其他转移性疾病的分子理解和治疗发展，”刘说。

标签：