组学在转化医学中的应用进展

金利泰

（温州医科大学药学院，温州 325035）

组学在转化医学中的应用进展

金利泰

（温州医科大学药学院，温州 325035）

金利泰，教授，博士生导师。主要研究领域包括蛋白质组学，慢性疾病及皮肤创伤等发病机制研究，生物大分子检测技术的开发及其机理研究。以蛋白质组学平台为基础，对心肌病、糖尿病和皮肤创伤等发病机理及FGF对相关疾病治疗机制展开了深入的研究，并开发了多种DNA和蛋白质等大分子检测技术。

E-mail:jin-li-tai@163.com

作为当前医学科学研究领域的热点方向，转化医学（translational medicine）是指以患者为中心，从临床应用的实际需求出发，将基础研究成果快速有效地转化为临床技术的过程，并通过临床数据的深入分析进一步指导基础研究，以循环的方式不断高效促成医疗水平的提升与完善，从而更好地服务于人类健康。作为转化医学的重要研究手段，基因组学、转录组学、蛋白组学和代谢组学等技术平台为其高速发展提供了强劲的动力。文章对转化医学及其相关组学平台的应用进行了阐述，并对其发展趋势进行了探讨。

传统的基础研究和临床应用之间相互独立，缺少必要的沟通和联系，具有局限性、盲目性和滞后性等不足，迫使医学研究一度陷入了发展的瓶颈。转化医学的产生为现代医学发展提供了革命性的理念，其概念的内涵也在不断的延伸、发展和完善。Sung将转化医学定义为“从实验台到临床”单向通道的概念，其主要目标是将基础研究的成果转化为实用技术，应用于临床的治疗，即基础医学研究-人类实验转化-临床科学知识-临床实践应用；而Marincola认为转化医学是高效地将医学基础研究的成果转化为临床技术和产品，并把临床治疗凝练得到的科学问题反馈给实验室，作为进一步研究的基础7。这种双向通道的模式不仅打破了基础研究和应用之间的壁垒，而且可以推动医疗水平持续的进步与完善。疾病的发生和发展与基因组、转录组、蛋白组及代谢组等多个不同层次的病理过程息息相关1～15。组学概念出现于21世纪初期，随着生物技术的不断更新与蓬勃发展，已拓展到不同的研究领域。多组学技术平台的快速更新为转化医学体系的发展、完善提供了多层次的高通量组学数据研究和获取的策略，如疾病基因的查找，生物标志物、给药靶点的筛选，信号通路的分析等，为疾病预防、诊断、治疗等提供了更多必要的8～途径和重要的手段1617。

1 各组学与转化医学

1.1 基因组学与转化医学

全基因组关联分析（genomewide association study，GWAS）可在人类全基因组范围内找出存在的序列变异，通过对比分析病例与对照样本的基因组学数据信息，获得与疾病相关的靶点1819。自2005年首个GWAS研究与年龄相关性黄斑变性相关的报道发表在《科学》杂志以来，该技术使许多复杂疾病的研究获得了突破性进展，在医学领域中受到了极大的重视18～20。人们已通过GWAS技术发现并鉴定了大量与复杂性状相关联的遗传变异。截至2016年9月18日，GWAS Catalog数据库共收载了GWAS相关研究文章2546篇，发现了22 037个单核苷酸多态性（SNP）与24 916个疾病/性状关联。包括消化系统疾病、心血管疾病、代谢性疾病、神经系统疾病、免疫系统疾病和肿瘤等多种疾病/性状被 美国NIH权威数据库收录。2009年，张学军教授团队验证了银屑病中已报道的MHC和IL12B基因，并发现了一个新的易感基因LCE，该成果作为中国第一篇GWAS论文以“Psoriasis genomewide association study identifies susceptibility variants within LCE gene cluster at 1q21”为题发表在《Nature Genetics》杂志上21。张学军教授认为，未来GWAS研究将应用在疾病预警、遗传咨询、早期诊断、风险评估以及药物选择中。随着基因组学技术的不断发展，人们将会对变异与疾病之间的关系有更深入、更系统的理解，并将其高效地转化到临床应用中。

1.2 转录组学与转化医学

从广义上讲，转录组的研究对象为特定细胞在某一生理状态下所转录加工的RNA分子，包括信使RNA、核糖体RNA、转运RNA及非编码RNA等功能单元22。其主要研究内容是RNA与蛋白质分子和它们所组成的基因功能网络分析，及它们与细胞功能的关系等变化规律。转录组谱不但可以根据某些基因表达的信息推断相应未知基因的功能，探究特定调节基因的作用机制，而且还可以依照基因表达谱的分子标签用于疾病的诊断分析23～25。

新一代高通量测序技术RNA-seq是目前深入研究转录组的强大工具26～28。Chen等

29对肝癌进行转录组测序分析，结果显示编码抑制酶AZIN1的RNA编辑发生了改变，导致其空间构象也发生了变化，进而增强了癌症细胞的侵袭性。在非小细胞肺癌的研究30发现新的融合基因（ALK-PTPN3）会促使抑癌基因PTPN3的等位失活，该发现对肺癌的诊断和靶向治疗有重要意义。通过RNA-seq和 ChIRP-seq等技术对非编码RNA进行研究，发现 lncRNA在前列腺癌、肺癌和心脏病等疾病中也具有重要作用中，Jung等33通过对 7256组RNA-seq数据进行分析比较，发现机体中高达68%的转录产物为lncRNA，大约有7%的lncRNA和疾病相关的SNP重合。

目前，转录组研究已经成为揭示疾病的基因突变规律、探究疾病发生和发展的重要机制、发现致病基因调控的关键靶点等问题的重要手段， 对分子病因学分析、药物个性化治疗、预后评价及发现新的药物靶点等诸多新领域具有重要意义73132。 Lyer等34～36。

1.3 蛋白组学与转化医学

蛋白组学通过对机体的细胞或组织内的蛋白质组成、表达水平、修饰情况以及蛋白质间相互作用关系等进行系统的分析，揭示蛋白质与生命活动的内在联系和规律。在临床医学研究中，通过对比分析正常机体及病理条件下的机体蛋白质组差异，发现与疾病密切相关的特异性的蛋白质分子，进而推测某些特异性蛋白质与疾病的关系。这些蛋白质不但可以作为疾病早期诊断的生物标记物，还可能作为新药设计的潜在靶点37。

在癌症预测与诊断中，生物标记物的应用已较为成熟，如HER-2/ neu 可特异地作为 乳腺癌及胃癌诊断的重要参考指标，CD20抗原则与淋巴癌联系紧密38～40。在阿尔茨海默症的研究中，Song等41通过蛋白组学技术对411位认知正常的对照受试者、261位轻度认知障碍者和19位阿尔茨海默症患者的血浆蛋白样本进行分析，并通过Western对质谱数据进一步验证，发现 30种蛋白在阿尔茨海默症患者和轻度认知障碍者样本中调节异常， Afamin和IGHM两种蛋白质的表达在阿尔茨海默症患者样本中发生了显著的改变，可作为该疾病诊断的潜在生物标记物。新一代蛋白质芯片技术的发展将使临床疾病的筛查和治疗变得更便捷、高效42～44。

1.4 代谢组学与转化医学

代谢组学通过高分辨的质谱、核磁等技术，对机体体液或组织中代谢物进行高通量分析，并结合多元统计学，模式识别模型筛选与疾病相关且具有显著差异的代谢标志物，为疾病的诊治提供科学依据。

目前，代谢标志物被广泛应用在临床各类癌症的预测分析。前列腺癌患者的血浆中，葡萄糖、赖氨酸、苯丙氨酸、乙酰半胱氨酸等代谢标志物浓度明显升高而脂质的浓度降低，在临床预测中，其准确率达93%以上45。在卵巢癌预测分析中，酮体、丙氨酸、缬氨酸、低密度脂蛋白、神经酰胺和溶血磷脂等标志物通常作为重要的参考依据46。此外，对癌细胞的代谢通路进行研究发现，其代谢通路中的IDH1和IDH2两个异柠檬酸脱氢酶突变体可以促进癌细胞的能量代谢，提高癌细胞的存活率。因此，代谢组学不但可以通过代谢标志物对疾病的进程做出直观的预测，而且能够通过代谢通路探寻疾病发生的机理47。

1.5 多组学与转化医学

传统的单组学研究已为疾病的筛查、诊断、治疗和预防等提供了重要的参考信息，极大地提高了人们对疾病的深层认知水平，丰富了临床治疗的手段。然而，机体是一个非常复杂的生命系统，疾病的发生将促使机体产生一系列的连锁反应，单组学数据分析通常只能探寻疾病状态多种变化的单一层面信息2548～51。随着高通量组学技术对疾病研究的不断深入，单组学分析愈加难以满足转化医学的需求。多组学的关联组合分析，不仅可以更全面、更系统地发掘疾病的形成机理，也可以通过相互补充、确证来提升诊疗的成功率52～56。

多组学分析与转化医学的具体研究策略为多源数据的 标准化处理-数据间相互关联的建立-疾病相关因子的过滤筛选-疾病诊疗模型的建立-对疾病进行预测和干预的实施-诊疗后临床数据的分析-对诊疗模型的进一步完善48。

2 组学与转化医学的发展展望

从宏观角度分析，机体由健康状态向疾病状态的转变，是各种因素综合作用的结果。在疾病发展进程中，各种生物分子的种类及含量不断发生改变，且疾病发展的趋势也不尽相同，各种复杂的因素的叠加给疾病的研究与临床治疗的整合（即转化医学）带来了巨大的挑战，而组学技术的蓬勃发展为转化医学的发展带来了新的契机。

基因组学、转录组学、蛋白组学和代谢组学等多项组学综合技术平台的构建，多组学信息库的发展与完善，使人们可以对机体病理状态下不同层次的调控因子的改变进行深层发掘和解析。例如，通过基因组学和转录组学查找疾病控制基因及靶点，通过蛋白组学探究发病关联信号通路机理、生物标志物及相关靶点，通过代谢组学分析基因表达蛋白调控的最终影响和表现55。从不同水平系统分析、相互验证，54全面地解读疾病发生、发展进程，从而为临床疾病诊断、治疗提供全新而有效的方案36。以临床的实际需求为切入点，通过对不同来源数据信息系统地分析与研究，使之转化为高效的诊疗技术，并最终服务于临床。

1 SUND N S, JR C W, GENEL M, et al. Central challenges facing the national clinical research enterprise. Jama, 2003, 289(10):1278-1287.

2 MARINCOLA F M. The trouble with translational medicine. Journal of Internal Medicine, 2011, 270(2):123-127.

3 THEOCHARIS A D, SKANDALIS S S, NEILL T, et al. Insights into the key roles of proteoglycans in breast cancer biology and translational medicine. Biochimica et Biophysica Acta, 2015, 1855(2):276-300.

4 FAN J, KITAJIMA S, WATANABE T, et al. Rabbit models for the study of human atherosclerosis: from pathophysiological mechanisms to translational medicine. Pharmacology & Therapeutics, 2015, 146:104-119.

5 MACHADO C M, REBHOLZ S D, FREITAS A T, et al. The semantic web in translational medicine: current applications and future directions. Briefings in Bioinformatics, 2015, 16(1):89-103.

6 SCHMIDT H H, STOCKER R, VOLLBRACHT C, et al. Antioxidants in translational medicine. Antioxidants & Redox Signaling, 2015, 23(14):1130-1143.

7 MALIK R, PATEL L, PRENSNER J R, et al. The lncRNA PCAT29 inhibits oncogenic phenotypes in prostate cancer. Molecular Cancer Research, 2014, 12(8):1081-1087.

8 GEMMATI D, TOGNAZZO S, SERINO M L, et al. Factor ⅩⅢ V34L polymorphism modulates the risk of chronic venous leg ulcer progression and extension. Wound Repair and Regeneration, 2004, 12(5):512-517.

9 ZAMBONI P, DE MATTEI M, ONGARO A, et al. Factor ⅩⅢ contrasts the effects of metalloproteinases in human dermal fibroblast cultured cells. Vascular and Endovascular Surgery, 2004, 38(5):431-438.

10 CUI C, LIU G, HUANG Y, et al. MicroRNA profiling in great saphenous vein tissues of patients with chronic venous insufficiency. Tohoku Journal of Experimental Medicine, 2012, 228(4):341-350.

11 BATEMAN N W, SUN M, HOOD B L, et al. Defining central themes in breast cancer biology by differential proteomics: conserved regulation of cell spreading and focal adhesion kinase. J Proteome Res, 2010, 9(10):5311-5324.

12 KRISTIANSEN T Z, HARSHA H C, GRONBORG M, et al. Differential membrane proteomics using18O-labeling to identify biomarkers for cholangiocarcinoma. J Proteome Res, 2008, 7(11):4670-4677.

13 AN H J, LEBRILLA C B. A glycomics approach to the discovery of potential cancer biomarkers. Methods in Molecular Biology, 2010, 600:199-213.

14 STECHMILLER J K, CHILDRESS B, COWAN L. Arginine supplementation and wound healing. Nutr Clin Pract, 2005, 20(1):52-61.

15 CHILDRESS B, STECHMILLER J K, SCHULTZ G S. Arginine metabolites in wound fluids from pressure ulcers: a pilot study. Biological Research for Nursing, 2008, 10(2):87-92.

16 LOPEZ E, MADERO L, LOPEZ-PASCUAL J, et al. Clinical proteomics and OMICS clues useful in translational medicine research. Proteome Science, 2012, 10(1):35.

17 MANNELLO F, LIGI D, CANALE M, et al. Omics profiles in chronic venous ulcer wound fluid: innovative applications for translational medicine. Expert Review of Molecular Diagnostics, 2014, 14(6):737-762.

18 BAINBRIDE M N, WISZNIEWSKI W, MURDOCK D R, et al. Whole-genome sequencing for optimized patient management. Science Translational Medicine, 2011, 3(87):87re3.

19 BAMSHAD M J, NG S B, BIGHAM A W, et al. Exome sequencing as a tool for Mendelian disease gene discovery. Nature Reviews Genetics, 2011, 12(11):745-755.

20 WELTER D, MACARTHUR J, MORALES J, et al. The NHGRI GWAS Catalog, a curated resource of SNP-trait associations. Nucleic Acids Research, 2014, 42:D1001-D1006.

21 ZHANG X J, HUANG W, YANG S, et al. Psoriasis genome-wide association study identifies susceptibility variants within LCE gene cluster at 1q21. Nature Genetics, 2009, 41(2):205-210.

22 SULTAN M, SCHULZ M H, RICHARD H, et al. A global view of gene activity and alternative splicing by deep sequencing of the human transcriptome. Science, 2008, 321(5891):956-960.

23 WANG E T, SANDBERG R, LUO S, et al. Alternative isoform regulation in human tissue transcriptomes. Nature, 2008, 456(7221):470-476.

24 BURD C E, JECK W R, LIU Y, et al. Expression of linear and novel circular forms of an INK4/ARF-associated non-coding RNA correlates with atherosclerosis risk. PLoS Genetics, 2010, 6(12):e1001233.

25 LUKIW W J. Circular RNA (circRNA) in Alzheimer's disease (AD). Frontiers in Genetics, 2013, 4:307.

26 RAMSKOLD D, WANG E T, BURGE C B, et al. An abundance of ubiquitously expressed genes revealed by tissue transcriptome sequence data. PLoS Computational Biology, 2009, 5(12):e1000598.

27 HITZEMANN R, BOTOOMLY D, DARAJIAN P, et al. Genes, behavior and next-generation RNA sequencing. Genes Brain Behav, 2013, 12(1):1-12.

28 GOU Y, CHEKALUK Y, ZHANG J, et al. TSC1 involvement in bladder cancer: diverse effects and therapeutic implications. The Journal of Pathology, 2013, 230(1):17-27.

29 CHEN L, LI Y, LIN C H, et al. Recoding RNA editing of AZIN1 predisposes to hepatocellular carcinoma. Nature Medicine, 2013, 19(2):209-216.

30 JUNG Y, KIM P, JUNG Y, et al. Discovery of ALK-PTPN3 gene fusion from human non-small cell lung carcinoma cell line using next generation RNA sequencing. Genes Chromosomes & Cancer, 2012, 51(6):590-597.

31 KATOLKA M, WANG D Z. Non-coding RNAs including miRNAs and lncRNAs in cardiovascular biology and disease. Cells, 2014, 3(3):883-898.

32 WHITE N M, CABANSKI C R, SILVA-FISHER J M, et al. Transcriptome sequencing reveals altered long intergenic non-coding RNAs in lung cancer. Genome Biology, 2014, 15(8):429.

33 LYER M K, NIKNAFS Y S, MALIK R, et al. The landscape of long noncoding RNAs in the human transcriptome. Nature Genetics, 2015, 47(3):199-208.

34 SHAK S P, KOBEL M, SENZ J, et al. Mutation of FOXL2 in granulosa-cell tumors of the ovary. New England Journal of Medicine, 2009, 360(26):2719-2729.

35 SHAH S P, MORIN R D, KHATTRAJ J, et al. Mutational evolution in a lobular breast tumour profiled at single nucleotide resolution. Nature, 2009, 461(7265):809-813.

36 PALANISAMY N, ATEEQ B, KALYANA-SUNDARAM S, et al. Rearrangements of the RAF kinase pathway in prostate cancer, gastric cancer and Melanoma. Nature Medicine, 2010, 16(7):793-798.

37 EBHARDT H A, ROOT A, SANDER C, et al. Applications of targeted proteomics in systems biology and translational medicine. Proteomics, 2015, 15(18):3193-3208.

38 XIAO M, WANG X, CHEN W. The clinical translational potential of p53-related alterations as cancer biomarkers. Histology and Histopathology, 2015, 30(10):1171-1183.

39 SINICROPE F A, OKAMOTO K, KASI P M, et al. Molecular biomarkers in the personalized treatment of colorectal cancer. Clin Gastroenterol Hepatol, 2016, 14(5):651-658.

40 WADA N, IKEDA J, NOJIMA S, et al. Requirement of CXCL12-CXCR7 signaling for CD20(-) CD138(-) double-negative population in lymphoplasmacytic lymphoma. Lab Invest, 2016, 96(5):517-525.

41 SONG F, POLJAK A, KOCHAN N A, et al. Plasma protein profiling of mild cognitive impairment and Alzheimer's disease using iTRAQ quantitative proteomics. Proteome Science, 2014, 12(1):5.

42 YANG Z, CHEVOLOT Y, GEHIN T, et al. Characterization of three amino-functionalized surfaces and evaluation of antibody immobilization for the multiplex detection of tumor markers involved in colorectal cancer. Langmuir, 2013, 29(5):1498-1509.

43 MOSCHALLSKI M, EVERS A, BRANDSTETTER T, et al. Sensitivity of microarray based immunoassays using surface-attached hydrogels. Analytica Chimica Acta, 2013, 781:72-79. 44 GAGNI P, SOLA L, CRETICH M, et al. Development of a high-sensitivity immunoassay for amyloid-beta 1-42 using a silicon microarray platform. Biosensors & Bioelectronics, 2013, 47:490-495.

45 WU C L, JORDAN K W, RATAI E M, et al. Metabolomic imaging for human prostate cancer detection. Science Translational Medicine, 2010, 2(16):16ra8.

46 GARCIA E, ANDREWS C, HUA J, et al. Diagnosis of early stage ovarian cancer by1H NMR metabonomics of serum explored by use of a microflow NMR probe. J Proteome Res, 2011, 10(4):1765-1771.

47 SCHULZE A, HARRIS A L. How cancer metabolism is tuned for proliferation and vulnerable to disruption. Nature, 2012, 491(7424):364-373.

48 CREIGHTON C J, Fu X, HENNESSY B T, et al. Proteomic and transcriptomic profiling reveals a link between the PI3K pathway and lower estrogen-receptor (ER) levels and activity in ER+ breast cancer. Breast Cancer Res, 2010, 12(3):R40.

49 ZHANG W, LIU Y, SUN N, et al. Integrating genomic, epigenomic, and transcriptomic features reveals modular signatures underlying poor prognosis in ovarian cancer. Cell Reports, 2013, 4(3):542-553.

50 BUTTERFIELD D A, DALLE-DONNE I. Redox proteomics: from protein modifications to cellular dysfunction and disease. Mass Spectrometry Reviews, 2014, 33(1):1-6.

51 GONZALES-DOMINGUEZ R, GARCIA-BARRERA T, Vitorica J, et al. Metabolomics reveals significant impairments in the immune system of the APP/PS1 transgenic mice of Alzheimer's disease. Electrophoresis, 2015, 36(4):577-587.

52 SCHUMACHER A, RUJAN T, HOEFKENS J. A collaborative approach to develop a multi-omics data analytics platform for translational research. Applied & Translational Genomics, 2014, 3(4):105-108.

53 ZHANG B, WANG J, WANG X, et al. Proteogenomic characterization of human colon and rectal cancer. Nature, 2014, 513(7518):382-387.

54 ZHANG W, LI F, NIE L. Integrating multiple 'omics' analysis for microbial biology: application and methodologies. Microbiology, 2010, 156:287-301.

55 NIE L, WU G, ZHANG W. Correlation of mRNA expression and protein abundance affected by multiple sequence features related to translational efficiency in Desulfovibrio vulgaris: a quantitative analysis. Genetics, 2006, 174(4):2229-2243.

56 YOON S H, HAN M J, JEONG H, et al. Comparative multi-omics systems analysis of Escherichia coli strains B and K-12. Genome Biology, 2012, 13(5):R37.

10.3969/j.issn.1674-0319.2016.06.003