БИОХИМИЯ, 2022, том 87, вып. 11, с. 1634–1647
УДК 57.088.1;577.12.5
О возможности использования метода ультракороткого полнопротеомного анализа DirectMS1 в задачах химической протеомики по поиску мишеней лекарственного воздействия
1 Федеральный исследовательский центр химической физики имени Н.Н. Семенова РАН, Институт энергетических проблем химической физики имени В.Л. Тальрозе, 119334 Москва, Россия
2 Московский государственный университет имени М.В. Ломоносова, химический факультет, 119991 Москва, Россия
Поступила в редакцию 16.06.2022
После доработки 20.09.2022
Принята к публикации 03.10.2022
DOI: 10.31857/S0320972522110094
КЛЮЧЕВЫЕ СЛОВА: протеомика, масс-спектрометрия, белки, лонидамин, лизис, сигнальные каскады лонидамина.
Статья на английском языке опубликована в режиме Open Access (открытого доступа) на сайте издательства Springer. DOI: 10.1134/S000629792211013X.
Аннотация
Анализ количественного содержания белков в клетках тканей или физиологических жидкостях, основанный на хроматомасс-спектрометрии, является одним из ключевых источников информации о механизмах жизнедеятельности клеток в условиях химиотерапевтического воздействия. Выявление значимых изменений экспрессии белков решается методами химической протеомики и требует анализа протеомов клеток, подверженных обработке лекарствами, а также разработки экспериментальных и биоинформатических методов и подходов к поиску лекарственных мишеней. При этом производительность полнопротеомного анализа, основанного на жидкостной хроматографии и тандемной масс-спектрометрии, является одним из основных факторов, ограничивающих масштаб таких исследований. Метод прямой масс-спектрометрической идентификации белков DirectMS1 является одним из разработанных в последние годы подходов, позволяющих осуществлять ультракороткий полнопротеомный анализ в режиме минутных градиентов разделения смесей протеолитических пептидов. Целями данной работы являлось выяснение возможностей и ограничений метода для идентификации мишеней лекарственного воздействия на уровне всего клеточного протеома, а также выявления активируемых воздействием клеточных процессов. В частности, в работе был проведён анализ литературных данных химической протеомики для большого набора онкопрепаратов, полученных ранее методом мультиплексного количественного протеомного профилирования, основанного на тандемной масс-спектрометрии в сочетании с высокоэффективной жидкостной хроматографией. Полученные результаты были сопоставлены с данными полнопротеомного анализа, полученными методом DirectMS1 с использованием ультракоротких режимов разделения протеолитических смесей для клеточных линий человека, с целью выяснения возможностей метода идентифицировать известные лекарственные мишени онкопрепаратов. Также, на примере клеточной линии A2780, было проведено полнопротеомное сравнение двух методик клеточного лизиса, включая используемый в химической протеомике лизис, основанный на заморозке-разморозке и стандартную в протеомных исследованиях методику на основе ультразвукового разрушения клеток. Кроме того, были получены результаты экспрессионной протеомики на основе ультракороткого полнопротеомного анализа методом DirectMS1 для клеточной линии A2780, обработанной онкопрепаратом лонидамин, с последующим анализом генных онтологий, с целью выяснения возможностей метода для выявления регуляции белков в клеточных процессах, ассоциированных с лекарственным воздействием.
Текст статьи
Сноски
* Адресат для корреспонденции.
Вклад авторов
Е.М. Соловьева – проведение экспериментов по методикам лизиса и анализ экспериментальных данных; Ю.А. Бубис, М.В. Иванов – проведение экспериментов и анализ данных, полученных с использованием метода DirectMS1; И.А. Тарасова – статистический анализ результатов экспрессионной протеомики, полученных для клеточной линии A2780, обработанной лонидамином; А.А. Лобас – анализ данных химической протеомики Каролинского института, полученных для клеточной линии А549, обработанной 56 известными онкопрепаратами; А.А. Назаров, И.А. Шутков – клеточные работы; М.В. Горшков – общее руководство работами и написание статьи.
Финансирование
Работа выполнена при финансовой поддержке Российского научного фонда (грант № 20-14-00229).
Благодарности
Авторы благодарят Центр коллективного пользования «Протеом Человека» Института биомедицинской химии имени В.Н. Ореховича и проф. В.Г. Згоду за помощь в реализации метода прямой масс-спектрометрической идентификации белков DirectMS1 для полнопротеомного анализа и наработку экспериментальных данных для данного исследования.
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Соблюдение этических норм
Настоящая статья не содержит описания каких-либо исследований с участием людей или животных в качестве объектов.
Список литературы
1. Olivier, M., Asmis, R., Hawkins, G. A., Howard, T. D., and Cox, L. A. (2019) The need for multi-omics biomarker signatures in precision medicine, Int. J. Mol. Sci., 20, 4781, doi: 10.3390/ijms20194781.
2. Ibrahim, R., Pasic, M., and Yousef, G. M. (2016) Omics for personalized medicine: defining the current we swim in, Expert Rev. Mol. Diagn., 16, 719-722, doi: 10.1586/14737159.2016.1164601.
3. Kamel, H. F. M., and Al-Amodi, H. S. A. B. (2017) Exploitation of gene expression and cancer biomarkers in paving the path to era of personalized medicine, Genom. Proteom. Bioinform., 15, 220-235, doi: 10.1016/j.gpb.2016.11.005.
4. Aebersold, R., and Mann, M. (2016) Mass-spectrometric exploration of proteome structure and function, Nature, 537, 347-355, doi: 10.1038/nature19949.
5. Beck, M., Schmidt, A., Malmstroem, J., Claassen, M., Ori, A., et al. (2011) The quantitative proteome of a human cell line, Mol. Syst. Biol., 7, 549, doi: 10.1038/msb.2011.82.
6. Saei, A. A., Sabatier, P., Tokat, Ü. G., Chernobrovkin, A., Pirmoradian, M., et al. (2018) Comparative proteomics of dying and surviving cancer cells improves the identification of drug targets and sheds light on cell life/death decisions, Mol. Cell Proteomics, 17, 1144-1155, doi: 10.1074/mcp.RA118.000610.
7. Gaetani, M., Sabatier, P., Saei, A. A., Beusch, C. M., Yang, Z., et al. (2019) Proteome integral solubility alteration: a high-throughput proteomics assay for target deconvolution, J. Proteome Res., 18, 4027-4037, doi: 10.1021/acs.jproteome.9b00500.
8. Savitski, M. M., Reinhard, F. B., Franken, H., Werner, T., Savitski, M. F., et al. (2014) Tracking cancer drugs in living cells by thermal profiling of the proteome, Science, 346, 1255784, doi: 10.1126/science.1255784.
9. Mateus, A., Kurzawa, N., Perrin, J., Bergamini, G., and Savitski, M. M. (2022) Drug target identification in tissues by thermal proteome profiling, Annu. Rev. Pharmacol. Toxicol., 62, 465-482, doi: 10.1146/annurev-pharmtox-052120-013205.
10. Baker, E. S., Liu, T., Petyuk, V. A., Burnum-Johnson, K. E., Ibrahim, Y. M., et al. (2012) Mass spectrometry for translational proteomics: progress and clinical implications, Genome Med., 4, 63, doi: 10.1186/gm364.
11. Gillet, L. C., Leitner, A., and Aebersold, R. (2016) Mass spectrometry applied to bottom-up proteomics: entering the high-throughput era for hypothesis testing, Annu. Rev. Anal. Chem., 9, 449-472, doi: 10.1146/annurev-anchem-071015-041535.
12. Zhang, L., and Elias, J. E. (2017) Relative protein quantification using tandem mass tag mass spectrometry, Methods Mol. Biol., 1550, 185-198, doi: 10.1007/978-1-4939-6747-6_14.
13. Bekker-Jensen, D. B., Kelstrup, C. D., Batth, T. S., Larsen, S. C., Haldrup, C., et al. (2017) An optimized shotgun strategy for the rapid generation of comprehensive human proteomes, Cell Syst., 4, 587-599.e4, doi: 10.1016/j.cels.2017.05.009.
14. Meier, F., Geyer, P. E., Virreira Winter, S., Cox, J., and Mann, M. (2018) BoxCar acquisition method enables single-shot proteomics at a depth of 10,000 proteins in 100 minutes, Nat. Methods, 15, 440-448, doi: 10.1038/s41592-018-0003-5.
15. Bache, N., Geyer, P. E., Bekker-Jensen, D. B., Hoerning, O., Falkenby, L., et al. (2018) Novel LC system embeds analytes in pre-formed gradients for rapid, ultra-robust proteomics, Mol. Cell. Proteomics, 17, 2284-2296, doi: 10.1074/mcp.TIR118.000853.
16. Meier, F., Brunner, A. D., Koch, S., Koch, H., Lubeck, M., et al. (2018) Online Parallel Accumulation-Serial Fragmentation (PASEF) with a novel trapped ion mobility mass spectrometer, Mol. Cell. Proteomics, 17, 2534-2545, doi: 10.1074/mcp.TIR118.000900.
17. Ivanov, M. V., Tarasova, I. A., Levitsky, L. I., Solovyeva, E. M., Pridatchenko, M. L., et al. (2017) MS/MS-free protein identification in complex Mixtures using multiple enzymes with complementary specificity, J. Proteome Res., 16, 3989-3999, doi: 10.1021/acs.jproteome.7b00365.
18. Ivanov, M. V., Bubis, J. A., Gorshkov, V., Tarasova, I. A., Levitsky, L. I., et al. (2020) DirectMS1: MS/MS-free identification of 1000 proteins of cellular proteomes in 5 minutes, Anal. Chem., 92, 4326-4333, doi: 10.1021/acs.analchem.9b05095.
19. Ivanov, M. V., Bubis, J. A., Gorshkov, V., Abdrakhimov, D. A., Kjeldsen, F., et al. (2021) Boosting MS1-only proteomics with machine learning allows 2000 protein identifications in single-shot human proteome analysis using 5 min HPLC gradient, J. Proteome Res., 20, 1864-1873, doi: 10.1021/acs.jproteome.0c00863.
20. Tansey, W. P. (2006) Freeze-thaw lysis for extraction of proteins from Mammalian cells, CSH Protoc., 2006, pdb.prot4614, doi: 10.1101/pdb.prot4614.
21. Saei, A. A., Beusch, C. M., Chernobrovkin, A., Sabatier, P., Zhang, B., et al. (2019) ProTargetMiner as a proteome signature library of anticancer molecules for functional discovery, Nat. Commun., 10, 5715, doi: 10.1038/s41467-019-13582-8.
22. Duan, J.-X. (2005) Method for synthesis of lonidamine and related indazole derivatives, Patent WO2005120498A2, publication date 22.12.2005.
23. Zhang, Y., Fonslow, B. R., Shan, B., Baek, M. C., and Yates, J. R. 3rd. (2013) Protein analysis by shotgun/bottom-up proteomics, Chem. Rev., 113, 2343-2394, doi: 10.1021/cr3003533.
24. Bateman, N. W., Goulding, S. P., Shulman, N. J., Gadok, A. K., Szumlinski, K. K., et al. (2014) Maximizing peptide identification events in proteomic workflows using data-dependent acquisition (DDA), Mol. Cell. Proteomics, 13, 329-338, doi: 10.1074/mcp.M112.026500.
25. Levitsky, L. I., Ivanov, M. V., Lobas, A. A., Bubis, J. A., Tarasova, I. A., et al. (2018) IdentiPy: an extensible search engine for protein identification in shotgun proteomics, J. Proteome Res., 17, 2249-2255, doi: 10.1021/acs.jproteome.7b00640.
26. Ivanov, M. V., Levitsky, L. I., Bubis, J. A., and Gorshkov, M. V. (2019) Scavager: a versatile postsearch validation algorithm for shotgun proteomics based on gradient boosting, Proteomics, 19, e1800280, doi: 10.1002/pmic.201800280.
27. Zybailov, B., Mosley, A. L., Sardiu, M. E., Coleman, M. K., Florens, L., et al. (2006) Statistical analysis of membrane proteome expression changes in Saccharomyces cerevisiae, J. Proteome Res., 5, 2339-2347, doi: 10.1021/pr060161n.
28. Bubis, J. A., Levitsky, L. I., Ivanov, M. V., Tarasova, I. A., and Gorshkov, M. V. (2017) Comparative evaluation of label-free quantification methods for shotgun proteomics, Rapid Commun. Mass Spectrom., 31, 606-612, doi: 10.1002/rcm.7829.
29. Zhang, B., Pirmoradian, M., Zubarev, R., and Käll, L. (2017) Covariation of peptide abundances accurately reflects protein concentration differences, Mol. Cell. Proteomics, 16, 936-948, doi: 10.1074/mcp.O117.067728.
30. Abdrakhimov, D. A., Bubis, J. A., Gorshkov, V., Kjeldsen, F., Gorshkov, M. V., et al. (2021) Biosaur: An open-source Python software for liquid chromatography-mass spectrometry peptide feature detection with ion mobility support, Rapid Commun. Mass Spectrom., e9045, doi: 10.1002/rcm.9045.
31. Eden, E., Navon, R., Steinfeld, I., Lipson, D., and Yakhini, Z. (2009) GOrilla: a tool for discovery and visualization of enriched GO terms in ranked gene lists, BMC Bioinformatics, 10, 48, doi: 10.1186/1471-2105-10-48.
32. Ashburner, M., Ball, C. A., Blake, J. A., Botstein, D., Butler, H., et al. (2000) Gene ontology: tool for the unification of biology. The Gene Ontology Consortium, Nat. Genet., 25, 25-29, doi: 10.1038/75556.
33. Zhao, Y., Butler, E. B., and Tan, M. (2013) Targeting cellular metabolism to improve cancer therapeutics, Cell Death Dis., 4, e532, doi: 10.1038/cddis.2013.60.
34. Shang, C., Hou, Y., Meng, T., Shi, M., and Cui, G. (2021) The anticancer activity of indazole compounds: a mini review, Curr. Top. Med. Chem., 21, 363-376, doi: 10.2174/1568026620999201124154231.
35. Peng, J., Cui, Y., Xu, S., Wu, X., Huang, Y., et al. (2021) Altered glycolysis results in drug-resistant in clinical tumor therapy, Oncol. Lett., 21, 369, doi: 10.3892/ol.2021.12630.
36. Pelicano, H., Martin, D. S., Xu, R. H., and Huang, P. (2006) Glycolysis inhibition for anticancer treatment, Oncogene, 25, 4633-4646, doi: 10.1038/sj.onc.1209597.
37. De Lena, M., Lorusso, V., Latorre, A., Fanizza, G., Gargano, G., et al. (2001) Paclitaxel, cisplatin and lonidamine in advanced ovarian cancer. A phase II study, Eur. J. Cancer, 37, 364-368, doi: 10.1016/s0959-8049(00)00400-7.
38. Nath, K., Guo, L., Nancolas, B., Nelson, D. S., Shestov, A. A., et al. (2016) Mechanism of antineoplastic activity of lonidamine, Biochim. Biophys. Acta, 1866, 151-162, doi: 10.1016/j.bbcan.2016.08.001.
39. Shen, Y. A., Chen, C. C., Chen, B. J., Wu, Y. T., Juan, J. R., et al. (2021) Potential therapies targeting metabolic pathways in cancer stem cells, Cells, 10, 1772, doi: 10.3390/cells10071772.
40. Gabdrakhmanov, I. T., Gorshkov, M. V., and Tarasova, I. A. (2021) Proteomics of cellular response to stress: taking control of false positive results, Biochemistry (Moscow), 86, 338-349, doi: 10.1134/S0006297921030093.