一种基于六蛋白组合的候选抗肿瘤化合物抗增殖效力评价方法及系统

本发明涉及药物筛选和药理评价领域，具体涉及一种由tbl1x、napa、plekha7、acsl1、arl8b和ccdc90b组成的六蛋白标志物组合，以及基于该组合评价候选化合物相对抗增殖效力的方法。本发明还涉及用于检测上述六蛋白相应的数据处理系统。

背景技术：

1、候选抗肿瘤化合物的体外效力通常通过细胞活力、细胞计数、核酸合成或者克隆形成等方法进行评价。这些方法能够反映一定处理条件下细胞数量或增殖状态的变化，但获得的信息主要集中于终点表型，难以同时反映药物处理后形成的分子响应状态，也难以在不同化合物类别、检测平台和实验批次之间形成可复用的分子评分。

2、全蛋白质组能够从分子层面对药物处理后的细胞变化进行较全面的表征。然而，在常规化合物筛选中检测数千种蛋白，通常需要较高的样本量、检测成本和数据处理成本，也不利于进一步建立标准化的靶向检测方法、检测试剂盒和自动化评价系统。因此，有必要从全蛋白质组中获得能够保留主要效力相关信息的少量标志物组合，并基于这些标志物建立能够进行定量、校准和质量控制的评价方法。

3、此外，在药物扰动数据中，相同活性药物成分、结构高度相似的化合物以及具有相同主要靶点的化合物之间通常存在较强相关性。如果仅采用普通随机划分进行模型训练和验证，可能高估模型对于未知化合物的泛化能力。因此，还需要通过活性药物成分、化学结构簇或者主要靶点整体留出等方式，评价标志物组合对未参与训练的化合物类别的适用性。

技术实现思路

1、本发明旨在用少量可检测蛋白将候选化合物诱导的高维效力相关蛋白质组响应压缩为一个可比较、可校准且可部署的数值评分，解决全蛋白质组检测成本高、常规活力终点缺少分子状态信息、跨化学类别泛化不足以及跨平台结果难以直接比较的问题。

2、为解决上述问题，本发明采用以下技术方案：

3、一种基于六蛋白组合的候选抗肿瘤化合物抗增殖效力评价方法，包括以下步骤：

4、确定tbl1x、napa、plekha7、acsl1、arl8b和ccdc90b为六蛋白组合，并明确蛋白实体、权重方向和模型版本；

5、在候选抗肿瘤化合物处理组和匹配对照组中定量六蛋白的丰度并得到变化值，将各蛋白的丰度变化值与对应权重相乘后求和，得到六蛋白综合评分（six-proteincomposite proteomic score，cps-6）。

6、将所述六蛋白综合评分cps-6与参考化合物的评分分布进行比较以获得参考百分位，将参考百分位与预设分类阈值进行比较，获得相对抗增殖效力、效力百分位、活性分类、置信度信息和候选化合物抗增殖活性排序中的至少一项。

7、所述tbl1x、napa、plekha7、acsl1、arl8b和ccdc90b六蛋白分别对应的uniprot登录号为o60907、p54920、q6iq23、p33121、q9nvj2和q9gzt6，或者为能够映射至相应蛋白的同一基因产物或经验证的同工型。

8、所述候选抗肿瘤化合物选自已上市药物、天然产物、天然产物衍生物、结构类似物、药学上可接受的盐、立体异构体、前药、代谢物；所述方法也可用于评价含有上述候选抗肿瘤化合物的药物组合物。

9、所述候选抗肿瘤化合物处理组与匹配对照组采用相同的溶剂条件、培养时间、细胞密度、样本处理方式、检测批次和数据处理流程。

10、所述蛋白的丰度变化值选自相对于匹配对照组的log2倍数变化值、经桥接样本校准的相对丰度变化值、内源肽与同位素内标肽比值的log2变化值、归一化免疫检测信号变化值和基于参考队列计算的z-score。

11、所述六蛋白综合评分cps-6可转换为其在参考化合物评分分布中的百分位数；并将六蛋白权重、特征中心和尺度、参考分布、分类阈值、检测平台、细胞类型及处理时长作为统一模型版本进行保存和调用。

12、所述活性分类包括活性（active）、边界（marginal）和非活性（inactive）中的至少两类，分类阈值利用具有实测生长抑制数据的参考化合物，通过youden指数、预设灵敏度、预设特异度、分位数或代价敏感优化确定。

13、所述六蛋白均满足预设定量质量要求、处理组和对照组满足预设的样本定量质量要求，且桥接样本的检测结果处于预设允许范围时，输出cps-6正式结果。当任一种蛋白未获得满足预设定量质量要求的检测结果时，不将该蛋白的丰度变化值设定为零，并将相应样本标记为六蛋白覆盖不完整。

14、进一步的，所述六蛋白的丰度通过tmt同位素标记、itraq同位素标记、数据非依赖采集质谱、无标记定量质谱、平行反应监测质谱、选择反应监测质谱或其组合进行定量。

15、所述六蛋白的丰度通过免疫印迹、数字化蛋白印迹、酶联免疫吸附测定、蛋白芯片、流式微球检测、适配体检测、邻近延伸分析进行定量。

16、进一步的，所述六蛋白综合评分cps-6按照如下公式计算：

17、cps-6=σβixi

18、其中，xi为第i种蛋白相对于对照的log2倍数变化或经质量控制标准化处理得到的变化值，βi表示通过模型训练获得并与模型版本对应的该蛋白权重系数。

19、进一步地，所述蛋白权重系数通过以下步骤获取：

20、获取参考化合物处理后的蛋白丰度变化数据和对应的生长抑制数据；

21、对所述蛋白丰度变化数据与生长抑制数据进行经处理浓度校正的相关分析，筛选候选蛋白；

22、采用弹性网络回归、bootstrap稳定性和随机森林变量，从候选蛋白中获得共识候选特征；再通过嵌套交叉验证在上述所述的共识候选特征范围内确定满足预设预测性能要求的蛋白集合；

23、利用发现队列拟合六蛋白的最终权重系数。

24、所述权重系数中，tbl1x和plekha7对应的权重系数为负值，napa、acsl1、arl8b和ccdc90b对应的权重系数为正值。

25、进一步的，尚未建立相应平台的模型权重时，将六蛋白综合评分cps-6用方向归一化评分替代，公式为：s=[z(tbl1x)z(plekha7)+z(napa)+z(acsl1)+z(arl8b)+z(ccdc90b)]/6。

26、进一步的，所述方法应用于jurkat肿瘤细胞、hepg2肿瘤细胞、原代细胞、ipsc来源细胞、类器官或三维培养体系，候选抗肿瘤化合物的处理时间为24小时。

27、一种基于六蛋白组合的候选抗肿瘤化合物抗增殖效力评价系统，包括数据接收模块、质量控制模块、归一化模块、模型参数模块、评分模块、参考比较模块和报告模块。

28、进一步地，所述数据接收模块用于接收候选化合物处理组和匹配对照组中tbl1x、napa、plekha7、acsl1、arl8b和ccdc90b的蛋白丰度数据；所述质量控制模块用于判断所述蛋白丰度数据是否满足预设质量要求；所述归一化模块用于根据候选化合物处理组和匹配对照组的蛋白丰度数据获得所述六种蛋白的丰度变化值；所述模型参数模块用于存储与模型版本对应的六种蛋白的权重；所述评分模块用于根据六种蛋白的丰度变化值和对应权重系数计算六蛋白综合评分cps-6；所述参考比较模块用于将六蛋白综合评分cps-6与参考化合物评分分布或预设阈值进行比较；所述报告模块用于输出相对抗增殖效力、效力百分位、活性分类、置信度信息和候选化合物抗增殖活性排序中的至少一项。

29、进一步地，所述模型参数模块存储模型id、相应的模型权重、特征中心、特征尺度、检测平台、细胞类型、处理时长、参考分布、分类阈值、校准日期和模型哈希中的至少一项。

30、通过药物活性成分、结构簇和主要靶点整体留出、jurkat蛋白质组、l1000转录组及天然产物数据评价cps-6评分模块的泛化能力。

31、本发明的有益效果：

32、本发明从全蛋白质组中筛选得到由tbl1x、napa、plekha7、acsl1、arl8b和ccdc90b组成的六蛋白标志物组合，并据此建立cps-6，在保留抗增殖效力相关信息的同时，大幅减少待检测蛋白数量，降低检测和数据处理复杂度。

33、cps-6与实测生长抑制具有显著相关性，并能够区分抗增殖活性不同的化合物。在按照活性药物成分、化学结构簇和主要靶点进行整体留出验证时，固定六蛋白组合仍保持较为稳定的评价性能，表明该组合具有一定的泛化能力。

34、六蛋白组合在独立jurkat蛋白质组数据中表现出与hepg2发现队列一致的效力相关变化趋势；其对应基因在l1000转录组数据中的分析结果进一步表明，所述效力相关特征在转录层面具有一定的一致性。

35、本发明可用于天然产物及结构相近化合物的相对抗增殖效力评价。在本发明所采用的24种天然产物数据中，cps-6区分active和inactive化合物的药时曲线下面积（auc）为0.908，并可用于比较结构类似物之间的相对效力差异。

36、本发明建立了与六蛋白检测相配套的评分、参考分布、模型版本和质量控制方式，可进一步通过靶向质谱、免疫检测或其他特异性蛋白检测平台实施，有利于形成标准化的检测方法及数据处理系统。