翻译后修饰药物相互作用综合检测技术

由慕尼黑工业大学领导的一个由 37 名科学家组成的研究小组开发了一种方法，可以以时间和剂量依赖的方式检测药物诱导的翻译后修饰 (PTM)。

这项发研究详细介绍了一种方法，该方法更接近地模拟药物蛋白与细胞中的蛋白质相互作用时细胞中发生的情况。翻译后修饰 (PTM) 是影响蛋白质结构和动力学的处理事件。

由于蛋白质的结构与其功能相关，因此修饰可以显着改变生物过程，这也是大多数药物设计的运作方式。虽然药物/细胞蛋白相互作用已广为人知，但这种相互作用在治疗过程中究竟如何发生（时间和剂量依赖性）仍是一个未被充分研究的方面。

称为 decryptM 的蛋白质组学分析方法涉及用浓度不断增加的药物处理细胞并量化数千种药物 PTM 以揭示目标参与和药物作用机制。

在这项研究中，decryptM 分析应用于13 种细胞系中的 31 种抗癌药物。来自该方法的数据代表了 180 万个具有剂量反应曲线的定量细胞药物测定，其中在 11,982 种蛋白质上检测到 124,660 种调节磷酸肽，在 3,006 种蛋白质上检测到 9,173 种泛素化肽，在 1,377 种蛋白质上检测到 2,478 种调节乙酰化肽。

大多数 PTM 不受大多数药物的监管，这是了解每种药物正在使用或可能遗漏哪些途径的宝贵信息。

对于两种蛋白酶体抑制剂药物硼替佐米和卡非佐米，decryptM 数据显示药物作用随着时间的推移变得更加有效，并表明调节磷酸化位点的增加可能是一种机制。

该研究还发现，不同的组蛋白脱乙酰酶抑制剂（抗癌剂）具有不同的激活时间，并且药物的特定靶点比其他药物更有效。这种类型的信息可以极大地有益于寻求提高现有药物有效性的研究人员。

研究人员还研究了多种具有 decryptM 配置文件的乳腺癌细胞类型。不同癌细胞中的信号通路可能存在强烈差异，解密分析揭示了药物相互作用的细胞系特异性特征。例如，一种抗癌药物在两种被测试的细胞类型中调节了数百种磷酸肽，但在另一种细胞中仅调节了 5 种。这正是医生或药物研究人员想要了解的那种药物/细胞类型相互作用信息。

该研究强调了当前形式的方法的一些局限性。如果一种药物可以以相似的效力参与多个目标，则很难将结果数据归因于特定目标。尽管如此，这仍然使 decryptM 配置文件成为进行更多实验的强大起点。

作者设想，一旦对足够的药物和细胞系统进行了分析，decryptM 配置文件可以用于监测并最终预测体内药物反应。此外，将抗癌药物的 decryptM 配置文件与癌症患者的 PTM 配置文件相匹配可能会成为个性化和循证治疗建议的重要工具。