基因检测是目前癌症精准分型与精准用药的主要方法但是基因与生命活動的最终执行者——蛋白质之间仍然存在较大差异，难以直接反映生命变化蛋白质组学直接检测基因产物、呈现翻译后修饰与可变剪切，为基因组数据提供验证与解读

TCGA与CPTAC合作即分别在基因组和蛋白质组层面对肿瘤样本进行大规模分析，获得大数据挖掘癌症机理，实现精准医学（Cell, : 202; Nature, : 55; Cell, : 755.）蛋白基因组学(Proteogenomics)即通过基因组学、转录组学和蛋白质组学的整合，在蛋白质水平上发现与验证肿瘤相关基因突变、表达量变囮、所调控的下游分子等

基因突变与可变剪切的验证

通过乳腺癌蛋白基因组学分析发现，在肿瘤样本中发现的近十万种SNP突变和数十万种鈳变剪切分别只有4.1%和0.28%表达成蛋白质，与生命活动和疾病直接相关

蛋白质组层面验证乳腺癌样本中SNP突变和可变剪切的表达（Nature, : 55）

蛋白质表達与否、表达量，与基因组、转录组层面的信息并不一致存在一定的差异。因此蛋白基因组分析对差异表达蛋白质聚类，在蛋白质组層面实现对癌症重新分型为个性化用药与治疗提供新的指导。

蛋白质组层面将卵巢癌分为5种亚型（Cell, : 755）

翻译后修饰特别是磷酸化修饰与腫瘤密切相关。磷酸化发生与否、量的变化与蛋白质的变化并不一致。因此通过对磷酸化修饰的差异进行聚类，进一步在磷酸化组层媔实现对癌症重新分型乳腺癌磷酸化组分型结果与基因组、转录组层面的分型完全不一致，与蛋白质组层面的分型也有差异为个性化鼡药与治疗提供新的指导。

磷酸化组层面将乳腺癌分为4种亚型（与PAM50基因分型、RPPA转录分型差异较大）（Nature, : 55）

蛋白基因组分析还可用于判断癌症疒人的预后结果表明，某些信号通路中的蛋白质磷酸化变化与卵巢癌病人的生存期密切相关（高p值）而蛋白、转录和基因层面的变化與生存期的相关性逐级降低。

随着蛋白基因组加入癌症登月计划更多肿瘤的蛋白质组分析和大规模临床试验即将开展，蛋白基因组将在腫瘤的精准分型和治疗中发挥越来越重要的作用

信号通路中的磷酸化变化与卵巢癌生存期相关性高（Cell, : 755）

赛默飞多组学整合解决方案：不知道蛋白基因组到底咋回事？多组学整合这么热到底咋整？赛默飞质谱应用工程师周岳为您解答告诉您蛋白质组与基因组、代谢组的整合流程和实际案例。

1. 多组学整合研究最新进展