首张新冠患者器官分子病理全景图,死亡患者睾丸组织蛋白明显改变

“生命科学领域目前只有一个公认的核心法则:中心法则,即生命的遗传信息从 DNA 传递到 RNA,再传递到蛋白质。如果 DNA 或 RNA 出现影响到生命活动的故障,一定会反映到蛋白质上,” 西湖大学生命科学学院特聘研究员郭天南博士说。

在郭天南眼中,蛋白质组学研究十分重要,他作了一个形象的比喻,如果把人看成一辆汽车,那么这辆汽车的各个零部件,包括发动机、刹车、轮胎等,就可以看作各种蛋白质组成的蛋白质组。当疾病发生的时候,一定是某些蛋白质出现了问题。

蛋白质组学研究作为如此重要的一个领域,事实上研究人员却少之又少,“在国际上,蛋白质组学会议的活跃参会人员就一千多人,可能不到基因组学研究人员的 1/10,但是蛋白质组研究的复杂性及普适性可能是基因组的 1000 倍甚至更高。” 而郭天南就是该领域的专家之一。

图|郭天南(来源:西湖大学)

1 月 9 日,西湖大学生命科学学院郭天南课题组与合作团队(华中科技大学同济医学院附属协和医院胡豫、夏家红、聂秀团队)在 Cell 在线发表了题为 “Multi-organ Proteomic Landscape of COVID-19 Autopsies” 的最新研究论文,绘制了首个 2020 年初因新冠肺炎去世的患者体内多器官组织样本中蛋白质分子病理全景图。

图|相关论文

这是在全球范围内首次从蛋白质分子水平上,对新冠患者多个关键器官针对新冠病毒感染做出的响应进行了详细和系统的分析,为临床工作者和研究人员制定治疗方案、开发新的药物及治疗方法提供了线索和依据。

感染新冠病毒后 5336 个蛋白质分子发生改变,肝脏受到的损伤可能比较大

“在收集到新冠患者的组织器官样本后,传统的基于显微镜的病理检测方法可以将样品放大数百倍后观察形态学的改变,但我们并不知道蛋白质分子层面发生了什么。”“只有在分子水平上进行研究才可以获得疾病发生发展的深刻理解,才有可能开发出更加精准的诊断和治疗方法。” 郭天南告诉 DeepTech。

西湖大学郭天南团队及其合作者对 19 名新冠肺炎去世患者的 7 种器官(肺、脾、肝、心脏、肾脏、甲状腺和睾丸)进行了蛋白质组学分析。

图|新冠病人多器官样本采集和镜下病理学检查

通过镜下的病理学检查,可以发现这些病人的肺部出现弥漫性肺泡损伤,肺纤维化,中性粒细胞浸润及血栓形成等病理改变,脾脏白髓萎缩,肝脏发生脂肪化生和部分病例出现梗死,心脏发生心肌水肿及间质淋巴细胞浸润现象,肾脏发现急性肾小管损伤。

接下来,团队基于高压循环技术(PCT)及串联质谱标记(Tandem Mass Tag,TMT)结合鸟枪法蛋白质组技术,鉴定了 11394 个人源蛋白质分子,绘制出新冠危重症死亡患者的多器官蛋白分子全景图。

图|新冠病人多器官蛋白质组定量示意图

被量化的这 11394 个蛋白,在肽和蛋白水平上的错误发现率 (FDR) 都小于 1%。在七种不同类型的器官中,鉴定出的蛋白质数量从 5828(心脏)到 9544(肾脏)不等。与非新冠患者的对照组织样本比较,总共有 5336 个蛋白质发生了改变。

图|新冠病人死亡患者多器官蛋白分子病理全景图

其中,在人体七类器官组织中,脾脏红髓里未鉴定到明显改变的蛋白,而肝脏里改变的蛋白数量最多 (N=1970),这意味着新冠肺炎致死患者中肝脏受到的损伤可能比较大。

这项研究为临床工作者和研究人员制定治疗方案、开发新的药物及治疗方法提供了线索和依据。

ACE2 蛋白帮助新冠病毒进入人体,组织蛋白酶 L 或是阻断病毒入侵的潜在治疗靶点

2020 年 2 月,西湖大学周强实验室首次成功解析新型冠状病毒细胞表面受体 ACE2(病毒受体血管紧张素转化酶 2,人体内调解血压的一个蛋白)的全长三维结构,以及新型冠状病毒表面 S 蛋白受体结合结构域与细胞表面受体 ACE2 全长蛋白复合物的三维结构。

图|新冠病毒 S 蛋白受体结合结构域(RBD)和 ACE2 的相互作用示意图

这项研究揭示了新冠病毒入侵人体的方式,即需要冠状病毒表面的 S 蛋白与人体细胞表面的 ACE2 蛋白相结合,S 蛋白 “抓住” ACE2 后冠状病毒才能大摇大摆进入人体,然后大量增殖。

“大家凭直觉会认为如果把 ACE2 阻断掉,新冠病毒就不能进入人体了。于是推论那些因为新冠病毒死亡的患者,他们的 ACE2 应该比常人多,从而他们受到新冠病毒的损伤就会更大,进而导致死亡。” 郭天南告诉 DeepTech。

然而,临床样品的蛋白质组数据显示,事实并非如猜测般那样。郭天南课题组和合作团队经研究发现,在这些死亡患者里,ACE2 并不比对照样品高,实际上并没有什么区别。反而他们发现一个与 ACE2 相关的组织蛋白酶 L(CTSL),在新冠确诊患者体内显著提高了。

图|病毒侵入人体后多器官高炎症状态及组织损伤相关特异性分子变化示意图。其中红 / 绿框黑字分别表示明显上 / 下调的蛋白,红 / 绿框白字表示明显激活 / 抑制的通路,白框表示未定量或未失调的蛋白。

这提示 ACE2 的表达水平并没有在新冠致死患者中出现明显改变,仅仅是新冠病毒进入人体的一个通道,而 CTSL 却可能是阻断病毒入侵的潜在治疗靶点。

“CTSL 很关键,因为病毒与 ACE2 结合后必须要通过 CTSL 才能释放,然后进行扩增。所以我们的研究结果提示针对 CTSL 的治疗方法可能会更加有效。这是新冠死亡患者与其他病例一个显著的差异。” 郭天南说。

新冠死亡患者睾丸组织中 10 个蛋白发生明显改变,生育能力可能受到影响

关于新冠病毒对各个器官的影响,研究团队中的临床合作者在 2020 年 5 月曾第一次报告新冠病毒感染死亡患者的睾丸存在生精小管损伤,Leydig 细胞(与男性雄性激素合成及分泌紧密相关)减少和轻度淋巴细胞炎症等病理改变,但从来没有对睾丸在分子水平上进行分析。

合作团队对睾丸组织进行了蛋白质组学分析,首次找到了新冠患者的睾丸组织中发生明显改变的 10 个蛋白,它们的功能与胆固醇合成抑制、精子活性降低和 Leydig 细胞特异标记物减少紧密相关。

图|新冠去世患者睾丸间隙 Leydig 细胞相对减少,组织内明显下调的蛋白及相关通路示意图

郭天南表示,“我们在睾丸组织中鉴定到近一万个蛋白,其中改变最显著的一个‘万里挑一’的蛋白叫胰岛素样因子 3(INSL3),它的下降是最明显的。另外组织内还有其它一些明显下调的蛋白,这就提示提示这些男性新冠患者的生育能力可能受到影响。”

当然,本研究也存在一定的局限性,即这些数据是基于新冠死亡患者的组织样本,至于在轻症和重症患者中是否会产生同样的变化,还需要进一步研究。但这些数据可以给予医疗工作者一定的启示,或有必要对男性新冠患者采取相应的预防和保护措施。

从临床医学走向蛋白质组研究,2017 年加入西湖大学

2006 年郭天南毕业于华中科技大学同济医学院临床医学七年制,同时获得武汉大学生物科学双学位,2012 年在新加坡南洋理工大学获得博士学位。

从临床医学到蛋白质组学,郭天南在研究领域上的转变源于当时医学界一个突破性的进展,一款名叫 Glivec/Gleevec(格列卫)的 “神药” 横空出世,能够让 90% 以上的白血病患者得到救治。那时郭天南意识到科学研究和临床医学实际上是不同的但是即将交叉的两个维度,格列卫就是一款针对一个在实验室里发现的融合蛋白的药物。他逐渐对蛋白质产生了兴趣,随后去到新加坡继续深造,他想知道 “各种疾病在分子水平到底是哪些蛋白质出现了问题,其他的疾病能不能找到类似的神药”。

2017 年夏,郭天南从悉尼大学儿童医学研究所回国,得到了浙江西湖高等研究院(西湖大学前身)的施一公教授和饶毅教授等的支持,他们都认同蛋白质组学在生命科学领域的重要性。于是 2017 年 8 月,郭天南加入浙江西湖高等研究院担任特聘研究员。

郭天南成为了西湖大学生命科学学院蛋白质组大数据实验室的课题组组长,这是一个具有交叉学科背景课题组,他介绍道,“我们团队包含医学、药学等临床方面的同学,也有生物化学、分析化学、数学建模、软件工程、机器学习、大数据科学等背景的同学。并且我们团队同多个学科的国内外科学家保持着密切的合作。”

结合当下的大数据优势,郭天南课题组通过机器学习和深度学习,探索在各种生理和病理状态下蛋白质表达和变化的数学规律,重点关注人类重大疾病(如肿瘤和代谢性疾病)的精准分型、预后预测和精准治疗等,引导人工智能技术在临床医学领域发挥出关键作用。

大数据助力现代医学研究,有望理解更多复杂病例

郭天南告诉 DeepTech,“根据不同目的、不同数据,会建立不同的模型,甚至同样的数据在面临不同的临床问题时,也需要建立不同的模型。”

提到模型准确性的问题,郭天南表示这些模型需要独立去验证,比如基于一家医院的数据建立的模型需要在另外一个医院的患者中进行验证。

“06、07 年的时候,蛋白质研究还处于初期阶段,基本上很难对蛋白质进行足够深度的的研究分析,并且那个时候成本特别高,所以基本上不可能产生蛋白质组大数据、并进行人工智能分析和临床应用。而近年来有了大数据、机器学习的基础,才得以深入研究。”

所以大数据对于蛋白质或者其它疾病的研究帮助都非常大,因为疾病本就是一个非常复杂的过程,对新冠患者来说,同一个病毒每个病人的反应都不一样,有轻症、有重症、甚至死亡。如果能系统的把这些复杂的数据都收集起来,然后借助机器学习和深度学习,可以促进人们对疾病更加深刻的理解,也可以激励医者进行更加精准的诊断和治疗。

如今,大数据与科学研究早已密不可分,但对于医学研究来说,尤其是分子医学,高质量的数据仍然远远不够。提到对医疗大数据的未来展望,郭天南表示,在确保患者个人隐私的情况下,,“我希望临床医生能够和实验室的科学家一起采取更多的高质量的数据,希望能有一个机制让医疗健康的大数据丰富起来,这样更有助于我们对这些复杂病例的理解,进而为解除广大患者的病痛做出切实的贡献。”