Time-Resolved Phosphoproteomics-Guided BFS Beam Search Reveals Cell-Type-Specific EGFR Signaling Architectures and SHP2 Inhibitor-Induced Pathway Rewiring

本研究引入了一种系统性的计算框架，将时间分辨的磷酸化蛋白质组学与基于广度优先搜索引导的束搜索算法相结合，以重构细胞类型特异性的 EGFR 信号网络，成功揭示了 SHP2 抑制如何重塑通路架构并驱动适应性耐药机制。

要点

想象你的细胞是一座繁忙的高科技城市。在这座城市里，有数百万个微小的信使（蛋白质）四处奔忙，传递信息以告知城市如何应对生长信号或药物等刺激。当一种药物试图阻止城市中的某个“坏分子”时，这些信使往往会变得狡猾：它们会将信息重新路由到不同的街道，以确保城市照常运转。这就是科学家所称的“适应性耐药”。

问题在于，我们拥有关于这些信使的海量数据（磷酸化蛋白质组学），但这就像拥有一百万张散落的明信片，却没有地图。我们知道发送了什么信息，却不知道这些消息确切是通过哪些街道到达目的地的。

细胞城市的新型"GPS"
本文介绍了一种新的计算机程序，它就像一个智能 GPS，能够精确找出这些消息所走的路线。以下是其工作原理，采用简单的类比说明：

• 地图（STRING 数据库）： 该程序并非构建一个包含世界上所有可能道路的巨大图书馆，而是连接到一个在线实时地图（STRING 数据库），该地图已知哪些蛋白质彼此是“朋友”。它无需在自己的硬盘上存储整张地图，只需实时查询连接关系。
• 搜索策略（BFS + 束搜索）： 想象你试图找到一条从城市大门（信号起点）到市长办公室（最终效应）的路径。
  • 该程序使用广度优先搜索（BFS），同时查看所有可能的道路，就像无人机同时扫描整个街区的每一条街道。
  • 然而，查看整座城市的每一条可能道路将耗时无穷。因此，它采用了束搜索。这就像一束探照灯，在任何时刻只照亮最有可能的 5 条道路，忽略死胡同。它使搜索保持聚焦且快速。
• 过滤噪声（MAD 与清洗）： 并非在街上发现的每张纸条都重要。该程序使用统计过滤器（MAD）来决定哪些纸条是真实信号，哪些只是背景噪声。在找出所有可能的路线后，它会运行一支“清洁队”来移除环路（即消息绕圈的情况），并查阅本地目录（人类蛋白质图谱），以确保路线上的“建筑”确实存在于该特定类型的细胞中。

他们的发现
研究人员在三种不同类型的“城市”（HeLa、MDA-MB-468 和 HEK293T 细胞）上测试了该 GPS。他们发现，每座城市都有独特的布局；在一座城市中有效的方法在另一座城市中未必有效。

他们特别研究了在 MDA-MB-468 城市中尝试阻止一位名为SHP2的特定“交通警”时会发生什么：

1. 封锁： 当他们阻断 SHP2 时，旧的主干道（PTPN11）被关闭。
2. 绕行： 信使们并未停止；他们立即找到了新捷径。他们开始更频繁地使用ERBB3和PIK3CA作为新的主要入口。
3. 恢复： 当他们移除药物（洗脱）后，城市开始缓慢重建旧的 SHP2 道路，交通逐渐转回原始的主要入口ERBB2。

核心结论
本文不仅仅指出“药物失效”。它提供了一种系统化、可重复的方法，以绘制出细胞在遭受攻击时如何重新路由其信号的详细地图。通过将杂乱的数据转化为清晰、分步的路线图，该工具有助于科学家确切理解细胞是如何智胜治疗方案的，而这正是设计更优策略以阻止它们的第一步。

技术摘要

技术摘要：时间分辨磷酸化蛋白质组学引导的 BFS 束搜索

问题陈述
对激酶和磷酸酶靶向疗法的适应性耐药性通常由细胞内信号网络药理学层面的重编程所驱动。然而，该领域目前缺乏能够直接从时间分辨磷酸化蛋白质组学数据中量化这些跨条件通路变化的系统性计算方法。现有方法难以将高维、动态的磷酸化蛋白质组学测量数据转化为具有机制可解释性且针对特定细胞类型的信号假说。

方法论
作者提出了一种算法框架，旨在从时间分辨磷酸化蛋白质组学数据中重建特定细胞类型的信号通路。该框架的核心整合了多种独特的计算策略：

• 数据预处理：系统采用基于中位数绝对偏差（MAD）的数据自适应二值状态分配，对磷酸化位点的激活状态进行分类。
• 通路重建算法：该框架利用广度优先搜索（BFS）结合交互权重引导的束搜索（Beam Search）。该遍历过程锚定于数据中区域边界和末端处经实验证实的“活跃节点”。
• 网络整合：搜索过程在 STRING 蛋白质 - 蛋白质相互作用数据库（通过 v12.5 版 REST API 访问）上运行，允许将 STRING 推断的桥梁蛋白作为中间连接体纳入其中，而无需安装本地数据库。
• 验证与清洗：枚举后的路径清洗流程确保了生成具有生物学可解释性的无环信号通路。至关重要的是，该框架基于人类蛋白质图谱（Human Protein Atlas）的细胞系表达数据在边级别进行验证，以确保生物学相关性。

关键结果
该框架在涵盖三种细胞类型（HeLa、MDA-MB-468 和 EGFR Flp-In HEK293T）的五个已发表磷酸化蛋白质组学数据集上进行了基准测试。分析揭示了以下具体发现：

• 细胞类型特异性：该方法成功捕捉到了每种细胞类型独有的 EGFR 信号架构。
• SHP2 抑制效应：在三种药理学条件下处理的 MDA-MB-468 细胞中，SHP2 抑制被证明消除了 PTPN11 介导的通路。这种抑制导致第一跳效应子分布发生转变，增加了与 ERBB3 的相互作用（路径占比从 21.5% 上升至 25.2%）以及与 PIK3CA 的相互作用（路径占比从 9.2% 上升至 14.3%）。
• 可逆性与恢复：在洗脱 SHP2 抑制剂后，系统揭示了 PTPN11 介导通路的部分恢复。与此同时，ERBB2 重新成为主导的第一跳效应子，占路径总数的 30.3%。

意义与主张
本文将该框架定位为一种将时间分辨磷酸化蛋白质组学测量数据转化为具有机制可解释性的信号假说的系统性且可重复的方法。作者声称该方法可直接应用于耐药性建模及联合疗法的设计。通过量化药物诱导的通路重编程并识别效应子分布的具体转变，该框架旨在弥合原始磷酸化蛋白质组学数据与关于适应性耐药机制的可操作见解之间的差距。