Proteômica 101 (Câncer)
Under scientific review
This introductory page is under scientific review. Use it for orientation, not clinical decision-making.
A Proteômica mede proteínas e suas modificações (ex: fosforilação, ubiquitinação). Está próxima do fenótipo: o que a célula está de fato fazendo, e não apenas o que ela está transcrevendo.
O Desafio Computacional da Proteômica
Ler proteínas é exponencialmente mais difícil do que ler DNA ou RNA por um motivo fundamental: Não existe PCR para proteínas. Se uma proteína está em baixa abundância na célula, não podemos "amplificá-la" para o sequenciador ler. O equipamento lerá apenas as proteínas mais abundantes (como a albumina no sangue) a menos que você faça um enriquecimento (depleção).
Bottom-Up vs Top-Down
A bioinformática lida com duas abordagens de sequenciamento via Espectrometria de Massas (LC-MS/MS):
- Bottom-Up (Shotgun): A abordagem padrão. Proteínas são "picotadas" por uma enzima (como a Tripsina) em pequenos pedaços chamados peptídeos. O espectrômetro lê esses peptídeos. O desafio computacional aqui é inferência proteica: tentar adivinhar a proteína inteira original montando o quebra-cabeça dos peptídeos.
- Top-Down: Proteínas inteiras são analisadas. Preserva informações incríveis sobre isoformas e PTMs, mas o tamanho do arquivo é gigantesco e o desafio de software para mapear espectros de proteínas inteiras ainda é um gargalo de processamento.
O Fluxo de Dados (De m/z para Proteínas)
Diferente da Genômica que cospe letras (ATCG), um espectrômetro de massas cospe Espectros MS/MS: gráficos de picos que representam a relação Massa-Carga (m/z) dos íons.
- O software (como MaxQuant ou MSFragger) pega cada espectro (gráfico de picos) do seu experimento.
- Ele simula teoricamente no computador como seriam os espectros de todas as proteínas conhecidas no corpo humano (usando o banco de dados UniProt).
- Ele calcula uma métrica de similaridade (Search Engine Score) entre o espectro real e os milhões de espectros simulados para encontrar um "Match".
Quantificação: DDA vs DIA
Quando os engenheiros de dados recebem uma "Matriz de Expressão de Proteínas", a robustez desses números depende de como a máquina foi configurada:
- DDA (Data-Dependent Acquisition): A máquina é rápida, mas aleatória. Se você rodar a mesma amostra do paciente duas vezes, a máquina pode ler peptídeos diferentes a cada vez. Gera planilhas com muitos "Missing Values" (NaN), o que é um pesadelo para Machine Learning.
- DIA (Data-Independent Acquisition): O novo padrão-ouro (ex: SWATH-MS). A máquina lê tudo em fatias sistemáticas. Produz dados muito menos ruidosos, quase sem "Missing Values", permitindo que modelos de ML comparem coortes de pacientes com precisão sem precisar de técnicas severas de imputação de dados.
Modificações Pós-Traducionais (PTMs)
A proteína não é o fim da linha. O câncer é impulsionado por PTMs:
- Fosfoproteômica: Mede se uma proteína está ligada/desligada via adição de fósforo. Essencial para estudar alvos de Inibidores de Quinase. A matriz de dados agora não mapeia "Genes", mas "Sítios Específicos" (ex: BRAF_S602).
- Ubiquitinação: O alvo das novas drogas de Degradação Protéica Direcionada (PROTACs).