To explore the biology of lung adenocarcinoma (LUAD) and identify new therapeutic opportunities, we performed comprehensive proteogenomic characterization of 110 tumors and 101 matched normal adjacent tissues (NATs) incorporating genomics, epigenomics, deep-scale proteomics, phosphoproteomics, and acetylproteomics. Multi-omics clustering revealed four subgroups defined by key driver mutations, country, and gender. Proteomic and phosphoproteomic data illuminated biology downstream of copy number aberrations, somatic mutations, and fusions and identified therapeutic vulnerabilities associated with driver events involving KRAS, EGFR, and ALK. Immune subtyping revealed a complex landscape, reinforced the association of STK11 with immune-cold behavior, and underscored a potential immunosuppressive role of neutrophil degranulation. Smoking-associated LUADs showed correlation with other environmental exposure signatures and a field effect in NATs. Matched NATs allowed identification of differentially expressed proteins with potential diagnostic and therapeutic utility. This proteogenomics dataset represents a unique public resource for researchers and clinicians seeking to better understand and treat lung adenocarcinomas.

Here we present an optimized workflow for global proteome and phosphoproteome analysis of tissues or cell lines that uses isobaric tags (TMT (tandem mass tags)-10) for multiplexed analysis and relative quantification, and provides 3× higher throughput than iTRAQ (isobaric tags for absolute and relative quantification)-4-based methods with high intra- and inter-laboratory reproducibility. The workflow was systematically characterized and benchmarked across three independent laboratories using two distinct breast cancer subtypes from patient-derived xenograft models to enable assessment of proteome and phosphoproteome depth and quantitative reproducibility. Each plex consisted of ten samples, each being 300 μg of peptide derived from <50 mg of wet-weight tissue. Of the 10,000 proteins quantified per sample, we could distinguish 7,700 human proteins derived from tumor cells and 3100 mouse proteins derived from the surrounding stroma and blood. The maximum deviation across replicates and laboratories was <7%, and the inter-laboratory correlation for TMT ratio–based comparison of the two breast cancer subtypes was r > 0.88. The maximum deviation for the phosphoproteome coverage was <24% across laboratories, with an average of >37,000 quantified phosphosites per sample and differential quantification correlations of r > 0.72. The full procedure, including sample processing and data generation, can be completed within 10 d for ten tissue samples, and 100 samples can be analyzed in ~4 months using a single LC-MS/MS instrument. The high quality, depth, and reproducibility of the data obtained both within and across laboratories should enable new biological insights to be obtained from mass spectrometry-based proteomics analyses of cells and tissues together with proteogenomic data integration. This protocol describes a workflow for multiplexed deep-scale, quantitative proteome and phosphoproteome analysis of tumor tissue samples. The procedure includes step-by-step instructions for all stages, from sample preparation to data analysis.

The integration of mass spectrometry-based proteomics with next-generation DNA and RNA sequencing profiles tumors more comprehensively. Here this "proteogenomics" approach was applied to 122 treatment-naive primary breast cancers accrued to preserve post-translational modifications, including protein phosphorylation and acetylation. Proteogenomics challenged standard breast cancer diagnoses, provided detailed analysis of the ERBB2 amplicon, defined tumor subsets that could benefit from immune checkpoint therapy, and allowed more accurate assessment of Rb status for prediction of CDK4/6 inhibitor responsiveness. Phosphoproteomics profiles uncovered novel associations between tumor suppressor loss and targetable kinases. Acetylproteome analysis highlighted acetylation on key nuclear proteins involved in the DNA damage response and revealed cross-talk between cytoplasmic and mitochondrial acetylation and metabolism. Our results underscore the potential of proteogenomics for clinical investigation of breast cancer through more accurate annotation of targetable pathways and biological features of this remarkably heterogeneous malignancy.

Chromatin-based epigenetic memory relies on the symmetric distribution of parental histones to newly synthesized daughter DNA strands, aided by histone chaperones within the DNA replication machinery. However, the mechanism of parental histone transfer remains elusive. Here, we reveal that in fission yeast, the replisome protein Mrc1 plays a crucial role in promoting the transfer of parental histone H3-H4 to the lagging strand, ensuring proper heterochromatin inheritance. In addition, Mrc1 facilitates the interaction between Mcm2 and DNA polymerase alpha, two histone-binding proteins critical for parental histone transfer. Furthermore, Mrc1's involvement in parental histone transfer and epigenetic inheritance is independent of its known functions in DNA replication checkpoint activation and replisome speed control. Instead, Mrc1 interacts with Mcm2 outside of its histone-binding region, creating a physical barrier to separate parental histone transfer pathways. These findings unveil Mrc1 as a key player within the replisome, coordinating parental histone segregation to regulate epigenetic inheritance.

Defense-associated reverse transcriptase (DRT) systems perform DNA synthesis to protect bacteria against viral infection, but the identities and functions of their DNA products remain largely unknown. Here we show that DRT2 systems encode an unprecedented immune pathway that involves de novo gene synthesis via rolling circle reverse transcription of a non-coding RNA (ncRNA). Programmed template jumping on the ncRNA generates a concatemeric cDNA, which becomes double-stranded upon viral infection. Remarkably, this DNA product constitutes a protein-coding, nearly endless ORF ( neo ) gene whose expression leads to potent cell growth arrest, thereby restricting the viral infection. Our work highlights an elegant expansion of genome coding potential through RNA-templated gene creation, and challenges conventional paradigms of genetic information encoded along the one-dimensional axis of genomic DNA.

Bacteria defend themselves from viral infection using diverse immune systems, many of which sense and target foreign nucleic acids. Defense-associated reverse transcriptase (DRT) systems provide an intriguing counterpoint to this immune strategy by instead leveraging DNA synthesis, but the identities and functions of their DNA products remain largely unknown. Here we show that DRT2 systems execute an unprecedented immunity mechanism that involves de novo gene synthesis via rolling-circle reverse transcription of a non-coding RNA (ncRNA). Unbiased profiling of RT-associated RNA and DNA ligands in DRT2-expressing cells revealed that reverse transcription generates concatenated cDNA repeats through programmed template jumping on the ncRNA. The presence of phage then triggers second-strand cDNA synthesis, leading to the production of long double-stranded DNA. Remarkably, this DNA product is efficiently transcribed, generating messenger RNAs that encode a stop codon-less, never-ending ORF (

Electrospray ionization is a powerful and prevalent technique used to ionize analytes in mass spectrometry. The distribution of charges that an analyte receives (charge state distribution, CSD) is an important consideration for interpreting mass spectra. However, due to an incomplete understanding of the ionization mechanism, the analyte properties that influence CSDs are not fully understood. Here, we employ a machine learning-based high-throughput approach and analyze CSDs of hundreds of thousands of peptides. Interestingly, half of the peptides exhibit charges that differ from what one would naively expect (number of basic sites). We find that these peptides can be classified into two regimes-undercharging and overcharging-and that these two regimes display markedly different charging characteristics. Strikingly, peptides in the overcharging regime show minimal dependence on basic site count, and more generally, the two regimes exhibit distinct sequence determinants. These findings highlight the rich ionization behavior of peptides and the potential of CSDs for enhancing peptide identification.

The majority of cellular proteins interact with at least one partner or assemble into molecular-complexes to exert their function. This network of protein-protein interactions (PPIs) and the composition of macromolecular machines differ between cell types and physiological conditions. Therefore, characterizing PPI networks and their dynamic changes is vital for discovering novel biological functions and underlying mechanisms of cellular processes. However, producing an in-depth, global snapshot of PPIs from a given specimen requires measuring tens to thousands of LC-MS/MS runs. Consequently, while recent works made seminal contributions by mapping PPIs at great depth, almost all focused on just 1-2 conditions, generating comprehensive but mostly static PPI networks. In this study we report the development of SEC-TMT, a method that enables identifying and measuring PPIs in a quantitative manner from only 4-8 LC-MS/MS runs per biological sample. This was accomplished by incorporating tandem mass tag (TMT) multiplexing with a size exclusion chromatography mass spectrometry (SEC-MS) work-flow. SEC-TMT reduces measurement time by an order of magnitude while maintaining resolution and coverage of thousands of cellular interactions, equivalent to the gold standard in the field. We show that SEC-TMT provides benefits for conducting differential analyses to measure changes in the PPI network between conditions. This development makes it feasible to study dynamic systems at scale and holds the potential to drive more rapid discoveries of PPI impact on cellular processes.