To answer the increasing need for detecting and validating protein biomarkers in clinical specimens, proteomic techniques are required that support the fast, reproducible and quantitative analysis of large clinical sample cohorts. Targeted mass spectrometry techniques, specifically SRM, PRM and the massively parallel SWATH/DIA technique have emerged as a powerful method for biomarker research. For optimal performance, they require prior knowledge about the fragment ion spectra of targeted peptides. In this report, we describe a mass spectrometric (MS) pipeline and spectral resource to support data-independent acquisition (DIA) and parallel reaction monitoring (PRM) based biomarker studies. To build the spectral resource we integrated common open-source MS computational tools to assemble an open source computational workflow based on Docker. It was then applied to generate a comprehensive DIA pan-human library (DPHL) from 1,096 data dependent acquisition (DDA) MS raw files, and it comprises 242,476 unique peptide sequences from 14,782 protein groups and 10,943 SwissProt-annotated proteins expressed in 16 types of cancer samples. In particular, tissue specimens from patients with prostate cancer, cervical cancer, colorectal cancer, hepatocellular carcinoma, gastric cancer, lung adenocarcinoma, squamous cell lung carcinoma, diseased thyroid, glioblastoma multiforme, sarcoma and diffuse large B-cell lymphoma (DLBCL), as well as plasma samples from a range of hematologic malignancies were collected from multiple clinics in China, the Netherlands and Singapore and included in the resource. This extensive spectral resource was then applied to a prostate cancer cohort of 17 patients, consisting of 8 patients with prostate cancer (PCa) and 9 with benign prostate hyperplasia (BPH), respectively. Data analysis of DIA data from these samples identified differential expressions of FASN, TPP1 and SPON2 in prostate tumors. Thereafter, PRM validation was applied to a larger PCa cohort of 57 patients and the differential expressions of FASN, TPP1 and SPON2 in prostate tumors were validated. As a second application, the DPHL spectral resource was applied to a patient cohort consisting of samples from 19 DLBCL patients and 18 healthy individuals. Differential expressions of CRP, CD44 and SAA1 between DLBCL cases and healthy controls were detected by DIA-MS and confirmed by PRM. These data demonstrate that the DPHL supported that DIA-PRM MS pipeline enables robust protein biomarker discoveries.

Abstract Treatment and relevant targets for breast cancer (BC) remain limited, especially for triple-negative BC (TNBC). We quantified the proteomes of 76 human BC cell lines using data independent acquisition (DIA) based proteomics, identifying 6091 proteins. We then established a 24-protein panel distinguishing TNBC from other BC types. Integrating prior multi-omics datasets with the present proteomic results to predict the sensitivity of 90 drugs, we found that proteomics data improved drug sensitivity predictions. The sensitivity of the 90 drugs was mainly associated with cell cytoskeleton, signal transduction and mitochondrial function. We next profiled the proteome changes of nine cell lines (five TNBC cell lines, four non-TNBC cell lines) perturbated by EGFR/AKT/mTOR inhibitors. In the TNBC cell lines, metabolism pathways were dysregulated after EGFR/mTOR inhibitors treatment, while RNA modification and cell cycle pathways were dysregulated after AKT inhibitor treatment. Our study presents a systematic multi-omics and in-depth analysis of the proteome of BC cells. This work aims to aid in prioritization of potential therapeutic targets for TNBC as well as to provide insight into adaptive drug resistance in TNBC.