拉斯维加斯3499(官方认证)网站服务器-App Platform

蛋白质组学

3499拉斯维加斯 网站 服务器

蛋白质诊疗标志物发现创新平台

服务咨询热线

010-53395839

蛋白质组学,糖基化蛋白质组学,多组学联合分析
您当前的位置 : 首 页 > 新闻动态 > 公司新闻

从100篇文章中总结的心血管血浆蛋白质组学研究套路,你值得拥有

2023-08-29 00:00:00

血浆蛋白质组是人类蛋白质组中较复杂的一个类别,囊括了不同组织的亚蛋白质组,对疾病诊断和疗效监测具有重要意义。特别是在心血管研究领域,蛋白质组学极大的促进了心血管疾病复杂病理生物学解析和关键生物标志物的开发应用,目前已发表相关文章数千篇。今天,小编为大家总结近年血浆蛋白质组学在心血管研究领域的应用趋势,以及从高分文章中总结的研究策略。更多精彩内容,还会在本周四(8月31日)下午在拉斯维加斯3499官网直播间为大家呈现,敬请期待~


心血管血浆蛋白质组学研究正当时


作为人类蛋白质组计划的项目,人类血浆蛋白质组计划极大的促进了蛋白质组学技术和精准医疗的发展。之后,血浆蛋白质组学广泛应用于心血管、肿瘤、神经疾病、感染、肝脏疾病、糖尿病等研究领域。根据PubMed中检索的结果,人类血浆蛋白质组计划之后,血浆蛋白质组学相关文章数目持续攀升,近3年文章数目更是达到高峰,每年有超过1000篇文章发表。在近2年已发表文章中,影响因子10+的文章主要集中在心血管、神经、新冠肺炎和肿瘤等领域。其中心血管相关研究较多,占比接近四分之一,可见研究热度之高。

图1 血浆蛋白质组学文章数目和主要领域


心血管血浆蛋白质组学研究的主要方向


心血管也是血浆蛋白质组学较早应用的领域。2019年5月,美国范德比尔特大学的研究团队通过发现和验证队列的血浆蛋白组学分析,发现血管生成素-2和血栓反应素-2与心力衰竭相关,与临床评分或临床评分加NTproBNP相比,这两种生物标志物改善了对急性心力衰竭的识别(J Am Coll Cardiol. 2019)。之后,心力衰竭、心肌梗死、肺动脉高压等心血管疾病标志物鉴定、风险预测、发病机制、遗传基础解析、药物评价等研究成果陆续发表。例如,今年6月,德国夏里特医学院的研究人员通过血浆蛋白质组学分析揭示了急性冠脉综合征的发生机制(Eur Heart J. 2023)。


除了疾病研究外,衰老和心血管健康也是心血管领域研究的课题之一。早在2019年12月,美国斯坦福大学的研究团队对从年轻人到90多岁老人的血浆蛋白血浆蛋白组学进行了研究,揭示了人类血浆蛋白质组随年龄的显著非线性变化,以及与年龄相关疾病和表型性状的基因组和蛋白质组的差异关联(Nat Med. 2019)。之后,急性运动的分子调控(Cell. 2020)、人心肺健康的血浆蛋白质组图谱(Nat Metab. 2021)等重量级科研成果陆续发表。去年,上海交通大学医学院的研究人员甚至通过血浆蛋白质组学揭示了冥想和心血管疾病的关系(eBioMedicine 2022)。


图2 心血管血浆蛋白质组学高分文章(部分)


心血管血浆蛋白质组学高分文章套路


同一研究方向文章的研究思路基本相似,理清不同研究方向文章的基础思路,可以帮助我们对自己的研究进行更合理的设计。接下来,小编以心血管疾病标志物鉴定和风险预测为例,为大家总结不同的文章层次(1030)文章的常用研究策略。


图3 心血管血浆蛋白质组学不同层次文章的基本研究内容


  • 影响因子10+文章


在影响因子>10的心血管疾病标志物鉴定和风险预测的高分文章中,10-20分的文常见。其基本研究策略主要是通过发现队列和验证队列的血浆样本进行蛋白定量,通过逻辑回归分析或机器学习进行特征标志物的鉴定和验证,然后用于疾病的风险预测。


例如,在2022年发表在《eBioMedicine》(IF=11.1)的动脉粥样硬化研究中,前瞻性队列(PESA)包含222名患者和222名对照组成,外部验证队列(AWHS)包含175名患者和175名对照,结果验证队列(ILERVAS)包括1595名患者和1404名对照。对这些个体的血浆样本,10重TMT标记后使用质谱仪进行蛋白质检测。之后对前瞻性队列通过逻辑回归分析鉴定标志物,然后训练了一个机器学习模型,使用三种蛋白质预测亚临床动脉粥样硬化存在的潜力,发现3蛋白模型明显优于2蛋白模型(仅IGHA2和HPT),表明APOA的加入显着改善了生物标志物panel的性能。在低风险人群中,3P仍然明显更好,表明APOA也有助于低风险人群的预测。

图4 血浆蛋白组学改善动脉硬化风险预测


  • 影响因子20+文章


对于影响因子>20文章,标志物的鉴定、预后模型选择、预后验证会更加深入和严谨,同时更注重预测的应用。例如,在2022年发表在《Am J Respir Crit Care Med》(IF=24.7)的研究中,在英国队列中31种蛋白质有力地预测了独立于NT-proBNP和6MWD的预后。在基线和EFORT随访中验证了六种蛋白质的加权组合评分。蛋白质评分对患者进行风险分层,独立于既定的临床目标和风险方程。通过英国复制和法国样本的受试者操作特征分析,将六蛋白模型评分添加到NT-proBNP中,改善了对5年结果的预测。

图5 血浆蛋白组学对肺动脉高压进行风险分层


  • 影响因子30+文章


对于影响因子>30文章,除了标志物的鉴定、验证、风险预测外,同时会对关键标志物的作用机制进行分析,奠定更充实的理论基础。例如,在2022年发表在《Eur Heart J》(IF=39.3)的研究中,首先使用机器学习技术在衍生队列(SMART)中构建蛋白质模型,该模型在Athero-Express队列中进行了验证,并与临床风险模型进行了比较。在推导队列和验证队列中,蛋白质模型的表现优于临床模型,提供了显著的净重新分类改善,并且校准良好。然后通过通路分析确定高和低C反应蛋白(CRP)患者亚群中的特定通路。与高CRP患者中明确的白细胞介素-6信号相反,中性粒细胞信号相关蛋白与低CRP患者中复发性ASCVD相关。


图6 血浆蛋白组学改善心血管风险预测


  • 不同层次文章研究思路总结


通过上述不同层次文章的研究思路分析,不难发现心血管疾病标志物鉴定和风险预测相关文章常用的研究策略。


图7 心血管疾病标志物鉴定和风险预测文章的常用研究策略


本文网址:/news/802.html

相关产品

相关新闻

3499拉斯维加斯 网站 服务器

固话:010-53395839
邮箱:service@qinglianbio.com
地址:北京市海淀永捷南路2号院1号楼 中关村科学城·乡创中心


扫一扫,关注我们