本期《精準(zhǔn)前沿》欄目分享來(lái)自瑞典皇家理工學(xué)院研究團(tuán)隊(duì)發(fā)表于Nature Communications（IF=16.6）上的一篇研究[1]，該研究使用一種新的腫瘤研究技術(shù)平臺(tái)——Olink Explore血液檢測(cè)蛋白技術(shù)和泛癌分析策略，通過(guò)對(duì)主要癌癥類型的患者血液的蛋白質(zhì)水平進(jìn)行全面分析，探索不同癌種的蛋白質(zhì)組特征，并構(gòu)建能夠準(zhǔn)確預(yù)測(cè)癌種的分類器模型以及腫瘤早篩預(yù)測(cè)模型。

研究背景

腫瘤防治最重要且最有效的方式是通過(guò)及早發(fā)現(xiàn)避免腫瘤的進(jìn)展、轉(zhuǎn)移和出現(xiàn)難治性腫瘤，從而改善患者的預(yù)后生存。而在過(guò)去的十年里，利用基因組學(xué)開(kāi)展的研究并未實(shí)現(xiàn)治療方案的實(shí)質(zhì)性改變，也未促進(jìn)大規(guī)模人群癌癥篩查的開(kāi)展，仍缺乏針對(duì)不同類型癌癥篩查的有效方法。

最新研究表明，腫瘤患者的血液蛋白質(zhì)組譜有助于更好地了解腫瘤的發(fā)生進(jìn)展，從而實(shí)現(xiàn)更早地明確診斷、進(jìn)行患者的風(fēng)險(xiǎn)預(yù)測(cè)和癌癥分型。而下一代血液蛋白檢測(cè)技術(shù)基于抗體的PEA與NGS測(cè)序相結(jié)合，用于量化多種血液蛋白質(zhì)濃度，為低成本的泛癌癥人群篩查提供了可能。

研究設(shè)計(jì)

研究團(tuán)隊(duì)使用 Olink Explore 1536 panel 平臺(tái)對(duì)來(lái)自12種癌癥的1477名患者：Top 5 癌種為肺癌 (n=268)、結(jié)直腸癌 (n=221)、神經(jīng)膠質(zhì)瘤 (n=145)、前列腺癌癌癥（n=163）和乳腺癌 (n=152) ，以及74名健康個(gè)體的血漿蛋白質(zhì)組進(jìn)行了檢測(cè)。Olink Explore平臺(tái)僅需要不到3μL的血漿即可對(duì)1463種蛋白質(zhì)進(jìn)行相對(duì)定量。

文章主要設(shè)計(jì)思路如圖1所示。研究團(tuán)隊(duì)通過(guò)差異分析以及根據(jù)機(jī)器學(xué)習(xí)預(yù)測(cè)建模的權(quán)重排序?yàn)槊總€(gè)癌種選擇了一組特征蛋白，并基于所選特征蛋白合集構(gòu)建多分類模型，精確區(qū)分患者的腫瘤類型。并根據(jù)特征蛋白Panel建立腫瘤預(yù)測(cè)模型，對(duì)健康隊(duì)列中的每種癌癥進(jìn)行分類，進(jìn)一步驗(yàn)證了所選生物標(biāo)志物潛力，并最終證實(shí)這種分類可以準(zhǔn)確識(shí)別早期癌癥患者。

圖1. 研究設(shè)計(jì)

研究結(jié)果

1.不同癌種的特征蛋白

研究者通過(guò)雙邊T檢驗(yàn)結(jié)合Benjamini-Hochberg多重假設(shè)矯正，校正后P值的顯著性閾值為0.05，評(píng)估了目標(biāo)癌種與其他癌種的顯著差異表達(dá)蛋白（圖2A）。在圖 2b 中，顯示了 12 種癌癥中上調(diào)和下調(diào)的蛋白質(zhì)數(shù)量。結(jié)果表明，大部分panel內(nèi)設(shè)計(jì)的蛋白質(zhì)都存在差異表達(dá)。而不同癌種的差異表達(dá)蛋白也反映了其癌種的特征，例如免疫細(xì)胞相關(guān)癌癥（AML、CLL 和淋巴瘤）中的上調(diào)蛋白大部分與免疫調(diào)節(jié)相關(guān)。

圖2. 各個(gè)癌種的差異蛋白分析

2. 癌種單分類器模型

研究團(tuán)隊(duì)為每種癌癥類型（n=12）構(gòu)建了基于AI的疾病預(yù)測(cè)模型：分別使用所有定量的蛋白質(zhì)（n=1463）和70%的癌癥患者作為訓(xùn)練集，選擇基于正則化廣義線性模型的機(jī)器學(xué)習(xí)算法“glmnet”， 在測(cè)試集上的驗(yàn)證結(jié)果如圖3a所示，展示了每個(gè)癌種隊(duì)列分類正確的概率，圖3b反映了每個(gè)癌種預(yù)測(cè)的AUC面積在0.8-1之間，其中三個(gè)與免疫細(xì)胞相關(guān)的癌癥：AML、CLL 和骨髓瘤，觀察到特別高的置信度，它們的 AUC 均為 0.99-1。

圖3. 癌種分類器模型

3. 癌種多分類器模型

基于上述結(jié)果，研究團(tuán)隊(duì)根據(jù) glmnet 模型的權(quán)重排名以及顯著差異分析結(jié)果，構(gòu)建了一組包括83個(gè)蛋白的多分類器預(yù)測(cè)模型panel（圖4），使用以下納入標(biāo)準(zhǔn)： (i) 癌癥分類模型表明總體重要性超過(guò) 50% 的蛋白質(zhì)； (ii) 差異表達(dá)分析確定為上調(diào)的蛋白質(zhì)；

(iii) 每種癌癥至少有 3 個(gè)蛋白質(zhì)。

圖4. 83 panel 癌種多分類器蛋白

作者根據(jù)不同的蛋白質(zhì)選擇方式，構(gòu)建了四種不同的分類模型進(jìn)行性能比較：(i) 所有蛋白質(zhì) (n = 1463)；(ii) 83panel中選擇的蛋白質(zhì)（iii）每種癌癥的三種最重要的蛋白質(zhì)（n = 36）和（iv）每種癌癥的單一最重要的蛋白質(zhì)（n = 12）；結(jié)果顯示，使用蛋白質(zhì)組（n = 83）的預(yù)測(cè)性能與使用全部蛋白的性能相當(dāng)，顯著優(yōu)于僅使用每種癌癥最顯著的蛋白質(zhì)標(biāo)記物（圖5）。這也證明了使用血漿蛋白質(zhì)組的額外優(yōu)勢(shì)，例如乳腺癌患者的單個(gè)標(biāo)記物沒(méi)有選擇性，但使用多種蛋白質(zhì)的預(yù)測(cè)模型產(chǎn)生了更準(zhǔn)確的分型。

圖5. 多分類器模型評(píng)估

4. 腫瘤早篩早診預(yù)測(cè)

研究團(tuán)隊(duì)進(jìn)一步分析了健康人和腫瘤患者之間的差異蛋白，并重點(diǎn)關(guān)注了人群基數(shù)較大以及樣本量較多的結(jié)直腸癌和肺癌患者。結(jié)果顯示，基于不同癌種的特征蛋白，不僅可以區(qū)分不同癌種，也能夠很準(zhǔn)確的區(qū)分癌癥患者和健康對(duì)照（AUC均高于0.83，圖6a-d）。而一些特征蛋白的表達(dá)在癌種的不同疾病分期也存在顯著性差異，例如用于識(shí)別CLL患者的CD22和結(jié)直腸癌患者中的LGALS4（圖6e）。在樣本較多的肺癌和結(jié)直腸癌上，觀察到血漿蛋白質(zhì)組區(qū)分I期肺癌患者和健康個(gè)體的AUC為0.79；區(qū)分I期結(jié)直腸癌患者和健康對(duì)照的AUC為0.78，早期和晚期癌癥患者的模型表現(xiàn)沒(méi)有顯著差異（圖6 f-g）。

圖6. 腫瘤早篩早診預(yù)測(cè)

討論

研究團(tuán)隊(duì)基于Olink平臺(tái)通過(guò)比較不同類型癌癥患者的血漿蛋白組圖譜，找到每種類型癌癥的特異性標(biāo)記，構(gòu)建預(yù)測(cè)模型用以區(qū)分不同癌癥類型，并且該模型還能夠檢測(cè)腫瘤早期患者。作者也指出，該模型的應(yīng)用還需要更多的獨(dú)立驗(yàn)證集的預(yù)測(cè)性能評(píng)估以及跨平臺(tái)蛋白組學(xué)一致性的評(píng)估，但為大人群樣本的廣泛早篩提供了新的思路。除此之外，作者還開(kāi)放了該研究中12種不同癌癥類型的1400多名癌癥患者的蛋白組學(xué)數(shù)據(jù)供其他研究者參考使用。

Olink新一代蛋白組學(xué)平臺(tái)可實(shí)現(xiàn)高通量、高特異性、高靈敏度、高動(dòng)態(tài)范圍的靶向蛋白質(zhì)組定量檢測(cè)，已在基礎(chǔ)科研、醫(yī)藥研發(fā)及臨床試驗(yàn)中研究得到廣泛認(rèn)可和應(yīng)用。先聲診斷旗下專注于CRO業(yè)務(wù)品牌新標(biāo)智鑰（Simarker），在國(guó)內(nèi)首批引進(jìn)了Olink? Signature Q100平臺(tái)，正式開(kāi)展高敏蛋白組學(xué)檢測(cè)和分析服務(wù)。

目前，先聲診斷在蛋白類生物標(biāo)志物檢測(cè)平臺(tái)覆蓋了Simoa、Olink、MSD和ELISA等不同通量、不同技術(shù)靈敏度、不同線性范圍的檢測(cè)平臺(tái)，可為蛋白類生物標(biāo)志物的開(kāi)發(fā)和研究提供完善的解決方案。

END 

參考文獻(xiàn)： [1]  Uhlén M. Next generation pan-cancer blood proteome profiling using proximity extension assay. Nat Commun. 2023 Jul 18;14(1):4308. doi: 10.1038/s41467-023-39765-y. PMID: 37463882; PMCID: PMC10354027. 

撰寫丨阿暉 編輯、排版丨SX

本文由“健康號(hào)”用戶上傳、授權(quán)發(fā)布，以上內(nèi)容（含文字、圖片、視頻）不代表健康界立場(chǎng)?！敖】堤?hào)”系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)，如有轉(zhuǎn)載、侵權(quán)等任何問(wèn)題，請(qǐng)聯(lián)系健康界（jkh@hmkx.cn）處理。

相關(guān)知識(shí)

AI如何助力重塑腫瘤診療模式
《自然》子刊：華科劉剛團(tuán)隊(duì)發(fā)現(xiàn)，8種健康膳食模式的蛋白組學(xué)特征譜與糖尿病、心血管病等慢性代謝性疾病
全腫瘤的遺傳因素：基因如何影響腫瘤發(fā)展
瘦型非酒精性脂肪肝的臨床特征和蛋白質(zhì)組學(xué)分析,Frontiers in Endocrinology
院士盧煜明：血漿DNA片段學(xué)在液體活檢的應(yīng)用將助力精準(zhǔn)醫(yī)學(xué)領(lǐng)域?qū)崿F(xiàn)更多突破
關(guān)于孕婦蛋白尿的基本信息介紹
《中國(guó)惡性腫瘤學(xué)科發(fā)展報(bào)告（2021）》—腫瘤營(yíng)養(yǎng)未來(lái)展望篇
預(yù)測(cè)上百種疾病風(fēng)險(xiǎn)，發(fā)現(xiàn)26個(gè)潛力新靶點(diǎn)！《細(xì)胞》：復(fù)旦團(tuán)隊(duì)繪制人類健康與疾病蛋白質(zhì)組圖譜
一次平掃CT 篩查多種癌癥（大健康觀察）
缺少蛋白質(zhì)會(huì)導(dǎo)致臉?biāo)[嗎

網(wǎng)址: 精準(zhǔn)前沿丨基于Olink平臺(tái)的泛癌血液蛋白組學(xué)分析腫瘤特征蛋白和早篩模探索 http://www.u1s5d6.cn/newsview213164.html