本期《精準前沿》欄目分享來自瑞典皇家理工學院研究團隊發(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平臺——Olink Explore血液檢測蛋白技術和泛癌分析策略，通過對主要癌癥類型的患者血液的蛋白質(zhì)水平進行全面分析，探索不同癌種的蛋白質(zhì)組特征，并構建能夠準確預測癌種的分類器模型以及腫瘤早篩預測模型。

研究背景

腫瘤防治最重要且最有效的方式是通過及早發(fā)現(xiàn)避免腫瘤的進展、轉移和出現(xiàn)難治性腫瘤，從而改善患者的預后生存。而在過去的十年里，利用基因組學開展的研究并未實現(xiàn)治療方案的實質(zhì)性改變，也未促進大規(guī)模人群癌癥篩查的開展，仍缺乏針對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)生進展，從而實現(xiàn)更早地明確診斷、進行患者的風險預測和癌癥分型。而下一代血液蛋白檢測技術基于抗體的PEA與NGS測序相結合，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。

研究設計

研究團隊使用 Olink Explore 1536 panel 平臺對來自12種癌癥的1477名患者：Top 5 癌種為肺癌 (n=268)、結直腸癌 (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名健康個體的血漿蛋白質(zhì)組進行了檢測。Olink Explore平臺僅需要不到3μL的血漿即可對1463種蛋白質(zhì)進行相對定量。

文章主要設計思路如圖1所示。研究團隊通過差異分析以及根據(jù)機器學習預測建模的權重排序為每個癌種選擇了一組特征蛋白，并基于所選特征蛋白合集構建多分類模型，精確區(qū)分患者的腫瘤類型。并根據(jù)特征蛋白Panel建立腫瘤預測模型，對健康隊列中的每種癌癥進行分類，進一步驗證了所選生物標志物潛力，并最終證實這種分類可以準確識別早期癌癥患者。

圖1. 研究設計

研究結果

1.不同癌種的特征蛋白

研究者通過雙邊T檢驗結合Benjamini-Hochberg多重假設矯正，校正后P值的顯著性閾值為0.05，評估了目標癌種與其他癌種的顯著差異表達蛋白（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。結果表明，大部分panel內(nèi)設計的蛋白質(zhì)都存在差異表達。而不同癌種的差異表達蛋白也反映了其癌種的特征，例如免疫細胞相關癌癥（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。

圖2. 各個癌種的差異蛋白分析

2. 癌種單分類器模型

研究團隊為每種癌癥類型（n=12）構建了基于AI的疾病預測模型：分別使用所有定量的蛋白質(zhì)（n=1463）和70%的癌癥患者作為訓練集，選擇基于正則化廣義線性模型的機器學習算法“glmnet”， 在測試集上的驗證結果如圖3a所示，展示了每個癌種隊列分類正確的概率，圖3b反映了每個癌種預測的AUC面積在0.8-1之間，其中三個與免疫細胞相關的癌癥：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

基于上述結果，研究團隊根據(jù) glmnet 模型的權重排名以及顯著差異分析結果，構建了一組包括83個蛋白的多分類器預測模型panel（圖4），使用以下納入標準： (i) 癌癥分類模型表明總體重要性超過 50% 的蛋白質(zhì)； (ii) 差異表達分析確定為上調(diào)的蛋白質(zhì)；

(iii) 每種癌癥至少有 3 個蛋白質(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，構建了四種不同的分類模型進行性能比較：(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）；結果顯示，使用蛋白質(zhì)組（n = 83）的預測性能與使用全部蛋白的性能相當，顯著優(yōu)于僅使用每種癌癥最顯著的蛋白質(zhì)標記物（圖5）。這也證明了使用血漿蛋白質(zhì)組的額外優(yōu)勢，例如乳腺癌患者的單個標記物沒有選擇性，但使用多種蛋白質(zhì)的預測模型產(chǎn)生了更準確的分型。

圖5. 多分類器模型評估

4. 腫瘤早篩早診預測

研究團隊進一步分析了健康人和腫瘤患者之間的差異蛋白，并重點關注了人群基數(shù)較大以及樣本量較多的結直腸癌和肺癌患者。結果顯示，基于不同癌種的特征蛋白，不僅可以區(qū)分不同癌種，也能夠很準確的區(qū)分癌癥患者和健康對照（AUC均高于0.83，圖6a-d）。而一些特征蛋白的表達在癌種的不同疾病分期也存在顯著性差異，例如用于識別CLL患者的CD22和結直腸癌患者中的LGALS4（圖6e）。在樣本較多的肺癌和結直腸癌上，觀察到血漿蛋白質(zhì)組區(qū)分I期肺癌患者和健康個體的AUC為0.79；區(qū)分I期結直腸癌患者和健康對照的AUC為0.78，早期和晚期癌癥患者的模型表現(xiàn)沒有顯著差異（圖6 f-g）。

圖6. 腫瘤早篩早診預測

討論

研究團隊基于Olink平臺通過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記，構建預測模型用以區(qū)分不同癌癥類型，并且該模型還能夠檢測腫瘤早期患者。作者也指出，該模型的應用還需要更多的獨立驗證集的預測性能評估以及跨平臺蛋白組學一致性的評估，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數(shù)據(jù)供其他研究者參考使用。

Olink新一代蛋白組學平臺可實現(xiàn)高通量、高特異性、高靈敏度、高動態(tài)范圍的靶向蛋白質(zhì)組定量檢測，已在基礎科研、醫(yī)藥研發(fā)及臨床試驗中研究得到廣泛認可和應用。先聲診斷旗下專注于CRO業(yè)務品牌新標智鑰（Simarker），在國內(nèi)首批引進了Olink? Signature Q100平臺，正式開展高敏蛋白組學檢測和分析服務。

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

END 

參考文獻： [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”用戶上傳、授權發(fā)布，以上內(nèi)容（含文字、圖片、視頻）不代表健康界立場。“健康號”系信息發(fā)布平臺，僅提供信息存儲服務，如有轉載、侵權等任何問題，請聯(lián)系健康界（jkh@hmkx.cn）處理。

相關知識

AI如何助力重塑腫瘤診療模式
《自然》子刊：華科劉剛團隊發(fā)現(xiàn)，8種健康膳食模式的蛋白組學特征譜與糖尿病、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)組學分析,Frontiers in Endocrinology
院士盧煜明：血漿DNA片段學在液體活檢的應用將助力精準醫(yī)學領域實現(xiàn)更多突破
關于孕婦蛋白尿的基本信息介紹
《中國惡性腫瘤學科發(fā)展報告（2021）》—腫瘤營養(yǎng)未來展望篇
預測上百種疾病風險，發(fā)現(xiàn)26個潛力新靶點！《細胞》：復旦團隊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)會導致臉水腫嗎

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