鑒定數(shù)目少？

準確度不高？

樣本數(shù)量過多？

Biomaker不好選？

青蓮的DIA來幫您！

?

DIA是非依賴性采集技術(shù)，是大隊列樣本篩選Biomaker手段之一。跟隨小編一起來看看這項技術(shù)在神經(jīng)退行性疾病--阿爾茲海默癥中的應(yīng)用吧~背景：阿爾茨海默癥(AD)患者的腦脊液tau蛋白水平較高是目前已知的，但缺乏對伴隨AD腦脊液蛋白水平的全系統(tǒng)變化的了解。2020年6月著名蛋白質(zhì)組學領(lǐng)軍人物Matthias Mann教授在Molecular Systems Biology（IF 9.8）上發(fā)表《Proteome profiling in cerebrospinal fluid reveals novel biomarkers of Alzheimer’s disease》，該研究采用“矩形策略”，即采用不同地域（瑞士、柏林、馬格德堡）來源的三個獨立隊列共197例患者和健康對照者的腦脊液樣本，利用DIA蛋白質(zhì)組學技術(shù)進行深度蛋白質(zhì)組學分析，以尋找阿爾茲海默癥的疾病診斷新型生物標志物。

?

?

?

文章策略

??

??

結(jié)果速遞

??1：大隊列蛋白質(zhì)組學數(shù)據(jù)質(zhì)量評估作者對197例腦脊液微量樣本進行DIA模式數(shù)據(jù)采集。從AD和non-AD樣本混合所得的DDA文庫中鑒定到約2700個蛋白，遂將每個樣本進行DIA方法采集。每個樣本平均檢測蛋白為檢測到1233個（圖1B）， 約50%的樣本能夠重復(fù)檢測到的蛋白達到1288個（圖1C）。通過定量變異波動分析發(fā)現(xiàn)，約1000種蛋白的定量波動性低于20%（圖2）。以上結(jié)果表明該實驗選用的樣本處理方法具有高度重復(fù)性和定量穩(wěn)定性。

?

?

?2：AD和non-AD樣本中蛋白表達差異顯示Tau (gene name:MAPT)蛋白為含磷酸基蛋白，AD腦的Tau蛋白則異常過度磷酸化，從而使該蛋白發(fā)生纏結(jié)，Tau纏結(jié)首先出現(xiàn)在被稱為內(nèi)嗅皮層的與記憶和方向有關(guān)的大腦區(qū)域，然后它非常系統(tǒng)地從一個大腦區(qū)域跳轉(zhuǎn)到下一個區(qū)域，致使生物體發(fā)生AD病癥。14-3-3c (gene name:YEHAG)也是與神經(jīng)退行性疾病疾病有關(guān)的重要蛋白。結(jié)果發(fā)現(xiàn)三大隊列中，AD樣本的MAPT和YEHAG都發(fā)生了表達量顯著增加的情況。（圖3）。隨后作者對差異蛋白在三個隊列中的表達一致性進行對比（圖4）。結(jié)果表明三個隊列雖有地域差異，但是AD與non-AD差異表達的蛋白大多數(shù)一致性較好。

?

?

?

?

3：機器學習

利用機器學習的方法對26個核心蛋白對AD再分類，發(fā)現(xiàn)用其中14個蛋白的強度可以對AD狀態(tài)進行有效分類，ROC曲線顯示具有較好的檢測靈敏性和特異性。并通過交叉驗證模型，其中88個AD病人中有72可以被有效識別，109個non-AD病人中有95個可以別有效識別，靈敏性和特異性分別達到82%和87%。

?

?

總結(jié)：?

在本研究中，采用DIA全息掃描蛋白質(zhì)組學技術(shù)，實現(xiàn)大隊列高通量（197例患者和健康對照者的腦脊液樣本）檢測，共測得1484個蛋白。通過三個隊列蛋白質(zhì)組數(shù)據(jù)的整合和獨立對比，尋找一致的差異表達蛋白。不僅保證技術(shù)和數(shù)據(jù)的高重復(fù)性和高穩(wěn)定性，也在篩選到的標志物中，進一步結(jié)合臨床數(shù)據(jù)以及機器學習等方法綜合進行標志物評價，再次驗證標志物的可靠性。??