EMBO Mol Med：DIA+机器学习筛选帕金森氏病尿液标志物
2021-01-26
中科新生命
1793帕金森氏病（Parkinson's disease，PD）是仅次于阿尔茨海默氏病的第二大常见神经退行性疾病，其临床表现主要包括静止性震颤、运动迟缓、肌强直和姿势步态障碍等。目前PD的治疗方法，多是缓解运动症状，而不是减慢疾病进程或逆转病状。近年来PD患者数量不断增加，对经济和社会的影响日益严峻，迫切需要有改变疾病进程的新型治疗策略出现。新疗法的产生有赖于对PD病理生理机制以及生物标志物更深入的了解。
著名蛋白质组学领军人物德国马普生物化学研究所Matthias Mann教授与哥伦比亚大学欧文医学中心及迈克尔·福克斯帕金森研究基金会合作，针对上述机构收集的两个独立横断面队列PD尿液样本进行了蛋白组学分析，发现特定基因突变（LRRK2 G2019S）会引发尿蛋白组差异；同时结合机器学习，尿液蛋白质组可以很好地对基因突变携带者的突变状态和疾病表现进行分类。该研究成果发表在EMBO Mol Med (IF 8.821)上，题为“Urinary proteome profiling for stratifying patients with familial Parkinson’s disease”。
研究材料：
两个独立横断面队列共235例尿液样本：哥伦比亚队列（Columbia）和帕金森研究基金会（MJFF）资助的LRRK2联盟样本队列（LCC）
技术方法：
DIA蛋白质组+机器学习
实验路线图：
研究结果
1、尿液DIA蛋白组学检测
研究者利用DIA定量蛋白质组学技术对所有235例尿液样本进行质谱检测。通过DDA分级建库联合direct-DIA建库，得到两个队列的蛋白library，分别包含4,564个（Columbia）和5,725个蛋白（LCC）；单个样本DIA检测发现蛋白定量均数分别为2,026（Columbia）和2,162（LCC），其中有2,051个蛋白在两组样本中被共同定量到。这个迄今为止单次分析覆盖最深的尿液蛋白质组研究。
图1 PD尿液样本DIA蛋白组学分析
2、尿液蛋白组数据过滤与全局分析
为保证数据可靠，研究者首先通过特定的质量标志物排除可能存在污染的尿液样本（Columbia 6个，LCC 4个），之后又通过PCA分析排除了离群样本（Columbia 1个）。最后作者对过滤后蛋白组学数据进行了全局相关性分析及PCA分析，发现性别是尿蛋白质组个体差异的最强贡献者。
图2 尿液蛋白组全局分析
3、PD对尿液蛋白组的影响
通过比较健康对照组和PD患者尿液蛋白组，共发现了361个差异蛋白：Columbia队列差异蛋白298个，而LCC队列差异蛋白73个（LCC队列中较不严格的样品收集方案和较差的年龄匹配造成差异蛋白较少）。研究者发现与疾病相关的蛋白质特征在两个独立队列之间具有高度相关性。通过GO功能分析，差异蛋白在骨骼发育，生长因子活性等功能中显著富集。
图3 PD对尿液蛋白组的影响
4、LRRK2突变对尿液蛋白组的影响
LRRK2是目前为止与PD关联最大的单个基因，LRRK2错义突变病例占了整体病例的3%。研究者比较了LRRK2 G2019S突变携带者与野非携带者的尿液蛋白组，找到了237种差异蛋白：Columbia 166个， LCC 104个。对共定量蛋白（227个）丰度相关性分析发现两个队列中蛋白倍数变化相似。GO功能分析发现LRRK2 G2019S突变会引发溶酶体功能失调。
图4 LRRK2突变引发溶酶体功能失调
5、利用机器学习对PD和LRRK2状态进行分类
研究者将Columbia和LCC两个队列的所有样本蛋白组学数据合并，通过机器学习模型，实现了对PD患者和LRRK2 G2019S携带者高敏感性和特异性的分层。根据机器学习模型的性能，VGF，LTF，CELA3A，TUBB4B和SOD2成为潜在候选蛋白，可作为早期指示疾病发展的预测标记。
图5 机器学习对PD和LRRK2状态进行分类
小编小结
本研究对PD疾病队列尿液样本进行了DIA定量蛋白质组学研究，实现了尿液蛋白2,000+的定量，是目前单次检测覆盖最深的尿液蛋白质组分析。基于高深度组学数据，研究者发现PD患者和健康对照组之间以及LRRK2 G2019S携带者和非携带者之间的尿蛋白质组存在显著差异。此外与机器学习结合，尿蛋白质组学数据可以对突变状态和突变携带者中的疾病表现进行准确分类。他们的研究证明尿蛋白质组分析能够发现更好的生物标志物，这会对帕金森氏病的诊断与精准治疗产生重大影响。
中科新生命DIA蛋白质组学产品介绍
DIA技术由于其无偏见全覆盖的扫描模式，具有传统组学技术无法超越的定量稳定性以及重复性等特点，在CNS期刊中的应用越来越火热。中科新生命自提供DIA技术服务以来，不仅在常规样本的大队列样本检测方面积累了大量的经验，也可提供一站式的标志物研究DIA+PRM+机器学习服务 ，基于肿瘤的蛋白基因组分型研究以及基于新一代色谱Evosep DIA的临床大样本蛋白质组学技术服务。感兴趣的老师欢迎来咨询.
