群英荟萃 | olink靶向蛋白质组与单细胞、肠道微生物等热点的激情碰撞
2022-06-09
中科新生命
4528
Olink蛋白质组学是基于PEA（Proximity Extension Assay，邻位延伸技术），靶向检测血液（或其他体液）中特定种类蛋白质的技术，其最大的优势在于灵敏度达到fg级别，在血液中常被高丰度掩盖的低丰度蛋白质，比如细胞因子，可通过该技术检测到。目前，olink针对不同研究需求，可提供心血管、肿瘤、肿瘤免疫、免疫反应、炎症、神经、代谢、器官损伤等多个方向的96~3072 panel系列检测，被广泛地运用到科学问题的探索研究中去，包括疾病预测&预后生物标志物的筛选、患者分层诊疗、疾病发生的机制机理，药理药靶的研究等等。
今天小编就带大家一起来看一下panel的选择及应用思路。
01 Olink+宏基因组揭秘肠道菌群和免疫系统的关系——肠道微生物
文献名称：Gut-microbiota-targeted diets modulate human immune status
发表期刊：Cell（IF 41.6）
研究背景及目的：饮食调节肠道微生物群，进而影响免疫系统。本文研究了高纤维和发酵食品饮食干预是如何影响健康成年人的人体微生物组和免疫系统的。
组学方法：Olink炎症panel靶向蛋白质组学、16s宏基因测序
主要步骤及内容：
· 步骤1：招募志愿者进行高纤维或发酵食物的饮食干预，纵向收集多个干预时间点的志愿者的粪便和血液样本。
· 步骤2：通过16s RNA测序技术对粪便中的肠道菌群进行检测，发现高发酵食品的饮食增加了微生物群的多样性，并改变了其微生物组成；而高纤维饮食对菌群多样性影响不显著。
· 步骤3：通过olink、质谱流式、荧光流式研究了高纤维饮食对宿主免疫的影响，对血液进行检测，发现高发酵食品干预会显著降低免疫细胞的特征蛋白质表达水平，炎症相关的92种蛋白质中，有19种表达水平降低；而高纤维饮食干预会引发3类免疫应答（高炎组、低炎I组和低炎Ⅱ组）。
02 Olink+单细胞组学揭示疾病发展特征——感染免疫
文献名称：Multi-Omics Resolves a Sharp Disease-State Shift between Mild and Moderate COVID-19
发表期刊：Cell（IF 41.6）
研究背景及目的：COVID-19感染的重症新冠患者往往会伴随造血功能失调、免疫细胞紊乱等。然而在轻度和中度感染时，患者体内指标如何变化仍不清楚。
组学方法：Olink心血管Ⅱ、炎症、代谢、免疫反应、器官损伤panel靶向蛋白质组学、代谢组、单细胞多组学
主要步骤及内容：
· 步骤1：采集139名不同感染程度的新冠患者的血浆样本，分离血浆采用olink技术对炎症、代谢等相关蛋白质进行靶向分析，采用LC/MSMS对代谢物进行检测；分离血液中的PBMC细胞对mRNA、细胞表面蛋白、分泌蛋白等进行单细胞多组学检测。
· 步骤2：根据靶向蛋白质组和代谢组的数据，描绘了新冠感染程度与多组学数据变化特征的相关性图谱，发现健康到新冠轻症的过渡中，蛋白质会发生巨大的变化。
· 步骤3：从单细胞数据中挖掘新冠感染后细胞亚群的变化特征，发现CD8+T细胞与疾病严重程度呈现非单调变化，并呈现出异质性，CD4+T细胞中也发现两种类群的CD4+T细胞亚群与新冠严重程度有关。
· 步骤4：整合多维度多组学数据，挖掘功能基因调控模块。结果中找到了关键的基因模块能够清楚区分轻度和中度新冠感染的生理波动。
03 Olink+非靶向蛋白质组学助力生物标志物筛选——肿瘤免疫
文献名称：In-depth plasma proteomics reveals increase in circulating PD-1 during anti-PD-1 immunotherapy in patients with metastatic cutaneous melanoma
发表期刊：Journal for ImmunoTherapy of Cancer（IF 13.8）
研究背景及目的：有相当部分的黑色素瘤(CM)患者对肿瘤免疫检查点（ICI）治疗无应答或产生耐药性，即使是抗PD-1和抗CTLA-4联合治疗也有约40%的无应答率。到目前为止，临床实践中尚缺乏有效的生物标志物用于预测CM患者的抗PD-1治疗效果。
组学方法：基于质谱的非靶向蛋白质组学LC-MS/MS、Olink肿瘤免疫panel靶向蛋白质组学
主要步骤及内容：
· 步骤1：采用非靶向的蛋白质组学和olink对24名接受ICLs或MAPKis治疗期间的CM患者的血浆进行蛋白质层面的检测。LC-MS/MS检测到1835种蛋白质，在接受抗PD-1治疗的患者中，80种蛋白质有显著变化；olink检测到23种蛋白质有显著变化。
· 步骤2：根据组学数据对转移性皮肤黑色素瘤抗PD-1治疗反应进行分层分析。对比蛋白质表达情况显示抗PD-1-R亚组中的特异性蛋白，包括PD-1、IL-6和IL-10等，参与T细胞反应、炎症、中性粒细胞脱颗粒和细胞黏附等过程，表明抗PD-1-R的治疗过程中，急性炎症正在进行中。
· 步骤3：基于（Cox模型）评估蛋白质血浆水平与无进展生存期(PFS)之间的关系，调整年龄和性别的因素后，在ICI队列中找到了9种蛋白的血浆水平的增加与更长的PFS相关。
04 Olink对患者进行分层——心血管
文献名称：Machine learning based on biomarker profiles identifies distinct subgroups of heart failure with preserved ejection fraction
发表期刊：European Journal of Heart Failure（IF 15.5）
研究背景及目的：射血分数保留的心力衰竭（HFpEF）病症复杂且高度病变，异质性强，治疗难度高，患者对药物响应不一，因此需要对患者亚群更准确的分层以进行更精准的治疗。
组学方法：Olink心血管Ⅱ、心血管Ⅲ、免疫反应、肿瘤panel靶向蛋白质组学
主要步骤及内容：
· 步骤1：采用olink对429名HFpEF患者的363种蛋白质进行靶向检测。
· 步骤2：基于机器学习，结合病理特征及影响因素将患者分成了四个亚群，并注释了每个患者群体的生理病理特征。
· 步骤3：经21个月的随访发现，不同患者亚群的死亡或心力衰竭风险率有明显差异。
05 Olink助力生物标志物筛选——肿瘤
文献名称：Circulating proteins and risk of pancreatic cancer: a case-subcohort study among Chinese adults
发表期刊：International Journal of Epidemiology（IF 13.8）
研究背景及目的：胰腺癌有“万癌之王“之称，发现的时候已多为晚期，故5年生存率5%-10%，中位生存期仅为4-6个月。生物标志物可能有助于预测或诊断胰腺癌，可能导致早期诊断和提高生存率。现有的预测风险的标志物区分能力有限，急需能预测疾病发生发展风险的检测方法。
组学方法：Olink肿瘤免疫panel靶向蛋白质组学
主要步骤及内容：
· 步骤1：在2004-08年期间招募了512,891名30-79岁的成年人，截止到2016年，共9年期间随访并记录了702例胰腺癌病例。
· 步骤2：经随机抽样并结合癌症病史等因素，选择610例胰腺癌血浆样本及623例对照组样本采用olink技术对肿瘤免疫相关的92种蛋白质进行了靶向检测。
· 步骤3：使用Cox比例风险模型来评估蛋白质与胰腺癌风险之间的联系，并结合年龄、性别、吸烟、饮酒、受教育程度、糖尿病等各类风险因素进行校正。综合发现，几种趋化因子、白细胞介素、生长因子等与胰腺癌的风险相关，多个蛋白标志物与风险因素结合使用，对于预测胰腺癌的风险具有较高的可信度。
06 Olink助力新药靶点发现——药靶筛选
文献名称：Genomic and drug target evaluation of 90 cardiovascular proteins in 30,931 individuals
发表期刊：nature metabolism
研究背景及目的：循环蛋白在人类健康和疾病中至关重要，经常被用作临床决策的生物标志物或作为药物干预的目标。
组学方法：Olink心血管panel靶向蛋白质组学
主要步骤及内容：
· 步骤1：对来自13个队列的三万多人的心血管相关蛋白质进行靶向检测，得到 85 种蛋白质的 451 个 pQTL。对于每个蛋白进行通路定位以获得反式pQTL基因和调控标记。
· 步骤2：利用小鼠敲低实验和临床试验结果(趋化因子受体)，用反式pQTL的正交证据证实了这些调控结果，且发现这些结果具有一致的调控作用。
· 步骤3：评估已知的药物靶点，并使用孟德尔随机法提出新的靶点候选或重新定位的机会。确定了11种先前未被靶向的与人类疾病有关的因果证据蛋白。
