蛋白質(zhì)作為生命活動的功能執(zhí)行體,其研究的意義和價值不言而喻。目前對于蛋白質(zhì)的研究技術(shù)也層出不窮,在項目研究初期,如何利用蛋白組學研究技術(shù)為科學研究及產(chǎn)業(yè)轉(zhuǎn)化助力 ,離不開我們在課題設(shè)計時的深思熟慮,離不開我們對技術(shù)的如數(shù)家珍,更離不開既定的研究范式。今天給大家安利一些Olink蛋白組學研究的套路,如何通過該技術(shù)轉(zhuǎn)化成研究論文,以及潛在的轉(zhuǎn)化產(chǎn)品。
01 Olink發(fā)現(xiàn)+Elisa驗證 (IF:5.370/Q1) 研究思路 研究概述 炎癥通常被認為與先兆子癇(PE)的發(fā)生和發(fā)展有關(guān),但其對PE的具體影響尚不清楚。在本研究中,使用基于高靈敏度和特異性鄰近延伸測定技術(shù)的Olink炎癥panel,測量了來自PE患者(n=15)和正常妊娠對照(n=15,n=15)的妊娠晚期母體血漿中92種炎癥相關(guān)蛋白的表達水平。PE組和對照組共有28個炎癥相關(guān)標志物存在差異。 其中,成纖維細胞生長因子21(FGF-21)和半胱氨酸-半胱氨酸基序趨化因子配體20(CCL20)的倍數(shù)變化最大。我們使用酶聯(lián)免疫吸附試驗(ELISA)進一步驗證了妊娠晚期(43例PE和44例對照)和早期(37例PE和37例對照)孕婦血漿中CCL20的水平。據(jù)作者所知,這是他們首次發(fā)現(xiàn)CCL20在PE患者的妊娠晚期和妊娠早期血漿中上調(diào),曲線下面積(AUC)分別為0.753和0.668。 總之,PE患者的大多數(shù)炎癥標志物水平升高,CCL20可能是PE的一種新的潛在預(yù)測和診斷生物標志物。 02 Olink+隊列研究(IF:35.855/Q1) 研究思路 研究概述 目前的風險評分并不能準確地識別出復發(fā)性動脈粥樣硬化性心血管疾病(ASCVD)風險最高的患者,這些患者需要更強化的治療干預(yù),用機器學習技術(shù)分析高通量血漿蛋白質(zhì)組學的進展,可能為進一步改善這些患者的風險分層提供新的機會。 在該項目研究中,運用Olink蛋白質(zhì)組學技術(shù)對包含1,570例已確診動脈疾病患者的兩個隊列進行研究,發(fā)現(xiàn)50個蛋白標志物在預(yù)測ASCVD事件復發(fā)方面優(yōu)于臨床風險模型。在發(fā)現(xiàn)和驗證隊列中,蛋白質(zhì)組學模型在鑒別方面表現(xiàn)更好,并提供了比臨床風險模型更顯著的AUC。在低CRP患者中發(fā)現(xiàn)了中性粒細胞相關(guān)的途徑,這意味著在傳統(tǒng)的NLRP3途徑之外還存在著殘余的炎癥風險。 03 Olink+RNAseq+免疫組化(IF:51.769/Q1) 研究思路 研究概述 免疫檢查點阻斷劑(ICBs)目前廣泛應(yīng)用于腫瘤學。然而,大多數(shù)患者并沒有從這些藥物中獲益。因此,迫切需要確定新的、可靠的抗藥性生物標志物,以便僅對具有預(yù)期治療益處的患者開出潛在毒性和昂貴的治療處方。作者分析了兩個獨立的前瞻性隊列中接受ICB治療的癌癥患者(發(fā)現(xiàn)隊列n=95,驗證隊列n=292)在治療開始前收集的血漿樣本的蛋白質(zhì)組。然后,通過Cox比例風險模型研究了蛋白血漿水平、臨床獲益率、無進展生存率和總生存率之間的相關(guān)性。 研究表明,通過使用無偏的Olink蛋白質(zhì)組學方法,在發(fā)現(xiàn)和驗證隊列中的白血病抑制因子(LIF)基線水平升高與接受ICB治療的癌癥患者的不良臨床結(jié)局相關(guān),與其他預(yù)后因素無關(guān)。作者還證明了LIF的循環(huán)水平與腫瘤微環(huán)境中三級淋巴結(jié)構(gòu)的存在呈負相關(guān)。這一新的臨床數(shù)據(jù)為LIF作為抗腫瘤免疫的潛在抑制因子的作用提供了強有力的證據(jù),并表明以LIF或其途徑為靶點可能是一種有希望的方法,可以結(jié)合ICB提高癌癥免疫治療的療效。 04 小結(jié)
最后,關(guān)于Olink蛋白組學的研究范式,今天先匯總以下三個供大家參考,其他的研究范式,后續(xù)再給大家呈現(xiàn)。
參考文獻 1.Wang X, Yip KC, He A, et al. Plasma Olink Proteomics Identifies CCL20 as a Novel Predictive and Diagnostic Inflammatory Marker for Preeclampsia. J Proteome Res. 2022;21(12):2998-3006. doi:10.1021/acs.jproteome.2c00544 2.Nurmohamed NS, Belo Pereira JP, Hoogeveen RM, et al. Targeted proteomics improves cardiovascular risk prediction in secondary prevention. Eur Heart J. 2022;43(16):1569-1577. doi:10.1093/eurheartj/ehac055 3.Loriot Y, Marabelle A, Guégan JP, et al. Plasma proteomics identifies leukemia inhibitory factor (LIF) as a novel predictive biomarker of immune-checkpoint blockade resistance. Ann Oncol. 2021;32(11):1381-1390. doi:10.1016/j.annonc.2021.08.1748