「青莲聚焦」强强联合——DIA是非依赖性采集技术在阿尔兹海默症中的应用

鉴定数目少？

准确度不高？

样本数量过多？

Biomaker不好选？

青莲的DIA来帮您！

DIA是非依赖性采集技术，是大队列样本筛选Biomaker手段之一。跟随小编一起来看看这项技术在神经退行性疾病--阿尔兹海默症中的应用吧~背景：阿尔茨海默症(AD)患者的脑脊液tau蛋白水平较高是目前已知的，但缺乏对伴随AD脑脊液蛋白水平的全系统变化的了解。2020年6月著名蛋白质组学领军人物Matthias Mann教授在Molecular Systems Biology（IF 9.8）上发表《Proteome profiling in cerebrospinal fluid reveals novel biomarkers of Alzheimer’s disease》，该研究采用“矩形策略”，即采用不同地域（瑞士、柏林、马格德堡）来源的三个独立队列共197例患者和健康对照者的脑脊液样本，利用DIA蛋白质组学技术进行深度蛋白质组学分析，以寻找阿尔兹海默症的疾病诊断新型生物标志物。

文章策略

结果速递

  1：大队列蛋白质组学数据质量评估作者对197例脑脊液微量样本进行DIA模式数据采集。从AD和non-AD样本混合所得的DDA文库中鉴定到约2700个蛋白，遂将每个样本进行DIA方法采集。每个样本平均检测蛋白为检测到1233个（图1B）， 约50%的样本能够重复检测到的蛋白达到1288个（图1C）。通过定量变异波动分析发现，约1000种蛋白的定量波动性低于20%（图2）。以上结果表明该实验选用的样本处理方法具有高度重复性和定量稳定性。

 2：AD和non-AD样本中蛋白表达差异显示Tau (gene name:MAPT)蛋白为含磷酸基蛋白，AD脑的Tau蛋白则异常过度磷酸化，从而使该蛋白发生缠结，Tau缠结首先出现在被称为内嗅皮层的与记忆和方向有关的大脑区域，然后它非常系统地从一个大脑区域跳转到下一个区域，致使生物体发生AD病症。14-3-3c (gene name:YEHAG)也是与神经退行性疾病疾病有关的重要蛋白。结果发现三大队列中，AD样本的MAPT和YEHAG都发生了表达量显著增加的情况。（图3）。随后作者对差异蛋白在三个队列中的表达一致性进行对比（图4）。结果表明三个队列虽有地域差异，但是AD与non-AD差异表达的蛋白大多数一致性较好。

3：机器学习

利用机器学习的方法对26个核心蛋白对AD再分类，发现用其中14个蛋白的强度可以对AD状态进行有效分类，ROC曲线显示具有较好的检测灵敏性和特异性。并通过交叉验证模型，其中88个AD病人中有72可以被有效识别，109个non-AD病人中有95个可以别有效识别，灵敏性和特异性分别达到82%和87%。

总结： 

在本研究中，采用DIA全息扫描蛋白质组学技术，实现大队列高通量（197例患者和健康对照者的脑脊液样本）检测，共测得1484个蛋白。通过三个队列蛋白质组数据的整合和独立对比，寻找一致的差异表达蛋白。不仅保证技术和数据的高重复性和高稳定性，也在筛选到的标志物中，进一步结合临床数据以及机器学习等方法综合进行标志物评价，再次验证标志物的可靠性。