蛋白芯片在体质分类研究中的应用

首页    文献解析    蛋白芯片在体质分类研究中的应用

抗体芯片在体质分类研究中的应用

杂志名称:Journal of Leukocyte Biology

 

文献题目:Differences in serum proteins intraditional Chinese medicine constitutional population: Analysis and verification

第一作者:Fei Tan

 

通讯作者:ZhiminYang1, Ruo-pan Huang2

 

作者单位:

1 广州中医药大学第二附属医院中医湿证国家重点实验室

2 RayBiotechLife,Inc.,PeachtreeCorners,Georgia,USA

 

本实验所用产品:

GSH-CAA-X00(半定量检测人1000个细胞因子抗体芯片)

 

 

实验样本及分组:

人血清

BC: 平和体质组

DC: 湿症体质组

 

研究思路

 

研究背景

    现代精准医学利用“组学”技术,对患者进行精准分层和有效治疗。人群分类和评价标准也被中医用于预防和治疗疾病。中医基于一般认识、临床观察和大规模的现代医学流行病学调查研究将个体分类成平和(balanced constitution, BC)、气虚、阳虚、阴虚、痰湿、湿热、血瘀、气郁、特禀(过敏)体质共九种体质类别。其中,痰湿体质和湿热体质都属于湿症(dampness constitution, DC)。遗传背景、环境因素和生活方式都可能影响个体的体质。体质分类可用于慢性病和肿瘤等多种疾病的预防、诊断和治疗。中医对体质的判断较为主观,依赖于医生对个人生理和心理特征、问卷和量表的评估。因此,迫切需要对中医体质进行更加全面和客观的分类。在这项研究中,我们利用可同时检测到一个样本中的多个蛋白质的抗体芯片对BC和DC组患者血清中的蛋白质进行分析。抗体芯片具有样品消耗少,灵敏度高,实验结果产出快等优点。该论文分析了随时间变化的不同体质蛋白表达谱的表达概况,鉴定出BC组和DC组间19个差异表达蛋白。

 

 

结果

1.1 体质转化中的血清学特征

采用P < 0.05和fold change≥1.2 or ≤ 0.83作为筛选条件,用抗体芯片分析BC→DC(n = 4)转化组和DC→BC(n = 3)转化组的血清差异蛋白表达谱。在BC→DC转化组中总共鉴定出79个差异表达蛋白。与DC组相比,有31个上调蛋白,48个下调蛋白。聚类和主成分分析(Principal Component Analysis,PCA)显示,这79个蛋白质在BC组和DC组间表达差异明显(图B)。在DC→BC转化组,鉴定出178个差异表达蛋白。与BC组相比,有116个上调蛋白和62个下调蛋白。差异蛋白的聚类分析表明,这116个蛋白质在DC和BC组间表达差异明显(图C)。体质转化差异表达蛋白点图显示有24个蛋白在DC→BC转化组表达上调,在BC→DC转化组表达下调;有33个蛋白质在DC→BC转化组下调,但在BC→DC转化组上调(图D)。这些数据揭示了蛋白质谱随体质变化而变化。

 

IMG_259

1.2 BC和DC组别的蛋白质图谱鉴定

为了找出BC组和DC组的蛋白质生物标志物,对包含38名DC和37名BC的队列进行分析。比较DC组和BC组,共发现18个差异表达蛋白质,其中11个上调蛋白质,7个下调蛋白(图F)。与体质转变相关蛋白比较,鉴定出4种差异蛋白(图G;表2)。其中,TACI和Siglec-7在两组间的表达差异有统计学意义(P<0.05)。Dectin-2和AIF的表达水平在体质转变及BC组和DC组间具有相似的相关趋势。

IMG_260

 

 

IMG_262

使用SVM模型,利用7个蛋白生物标志物(TACI, Siglec-7, Dectin-2, AIF, TROP-2, MMP-2, Legumain)对DC组和BC组进行分类。在训练集中,28名BC受试者中有23名被试分类正确,29名DC受试者中有25名被试被正确分类(图E)。在测试集中,9名DC受试者中有8名被试分类正确,9名BC受试者中有7名被试被正确分类(图F)。因此,包含7个生物标志物的SVM模型能够从训练集和测试集中区分DC组和BC组。

 

1.3 蛋白质模式与临床性状的相关性

为了进一步证实临床性状与TACI、Siglec-7、Dectin-2、AIF、trop-2、MMP-2和Legumain蛋白表达水平的关系,我们评估了BC组和DC组79个记录的性状和蛋白水平的相关系数。结果表明,BC组Dectin-2与清淡饮食偏好呈正相关,AIF与清淡饮食偏好、舒张压呈正相关,Trop-2与午睡呈负相关,Legumain与舒张压和收缩压呈高度负相关(图A)。DC组AIF与均衡饮食呈正相关,TACI与辛辣饮食偏好呈负相关,MMP-2与酒精摄入量呈负相关(图B)

IMG_264

1.4 BC组和DC组差异共表达网络分析

其次,对差异共表达网络进行分析,识别功能模块,具有相似表达谱(即正相关性)的蛋白质被聚集在一起作为一个模块。共鉴定出15个差异共表达模块,在图A中用数字表示。其中#4、7、8和12四个模块在DC组中通过133个蛋白质具有更高相关性。DC组蛋白对之间的相关性范围大于BC组,提示DC组血清蛋白谱比BC组血清蛋白谱有更大的协同波动。在BC组中,代表31种蛋白质的模块#15与清淡饮食偏好呈正相关,而2个模块(#2和#7)与清淡饮食偏好呈正相关(图B)。在DC组,模块#15与均衡饮食呈正相关,而3个模块(#1、#4和#5)与咸味偏好和酸味饮食偏好呈正相关(图C)。BC组的辣味饮食偏好和DC组的均衡饮食相互关联(图D)。在模块#15中,AIF蛋白与BC组的辛辣饮食偏好和DC组的平衡饮食(图D)呈正相关。同时使用互作数据库分析模块#15中的蛋白质进行功能富集分析(图E)。这些数据表明,饮食可能对模块1、4、5和15中的蛋白质比其他蛋白质有更大的影响。

 

 

结论:

本文通过使用RayBiotech抗体芯片探讨了平和体质与湿型体质的生物学机制,找出了19个差异表达的蛋白,其中7个蛋白生物标记物可用于准确分类平和体质与湿型体质。

 

2022年4月29日 16:04
浏览量:0