之前為大家介紹了二代蛋白質(zhì)組學(xué)（NGP）的優(yōu)越性（詳情請(qǐng)見：顛覆傳統(tǒng) | 三黍生物Astral DIA蛋白質(zhì)組學(xué)產(chǎn)品重磅發(fā)布）。最新Orbitrap Astral儀器更高靈敏度、覆蓋度、精確度的“三高”屬性成為蛋白質(zhì)組學(xué)新風(fēng)向。Astral的出現(xiàn)也使蛋白質(zhì)組學(xué)進(jìn)入百元低價(jià)時(shí)代，我們?cè)撊绾巫プC(jī)會(huì)趕上這趟車？

由于目前使用Astral質(zhì)譜儀進(jìn)行蛋白質(zhì)組學(xué)分析的文獻(xiàn)還較少，很多小伙伴表示了興趣，卻不太清楚如何將這一新技術(shù)用于自己的課題。今天就從一篇結(jié)合衰老、蛋白質(zhì)組學(xué)時(shí)鐘等前沿?zé)狳c(diǎn)的一區(qū)文獻(xiàn)來為大家介紹如何將深度蛋白質(zhì)組學(xué)技術(shù)用于疾病研究。

蛋白質(zhì)組學(xué)、機(jī)器學(xué)習(xí)

圖1 技術(shù)路線

作者檢測了437個(gè)臨床癡呆癥評(píng)級(jí)（CDR）為0即認(rèn)知正常的不同年齡和種族的隊(duì)列樣本，該隊(duì)列的腦脊液樣本利用蛋白質(zhì)組學(xué)技術(shù)共鑒定到7008種蛋白質(zhì)。作者對(duì)蛋白質(zhì)組學(xué)數(shù)據(jù)使用機(jī)器學(xué)習(xí)算法預(yù)測，得到一個(gè)1157種蛋白質(zhì)模型來預(yù)測年齡（圖2）。圖2a顯示了經(jīng)訓(xùn)練的模型對(duì)年齡的預(yù)測（y軸）與驗(yàn)證隊(duì)列中88名個(gè)體的實(shí)際年齡（x軸）。該模型的預(yù)測顯示，與CSF提取時(shí)的實(shí)際年齡高度一致，Pearson相關(guān)性為0.85，平均估計(jì)誤差為3.94年。

然后，在阿爾茨海默病（ADNI）的另外735名參與者的CSF蛋白質(zhì)組上驗(yàn)證了訓(xùn)練后的模型。該模型在該隊(duì)列中繼續(xù)表現(xiàn)良好，Pearson與實(shí)際年齡的相關(guān)性為0.79，MAE為4.30（圖2b）。

最后作者創(chuàng)建了一個(gè)由44名確認(rèn)為淀粉樣蛋白-β陰性和認(rèn)知正常的個(gè)體組成的亞群，在這個(gè)亞群上驗(yàn)證了我CSF衰老模型，并獲得了與整個(gè)隊(duì)列相似的結(jié)果，Pearson相關(guān)性為0.81，MAE為4.85（圖2c）。

這一驗(yàn)證證實(shí)了該模型從CSF蛋白質(zhì)組學(xué)預(yù)測年齡的能力。

圖2 通過CSF蛋白質(zhì)組學(xué)彈性網(wǎng)絡(luò)模型預(yù)測年齡與時(shí)間順序年齡

為了了解隊(duì)列中CSF蛋白如何隨年齡變化，作者使用p<0.0001作為顯著性閾值，對(duì)數(shù)據(jù)中所有蛋白質(zhì)的含量進(jìn)行了Spearman與年齡的相關(guān)性分析。結(jié)果，在7008個(gè)可能的蛋白質(zhì)特征中，2117個(gè)蛋白質(zhì)特征（30%）與年齡顯著相關(guān)（圖3a）。其中，機(jī)器學(xué)習(xí)模型使用了340種與年齡相關(guān)的蛋白質(zhì)（圖3b）。圖3c顯示了與年齡顯著相關(guān)的前10個(gè)蛋白質(zhì)。

圖3 蛋白質(zhì)通過斯皮爾曼相關(guān)性隨年齡而顯著變化

為了研究CSF中的哪些蛋白質(zhì)可以預(yù)測衰老，作者從彈性網(wǎng)絡(luò)中提取特征，并根據(jù)模型權(quán)重對(duì)其進(jìn)行排序，這表明每種蛋白質(zhì)對(duì)最終預(yù)測的影響有多大。正值表示較高的蛋白質(zhì)濃度預(yù)示著年齡的增長，而負(fù)值表示較高的濃度預(yù)示著更年輕的狀態(tài)。在7008種總蛋白質(zhì)中，1157種被該模型用于預(yù)測衰老，589種蛋白質(zhì)具有正值，而568種蛋白質(zhì)具有負(fù)值。表1總結(jié)了從模型中提取的前10個(gè)蛋白質(zhì)。

預(yù)測年齡增加的蛋白質(zhì)主要有神經(jīng)元損傷的生物標(biāo)志物丙氨酸氨基轉(zhuǎn)移酶1（ALT）、神經(jīng)絲重肽（NFH），神經(jīng)炎癥標(biāo)志物白細(xì)胞介素-7（IL-7）、粘附G蛋白耦合受體G1（GPR56），抗白蛋白酶（SLPI），肺表面活性劑相關(guān)蛋白D（SP-D）等。

預(yù)測年齡減小的蛋白質(zhì)主要有抗炎和新陳代謝調(diào)節(jié)蛋白的丟失，比如補(bǔ)體C1q腫瘤壞死因子相關(guān)蛋白3（C1QT3），轉(zhuǎn)錄后修飾蛋白的丟失，比如GGPPS等。

表1 通過腦脊液蛋白質(zhì)組學(xué)模型用于預(yù)測年齡的蛋白質(zhì)

為了進(jìn)一步了解CSF中年齡預(yù)測性蛋白質(zhì)變化的生物學(xué)影響，作者對(duì)模型所用蛋白質(zhì)的進(jìn)行了通路富集。在該分析中使用了所有1157個(gè)蛋白質(zhì)特征，并使用整個(gè)7008個(gè)可能的蛋白質(zhì)集作為背景。Metascape總共發(fā)現(xiàn)了七種非冗余途徑，在這些途徑中，模型中的蛋白質(zhì)顯著富集（p<0.01）。表2中提供了富集途徑和每種途徑中富集的蛋白質(zhì)的列表。主要有糖蛋白激素、補(bǔ)體系統(tǒng)、A類受體清除、非整合蛋白膜結(jié)合的細(xì)胞外基質(zhì)蛋白及其配體之間的蛋白質(zhì)相互作用、TP53調(diào)節(jié)死亡受體和配體的轉(zhuǎn)錄、線粒體脂肪酸不飽和脂肪酸的β氧化。

表2 模型蛋白的通路富集

除了完整的1157蛋白質(zhì)模型外，作者還開始使用盡可能少的蛋白質(zhì)構(gòu)建模型，同時(shí)保持準(zhǔn)確性。通過對(duì)模型的不斷訓(xùn)練，繪制了每個(gè)模型的Pearson相關(guān)性圖（圖4a）。模型準(zhǔn)確度在109種蛋白質(zhì)附近急劇下降，109種蛋白質(zhì)模型（Pearson 0.84，p=1.13E-24）（圖4b）在ADRC測試數(shù)據(jù)上的表現(xiàn)幾乎與完整1157種蛋白質(zhì)模型一樣好（Pearson0.85，p=2.79E-25）（圖2）。

為了在另一個(gè)隊(duì)列中驗(yàn)證109蛋白模型，在整個(gè)ADNI隊(duì)列（Pearson 0.75，p=6.49E-132）（圖4c）和經(jīng)驗(yàn)證為淀粉樣蛋白β陰性和認(rèn)知正常的ADNI參與者子集（Pearson0.83，p=4.48E-12）（圖4d）上運(yùn)行預(yù)訓(xùn)練模型。然后從模型中提取頂部蛋白質(zhì)特征（圖4e），并將全部109個(gè)蛋白質(zhì)特征用于通路分析。值得注意的是，來自全模型富集的所有途徑的代表都存在于109蛋白模型富集的途徑中。這些蛋白質(zhì)可能含有足夠的年齡預(yù)測信息。

圖4 最小預(yù)測模型

CSF蛋白質(zhì)組學(xué)衰老模型的一個(gè)應(yīng)用是檢查被診斷患有AD等年齡相關(guān)疾病的參與者與健康個(gè)體相比，其預(yù)測年齡是否顯著偏離。為此，作者將認(rèn)知正常（CDR=0）和Aβ-的驗(yàn)證隊(duì)列與一組新的認(rèn)知正常（CDR=0）但Aβ+的個(gè)體進(jìn)行了比較，結(jié)果顯示兩組患者的模型預(yù)測年齡準(zhǔn)確性沒有顯著差異。Aβ-組和Aβ+組的年齡預(yù)測平均差異約為?1歲（分別為?1.03和?0.86），單尾T檢驗(yàn)顯示p值為0.86（圖5）。這說明通過CSF蛋白測量的生物中樞神經(jīng)系統(tǒng)年齡在患有淀粉樣斑塊的認(rèn)知正常人中不受影響。

圖5 CSF衰老模型在具有淀粉樣蛋白斑塊的認(rèn)知正常（CDR = 0）組預(yù)測能力良好

綜上所述，本研究提出了一種新的基于CSF蛋白質(zhì)組學(xué)的模型，它可以預(yù)測生物衰老，并為中樞神經(jīng)系統(tǒng)的衰老生物學(xué)提供了新的見解。這些發(fā)現(xiàn)和工具可能為干預(yù)衰老和年齡相關(guān)疾病提供潛在的治療靶點(diǎn)。