存在過度治療或過度診斷的現象,致使結節攜帶者的生活質量受到極大的影響。即使基于基因的甲狀腺結節良惡性診斷試劑盒已投入到臨床應用,但由于甲狀腺結節惡性程度低等原因,基因水平上的改變並不明顯,存在較大誤診的可能性。近日,西湖大學生命科學學院郭天南組、工學院李子青組等合作研究團隊,運用蛋白質組學技術系統分析了近千例甲狀腺結節病人組織樣本的蛋白質組差異,結合人工智能機器學習,鑑定到可區分甲狀腺結節良惡性的蛋白質分子標記物的組合,臨床應用準確率達到了90%,將有望克服當前甲狀腺結節良惡性診斷的難題。相關研究成果已于近日以Protein Classifier for Thyroid Nodules Learned from Rapidly Acquired Proteotypes為題在預印版平台medRxiv上線。1、甲狀腺結節的大樣本蛋白質組學分析蛋白質組學廣泛運用于疾病標志物鑑定,為了克服甲狀腺結節良惡性診斷的難題,研究人員首先對新加坡國立腫瘤中心提供的578個患者1725份甲狀腺組織石蠟切片(FFPE)樣本(樣本策略),進行了基于數據非依賴(DIA)的蛋白質組學分析(質譜策略),研究鑑定到共3錛779個蛋白。圖1、甲狀腺結節的大樣本蛋白質組學分析2、蛋白質組數據挖掘,鑑定蛋白標志物組合甲狀腺結節根據良惡性程度不同,包括正常甲狀腺組織(N),多結節性甲狀腺腫(MNG),濾泡性甲狀腺腫腺瘤(FA)、濾泡癌(FTC)和乳頭狀癌(PTC)。研究發現測得的蛋白質圖譜能夠合理地反映樣本的臨床表型。不同組織中蛋白質的種類隨惡性程度的增加而增加,表明腫瘤細胞釋放更多的蛋白質。乳頭狀癌(PTC)組織的蛋白質組與其他組織存在較大差異,但部分甲狀腺結節在分子水平上差別微小,如濾泡腺瘤(FA,良性)與濾泡癌(FTC,惡性)的蛋白質組高度接近,區分兩者依然較為困難。圖2、甲狀腺結節整體蛋白質組分析因此,研究團隊進一步使用機器學習中的人工神經網絡技術,即一種“模仿”人腦,
結合神經網絡機器學習鑑定到包含14個關鍵性蛋白的蛋白標志物組合,能夠對良性與惡性甲狀腺結節進行有效區分。研究是目前最系統的臨床組織樣品蛋白質組學研究之一,證明了基于蛋白質組學結合神經網絡的疾病分類方法在臨床腫的應用潛力,也為其他疾病的大陣列臨床組織樣本的分析提供了新的思路。參考文獻Yaoting Sun錛 et al.錛 2020錛 Protein Classifier for Thyroid Nodules Learned from Rapidly Acquired Proteotypes. MedRxiv本文景傑學術團隊原創解讀,歡迎轉發到朋友圈。如有轉載、投稿、等其他合作需求,請文章下方留言,或添加微信ptm-market咨詢。新冠肺炎已迅速在全球蔓延,對全球公共衛生造成嚴重威脅並對全球經濟造成嚴重影響。目前針對新冠主要是一些支持性和對症治療,因此迫切需要開發抑制SARS-CoV-2感染或復制的療法。盡管SARS-CoV-2與其他冠狀病毒有相似之處。但目前仍然缺乏對SARS-CoV-2感染機制的理解以及針對新冠的潛在治療方案。2020年05月14日,德國法蘭克福歌德大學醫學病毒研究所研究團隊在Nature上發表題為Proteomics of SARS-CoV-2-infected host cells reveals therapy targets的研究成果。研究人員通過蛋白質組以及翻譯組等技術對病毒感染不同時間點的樣本進行研究。分析表明SARS-CoV-2病毒感染重塑了宿主細胞多種核心調控通路像翻譯,剪接,碳代謝和核酸代謝等,針對這些途徑的小分子抑制劑可抑制病毒在宿主細胞中復制。研究不僅擴展了我們對于新冠病毒感染分子機制的理解,並鑑定了抑制病毒復制的潛在藥物,為新冠臨床治療方案的開發提供新思路。1、建立SARS-CoV-2感染人細胞實驗模型為了研究針對SARS-CoV-2的潛在抗病毒藥物,研究者首先在Caco-2細胞(人結腸癌上皮細胞系)中建立了SARS-CoV-2感染的細胞培養模型,並通過檢測24小時內細胞上清中的病毒RNA分子的持續增加驗證了該模型的有效性。圖1. SARS-CoV-2感染人細胞實驗模型2、SARS-CoV-2感染的翻譯組研究為了確定SARS-CoV-2感染的動態分布,研究者通過蛋白組以及翻譯組分析了Caco-2細胞感染SARS-CoV-2在2-24小時內的變化,