Proteómica clínica en medicina cardiovascular: capacidades actuales, limitaciones y direcciones futuras

Área de la Ciencia:

• Proteómica
• Multi-ómica
• Epidemiología
• Descubrimiento de biomarcadores

Sus antecedentes:

• Las plataformas comerciales de proteómica (p. ej., Olink, SomaLogic) se utilizan en grandes biobancos.
• Los problemas de calidad de los datos en proteómica a menudo se pasan por alto, lo que dificulta la traducción clínica.
• La inteligencia artificial (IA) se aplica cada vez más a los datos multi-ómicos.

Objetivo del estudio:

• Revisar las limitaciones de las plataformas de proteómica actuales para uso clínico.
• Esbozar estrategias para mejorar la calidad de los datos de proteómica.
• Explorar el potencial de la proteómica como un 'chequeo de salud líquido'.

Principales métodos:

• Revisión de literatura centrada en IA, multi-ómica y proteómica en la enfermedad cardiovascular aterosclerótica (ECVA).

Principales resultados:

• La multi-ómica impulsada por IA puede mejorar la comprensión de enfermedades multifactoriales como la ECVA y el envejecimiento.
• Las plataformas comerciales de proteómica aceleran el descubrimiento de biomarcadores pero presentan desafíos de traducción.
• Los resultados divergentes entre plataformas (Olink, SomaLogic) y problemas como los efectos del epítopo complican la inferencia causal.
• Las técnicas emergentes como la proteómica de célula única y espacial ofrecen una visión más profunda de la heterogeneidad de la enfermedad.

Conclusiones:

• La proteómica puede dilucidar los mecanismos de la enfermedad y ayudar a la reutilización de fármacos más allá de la predicción de riesgos.
• La cuantificación confiable es esencial para la proteómica plasmática para guiar la atención al paciente.
• La utilidad clínica de la proteómica depende de la calidad de la medición, no solo de la cantidad.