ギャップを埋める:バイオマーカー研究のための血清と血のプロテオミックデータセットを統合するための体系的なアプローチ

科学分野:

• バイオケミストリー バイオケミストリー
• プロテオミクス プロテオミクスは,プロテオミクスの
• コンピュータ生物学 コンピュータ生物学

背景:

• 血清と血のプロテオームは異なっており,バイオマーカーの発見におけるデータ統合を妨げています.
• アプタマーベースのSomaScanアッセイは,プロテオミックプロファイリングに広く使用されています.

研究 の 目的:

• 血清およびプラズマのプロテオミクデータのためのコンピューティング・ブリッジング・ストラテジーを開発する.
• PROphetモデルを使用して免疫療法の結果を予測するためにクロスサンプルデータの利用を可能にします.

主な方法:

• 3つのがん患者コホートにおける177のマッチングした血清-血サンプルペアの7289のタンパク質のプロテオミックプロファイリング.
• 血清と血の測定を橋渡しするための線形スケーリング因子の開発.
• PROphetモデルをスケールされた血清タンパク質データに適用する.

主要な成果:

• 血清と血のタンパク質濃度間で高い相関 (91.6%) が観察されました.
• 一般化可能な線形スケーリング因子は,一致したサンプルから導出されました.
• PROphetモデルは,スケール化された血清データを用いて,免疫療法の結果を予測する能力を維持しました.

結論:

• コンピューティング・ブリッジング・ストラテジーは,血清と血のプロテオミックデータを効果的に統合します.
• プラズマベースの予測モデルは,血清サンプルに一般化することができます.
• このアプローチは,バイオマーカーの発見のための多様なプロテオミックデータセットの統合を容易にする.