阿尔茨海默病蛋白质相关性分析使用人类和老鼠模型蛋白质学数据数据
Cathy Shi1, W Kirby Gottschalk2, Carol A Colton2
1Department of Statistical Science, Duke University, Durham, NC 27708, USA.
Frontiers in systems biology
|August 31, 2023
概括
这项研究比较了阿尔茨海默病 (AD) 蛋白质组的统计方法,发现部分最小方程差异分析在跨物种比较中优越. 细胞外矩阵和整合素通路是人类和小鼠模型中的关键发现.
科学领域:
- 神经科学是一个神经科学.
- 遗传学 是一个遗传学.
- 生物化学 生物化学
背景情况:
- 了解基因型-表型关系对于阿尔茨海默氏症 (AD) 等复杂疾病至关重要.
- 蛋白质组学被广泛用于研究AD病原体,但人类和小鼠模型之间的跨物种统计比较尚未得到充分研究.
- 跨物种分析的挑战包括对线性,缩小维度和蛋白质匹配.
研究的目的:
- 通过跨物种蛋白质组数据,评估两种用于识别阿尔茨海默病 (AD) 中蛋白质和途径的统计方法.
- 评估小鼠模型在模仿人类AD相关蛋白质组变化的可靠性.
- 为晚发性阿尔茨海默病研究提供更多相关的小鼠模型的开发信息.
主要方法:
- 利用了从一个精确表征的人类队列 (22+年随访) 的蛋白质组数据.
- 从CVN-AD小鼠模型和对照的整个大脑中生成蛋白质组数据.
- 应用并比较LASSO回归和部分最小方程差异分析 (PLS-DA) 进行跨物种统计比较.
主要成果:
- 与蛋白质组学分析的LASSO回归相比,部分最小平方区分分析 (PLS-DA) 显示出优异的统计性能.
- 在人类AD和小鼠模型中确定了细胞外矩阵蛋白和与整合素相关的途径的失调.
- 这项研究验证了特定统计方法在阿尔茨海默病中进行跨物种蛋白质组分析的有用性.
结论:
- 部分最小平方差异分析 (PLS-DA) 是在阿尔茨海默病 (AD) 研究中进行跨物种蛋白质组比较的更有效方法.
- 细胞外矩阵和整合素通路在人类AD和相关小鼠模型中都代表着重要的生物标.
- 这种经过验证的方法提高了小鼠模型用于研究人类晚发性阿尔茨海默病 (AD) 的可靠性.
