从蛋白质组学数据中提取细胞癌的蛋白质特征的机器学习增强提取
Hongyi Liu1, Zhuo Ma2, T Mamie Lih1
1Department of Pathology, Johns Hopkins University School of Medicine, Baltimore, MD 21231, USA.
bioRxiv : the preprint server for biology
|March 3, 2025
概括
这项研究分析了细胞癌 (RCC) 蛋白质组数据,确定了55个区分瘤和正常组织的蛋白质特征和39个区分RCC亚型的特征. 这些发现提高了对RCC的理解.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 在瘤学瘤学.
- 生物化学 生化学
背景情况:
- 细胞癌 (RCC) 是一个重大的健康问题.
- 了解RCC的蛋白质组景观对于诊断和治疗至关重要.
- 由于其异质性,RCC的亚型,特别是透明细胞RCC (ccRCC),是必不可少的.
研究的目的:
- 综合分析RCC瘤与正常邻近组织 (NAT) 之间的蛋白质组差异.
- 为了识别可以区分各种RCC亚型的蛋白质签名.
- 探索ccRCC瘤中的蛋白质组多样性.
主要方法:
- 基于无标签数据独立获取 (DIA) 的液体染色学-质谱学 (LC-MS) 蛋白质组学.
- 分析了261个RCC (包括213个ccRCC和48个非ccRCC) 和195个NAT样本.
- 机器学习算法用于识别蛋白质签名,考虑基因病理学,免疫,甲基化和基于NMF的亚型,以及临床特征.
主要成果:
- 鉴定了219,740个和11,943个蛋白质组.
- 发现55个蛋白质特征,使RCC瘤与NAT不同.
- 识别了39个蛋白质特征,可以区分不同的RCC瘤亚型.
结论:
- 这项研究提供了RCC.的广泛蛋白质学景观.
- 识别的蛋白质签名为RCC检测和亚型化提供了潜在的生物标志物.
- 结果揭示了区分RCC与正常组织和亚型的关键蛋白质.


