胰腺癌检测和从慢性胰腺炎区分:通过高通量多重组蛋白质组测试和基于机器学习的分析识别了潜在的生物标志物
Young-Gon Kim1, Sang-Mi Kim1,2, Soo-Youn Lee1
1Department of Laboratory Medicine and Genetics, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, Korea.
Annals of laboratory medicine
|April 2, 2025
概括
这项研究确定了用于胰腺癌 (PC) 诊断的新型血液蛋白生物标志物,并将其与慢性胰腺炎 (CP) 区分开来. 这些发现提高了使用蛋白质组分析的胰腺疾病的诊断准确性.
科学领域:
- 生物化学 生物化学
- 蛋白质组学是指蛋白质组学.
- 在瘤学瘤学.
背景情况:
- 胰腺癌 (PC) 查缺乏准确性,使早期诊断复杂化.
- 区分PC和慢性胰腺炎 (CP) 是一个诊断挑战.
- 对于改进的PC诊断方法存在很高的临床需求.
研究的目的:
- 为了识别血蛋白生物标志物用于PC诊断.
- 发现用于区分PC和CP的生物标志物.
- 为了利用高通量多重蛋白质组分析来发现生物标志物.
主要方法:
- 分析了来自两个独立队列 (N=168) 的血清样本,包括健康个体,CP和PC (I-IV阶段).
- 在第一组中使用了Olink的近距离扩展试验 (PEA) 面板来定量蛋白质.
- 利用机器学习 (ML) 进行分析和免疫测试,用于第二组生物标志物验证.
主要成果:
- 在PC患者中证实已知生物标志物的表达率升高 (mucin-16,interleukin-6).
- 确定了新的PC生物标志物 (C1QA,CDHR2) 和一个CP差异生物标志物 (pro-neuropeptide Y).
- 使用ML分类,从CP和健康组中区分PC的AUC达到0.92.
结论:
- 成功确定了PC诊断的有前途的血液生物标志物.
- 发现了有助于对CP的差异诊断的生物标志物.
- 验证了PEA和ML技术在胰腺疾病生物标志物发现中的实用性.
