免疫特征的表征和潜在的生物标志物发现结性脊髓炎使用深度血蛋白学
Xiaohan Xu1, Wanlin Liu2, Bo Pang3
1Department of Rheumatology, Guang'anmen Hospital, China Academy of Chinese Medical Sciences, Beijing 100053, China.
Journal of advanced research
|May 28, 2025
概括
研究人员使用深度蛋白质组学和机器学习确定了结性脊髓炎 (AS) 的新生物标志物. 这一发现有助于理解AS的发病过程,并可能改善诊断和治疗.
科学领域:
- 免疫学 免疫学 免疫学
- 蛋白质组学是指蛋白质组学.
- 机器学习 机器学习
背景情况:
- 化脊柱炎 (AS) 是一种慢性炎症性疾病,影响轴骨架,导致残疾.
- 目前对AS的治疗方法在有效性和长期结果方面存在局限性.
- 新的生物标志物和治疗目标对于更好的AS管理至关重要.
研究的目的:
- 为了研究AS患者的免疫特征.
- 通过深度等离子体蛋白质学和深度学习发现AS的潜在生物标志物.
- 探索AS背后的病理机制.
主要方法:
- 深度定量蛋白质组学分析了来自104名AS患者 (活跃/稳定) 和健康对照者的血.
- 机器学习 (RF-OPLS-DA) 识别了潜在的生物标志物.
- 在79名参与者的独立队列中,ELISA验证了生物标志物.
主要成果:
- 在AS患者中观察到显著的免疫细胞失调.
- 整合素信号通路蛋白质的表达方式差异化,这意味着它在AS病变发生过程中的作用.
- SAA1,FERMT3,ILK和TLN1被确定为潜在的AS生物标志物,由ELISA证实.
结论:
- 机器学习与深度蛋白质组学集成,阐明了AS病理机制,并确定了关键生物标志物.
- 在AS中独特的蛋白质表达模式为病变发生提供了洞察力.
- 这些发现可能会促进AS的诊断,监测和治疗.
