精确的基于MS的诊断性粉样蛋白类型化使用内源性规范化蛋白质强度在形式氨固定的氨酸嵌入组织中

科学领域:

• 蛋白质组学是指蛋白质组学.
• 生物化学 生物化学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 氨基粉症涉及错误折叠的蛋白质沉积,需要精确识别纤维形成蛋白质的预后和治疗.
• 免疫组织化学 (IHC) 是常见的粉样蛋白类型,但可以是主观的,并产生不确定的结果.
• 质谱法 (MS) 是一些中心的首选,通常使用光谱计数量化.

研究的目的:

• 引入和验证一种替代性相对量化方法,用于蛋白质性粉样蛋白类型.
• 用质谱测量来提高粉样性粉症诊断的准确性和可靠性.
• 解决不确定的IHC染色的病例,并识别罕见的粉样蛋白亚型.

主要方法:

• 通过液态染色学-并联质谱法 (LC-MS/MS) 分析了62个固定在甲,嵌入 (FFPE) 的组织样本.
• 使用与血清粉样蛋白P成分 (APCS) 相对的粉样蛋白相关蛋白的iBAQ值的内部规范化.
• 对于缺乏明显纤维形成蛋白质的样本,利用了de novo测序,并开发了XGBoost机器学习模型.

主要成果:

• 该APCS规范化方法在不同的LC-MS/MS平台上显示出强大的性能.
• 与明确的IHC结果完全一致,并解决了染色不确定的病例.
• 在罕见的AL-氨基粉症亚型中确定了免疫球蛋白轻链成分,并通过XGBoost模型实现了94%的准确性.

结论:

• 通过de novo测序扩展的iBAQ APCS规范化方法,提供了强大的和准确的诊断性粉样蛋白类型.
• 这种蛋白质组方法为IHC提供了可靠的替代方案,特别是在复杂或不确定的情况下.
• 基于人工智能的分类补充了蛋白质学方法,尽管临床背景对于解释至关重要.