在神经退行过程中映射循环蛋白质组:一个协调的,联盟规模的框架来发现分子病理生理学

科学领域:

• 神经科学是一个神经科学.
• 蛋白质组学是指蛋白质组学.
• 生物标志物发现发现

背景情况:

• 像阿尔茨海默氏症和帕金森症这样的神经退行性疾病存在复杂的系统生物学挑战.
• 技术异质性和混因素阻碍了大规模等离子体蛋白质组学中的可复制发现.

研究的目的:

• 开发一个可扩展和可泛化的分析框架,用于协调和解释联盟规模的蛋白质组数据集.
• 在多种神经退行性疾病中识别和解决独特的等离子体蛋白质组签名.

主要方法:

• 利用了来自13733名阿尔茨海默病 (AD),帕金森病 (PD),前性痴呆症 (FTD),帕金森病痴呆症 (PDD),肌缩侧面硬化症 (ALS) 和对照组的数据.
• 使用高维扰框架对现实混结构进行性能评估的五种批次校正方法进行基准.
• 采用实证贝叶斯建模 (limma) 进行强大的批次校正,平衡技术差异删除与生物信号保留.

主要成果:

• 经验贝叶斯模型通过limma证明在协调蛋白质原子数据方面最有效.
• 在AD和PD中确定了一个共享的免疫代谢轴,在ALS中神经肌肉干扰,在PD中蛋白质平衡失衡.
• 提名了针对AD (脂质,氧化还原,补充),PD (溶酶体,细胞骨) 和ALS (肌肉衍生) 的独特候选生物标志物.

结论:

• 建立了一个可扩展的框架,用于在神经退行研究中整合现实世界的蛋白质组数据.
• 提供了循环蛋白质原子签名的疾病解决目录.
• 这些发现为生物标志物开发和针对神经退行性疾病的针对性干预提供了信息.