机器学习集成的细胞外囊蛋白质组分析用于支气管肺发育不良的早期标志物
Shaili Amatya1, Shawn Rice2, Anne Stanley3
1Neonatal-Perinatal Medicine, Department of Pediatrics, Penn State College of Medicine, Hershey, PA, USA.
研究人员在早产婴儿血中的细胞外囊中发现了一种9种蛋白质的特征,该特征预测了支气管肺功能失调 (BPD) 风险. 这种"液体活检"方法有助于对早产严重并发症的脆弱性进行分层.
科学领域:
- 新生儿医学 新生儿医学
- 生物标志物发现发现
- 肺部研究 肺部研究
背景情况:
- 支气管肺功能障碍 (BPD) 是早产的严重并发症,影响发育不良的肺部.
- 炎症,氧化应激和机械损伤会损害早产婴儿的气膜发育.
- 了解分子通信对于区分正常的肺部发育与BPD进展至关重要.
研究的目的:
- 评估使用血衍生细胞外囊泡 (EV) 蛋白质组分析来预测BPD风险的可行性.
- 识别EV中的分子特征,以区分患有BPD的婴儿与没有BPD的婴儿.
- 探索EVs作为BPD风险分层的潜在"液体活检".
主要方法:
- 从怀孕32周之前出生,体重小于1500克的婴儿收集丢弃的血.
- 使用基于磁珠的免疫亲和力捕获的隔离等离体EV.
- 通过质谱和差异蛋白质分析分析了EV蛋白质组,并应用机器学习进行预测.
主要成果:
- 确定了一种新的九个EV蛋白签名 (APOD,HNRNPM,HMGN2,ITLN1,PRTN3,RBM4,RBMX,TAF15,TCERG1),区分BPD和非BPD婴儿.
- 机器学习模型在预测BPD发展方面实现了高的特异性和选择性.
- 在患者队列中,HNRNPM是BPD最一致的预测因素.
结论:
- 在丢弃的血中循环的EV可以作为BPD风险评估的可行的"液体活检".
- 识别的九个EV蛋白签名显示了对分层分层的前期婴儿对BPD的脆弱性的承诺.
- 这种方法可以实现更早的干预和改善BPD风险的早产婴儿的结果.
相关概念视频
05:30Isolation, Characterization, and Proteomic Analysis of Plasma-Derived Extracellular Vesicles for Cardiovascular Biomarker Discovery
02:36Polycarbonate Ultracentrifuge Tube Re-Use in Proteomic Analyses of Extracellular Vesicles
09:28Chemical Affinity-Based Isolation of Extracellular Vesicles from Biofluids for Proteomics and Phosphoproteomics Analysis
09:30Purification and Analysis of Caenorhabditis elegans Extracellular Vesicles
09:39Techniques for the Analysis of Extracellular Vesicles Using Flow Cytometry
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis


