弥合差距:一种系统的方法,将血清和血蛋白质组数据集集集成为生物标志物研究
Coren Lahav1, Nili Dahan1, Michal Harel1
1OncoHost Ltd., Binyamina, Israel.
Journal of pharmaceutical and biomedical analysis
|February 19, 2026
概括
这项研究开发了一种计算方法,将血清和血蛋白质组数据集成为生物标志物发现. 这种方法允许使用血清样本准确预测免疫治疗结果,跨样本类型的数据桥接.
科学领域:
- 生物化学 生物化学
- 蛋白质组学是指蛋白质组学.
- 计算生物学 计算生物学
背景情况:
- 血清和血蛋白质不同,阻碍了生物标志物发现中的数据整合.
- 基于aptamer的SomaScan测定被广泛用于蛋白质基因分析.
研究的目的:
- 开发一种用于血清和血蛋白质组数据的计算桥梁战略.
- 为了使交叉样本数据能够用于使用PROphet模型预测免疫治疗结果.
主要方法:
- 在三组癌症患者队列中,对177个匹配的血清血样本对进行7289种蛋白质的蛋白质基因分析.
- 开发线性缩放因子,以弥合血清和血测量.
- 将PROphet模型应用于缩放的血清蛋白质组数据.
主要成果:
- 在血清和血蛋白水平之间观察到高相关性 (91.6%).
- 可概括的线性缩放因子从匹配的样本中得出.
- 使用缩放的血清数据,PROphet模型保留了对免疫治疗结果的预测能力.
结论:
- 一个计算桥梁策略有效地整合了血清和血蛋白质组数据.
- 基于等离子体的预测模型可以概括为血清样本.
- 这种方法有助于整合各种蛋白质组数据集用于生物标志物发现.
更多相关视频
09:00A Streamlined Approach for Mass Spectrometry-Based Proteomics Using Selected Tissue Regions
Published on: April 18, 2025
1.4K
10:37Deep Proteome Profiling by Isobaric Labeling, Extensive Liquid Chromatography, Mass Spectrometry, and Software-assisted Quantification
Published on: November 15, 2017
12.8K
