在一个CLN3^Δex7/8的迷你猪模型中,纵向深度的多omics概况识别识别了疾病的生物标志物签名

科学领域:

• 生物化学 生物化学
• 遗传学 是一个遗传学.
• 生物标志物发现发现

背景情况:

• 作为一种罕见的儿科 lysosomal 储存障碍,CLN3 疾病缺乏明确的病因学理解和临床翻译的生物标志物.
• 对CLN3疾病的治疗开发受到这些知识差距的重大挑战.

研究的目的:

• 通过深度多组学方法发现CLN3疾病的基于血液的生物标志物.
• 确定CLN3疾病的潜在诊断和治疗点.

主要方法:

• 使用了来自CLN3疾病的猪模型的纵向血清样本.
• 采用了基于纳米粒子的全面代谢学和LC-MS蛋白质定型 (TMTpro 18-plex).
• 对769种代谢物和2634种蛋白质产生了定量数据,代表了猪模型中详尽的血清多组组特征.

主要成果:

• 在不同疾病阶段识别出不同的分子特征:高基基基的物种和溶酶蛋白酶在症状前.
• 在晚期疾病阶段观察到免疫细胞激活和脂体代谢标记物的丰富.
• 甲素S (CTSS),甲素B (CTSB),甘酸和甘酸胺与基因型变异有显著的相关性,这表明潜在的诊断指数得分.

结论:

• 深度多组组分分析是发现疾病特异性生物标志物的强大策略.
• 已识别的生物标志物为CLN3疾病机制和进展提供了宝贵的见解.
• 这些发现有助于识别潜在的药物点,并为CLN3疾病的治疗干预提供信息.