RayBiotech抗体芯片在体质分类研究中的应用

杂志名称：Journal of Leukocyte Biology

 

文献题目：Differences in serum proteins intraditional Chinese medicine constitutional population: Analysis and verification

第一作者：Fei Tan

 

通讯作者：ZhiminYang1, Ruo-pan Huang2

 

作者单位：

1 广州中医药大学第二附属医院中医湿证国家重点实验室

2 RayBiotechLife,Inc.,PeachtreeCorners,Georgia,USA

 

本实验所用产品：

GSH-CAA-X00（半定量检测人1000个细胞因子抗体芯片）

 

 

实验样本及分组：

人血清

BC: 平和体质组

DC: 湿症体质组

 

研究思路

研究背景

    现代精准医学利用 “组学” 技术，对患者进行精准分层和有效治疗。人群分类和评价标准也被中医用于预防和治疗疾病。中医基于一般认识、临床观察和大规模的现代医学流行病学调查研究将个体分类成平和（balanced constitution, BC）、气虚、阳虚、阴虚、痰湿、湿热、血瘀、气郁、特禀（过敏）体质共九种体质类别。其中，痰湿体质和湿热体质都属于湿症（dampness constitution, DC）。遗传背景、环境因素和生活方式都可能影响个体的体质。体质分类可用于慢性病和肿瘤等多种疾病的预防、诊断和治疗。中医对体质的判断较为主观，依赖于医生对个人生理和心理特征、问卷和量表的评估。因此，迫切需要对中医体质进行更加全面和客观的分类。在这项研究中，我们利用可同时检测到一个样本中的多个蛋白质的抗体芯片对 BC 和 DC 组患者血清中的蛋白质进行分析。抗体芯片具有样品消耗少，灵敏度高，实验结果产出快等优点。该论文分析了随时间变化的不同体质蛋白表达谱的表达概况，鉴定出 BC 组和 DC 组间 19 个差异表达蛋白。

 

结果

1.1 体质转化中的血清学特征

采用 P < 0.05 和 fold change≥1.2 or ≤ 0.83 作为筛选条件，用抗体芯片分析 BC→DC（n = 4）转化组和 DC→BC（n = 3）转化组的血清差异蛋白表达谱。在 BC→DC 转化组中总共鉴定出 79 个差异表达蛋白。与 DC 组相比，有 31 个上调蛋白，48 个下调蛋白。聚类和主成分分析（Principal Component Analysis，PCA）显示，这 79 个蛋白质在 BC 组和 DC 组间表达差异明显（图 B）。在 DC→BC 转化组，鉴定出 178 个差异表达蛋白。与 BC 组相比，有 116 个上调蛋白和 62 个下调蛋白。差异蛋白的聚类分析表明，这 116 个蛋白质在 DC 和 BC 组间表达差异明显（图 C）。体质转化差异表达蛋白点图显示有 24 个蛋白在 DC→BC 转化组表达上调，在 BC→DC 转化组表达下调；有 33 个蛋白质在 DC→BC 转化组下调，但在 BC→DC 转化组上调（图 D）。这些数据揭示了蛋白质谱随体质变化而变化。

1.2 BC和DC组别的蛋白质图谱鉴定

为了找出 BC 组和 DC 组的蛋白质生物标志物，对包含 38 名 DC 和 37 名 BC 的队列进行分析。比较 DC 组和 BC 组，共发现 18 个差异表达蛋白质，其中 11 个上调蛋白质，7 个下调蛋白（图 F）。与体质转变相关蛋白比较，鉴定出 4 种差异蛋白（图 G；表 2）。其中，TACI和Siglec-7在两组间的表达差异有统计学意义（P<0.05）。Dectin-2和AIF的表达水平在体质转变及BC组和DC组间具有相似的相关趋势。

使用 SVM 模型，利用 7 个蛋白生物标志物（TACI, Siglec-7, Dectin-2, AIF, TROP-2, MMP-2, Legumain）对 DC 组和 BC 组进行分类。在训练集中，28 名 BC 受试者中有 23 名被试分类正确，29 名 DC 受试者中有 25 名被试被正确分类（图 E）。在测试集中，9 名 DC 受试者中有 8 名被试分类正确，9 名 BC 受试者中有 7 名被试被正确分类（图 F）。因此，包含 7 个生物标志物的 SVM 模型能够从训练集和测试集中区分 DC 组和 BC 组。

1.3 蛋白质模式与临床性状的相关性

为了进一步证实临床性状与 TACI、Siglec-7、Dectin-2、AIF、trop-2、MMP-2 和 Legumain 蛋白表达水平的关系，我们评估了 BC 组和 DC 组 79 个记录的性状和蛋白水平的相关系数。结果表明，BC 组 Dectin-2 与清淡饮食偏好呈正相关，AIF 与清淡饮食偏好、舒张压呈正相关，Trop-2 与午睡呈负相关，Legumain 与舒张压和收缩压呈高度负相关（图 A）。DC 组 AIF 与均衡饮食呈正相关，TACI 与辛辣饮食偏好呈负相关，MMP-2 与酒精摄入量呈负相关（图 B）。

1.4 BC 组和 DC 组差异共表达网络分析

 

其次，对差异共表达网络进行分析，识别功能模块，具有相似表达谱 (即正相关性) 的蛋白质被聚集在一起作为一个模块。共鉴定出 15 个差异共表达模块，在图 A 中用数字表示。其中#4、7、8 和 12 四个模块在 DC 组中通过 133 个蛋白质具有更高相关性。DC 组蛋白对之间的相关性范围大于 BC 组，提示 DC 组血清蛋白谱比 BC 组血清蛋白谱有更大的协同波动。在 BC 组中，代表 31 种蛋白质的模块#15 与清淡饮食偏好呈正相关，而 2 个模块（#2 和#7）与清淡饮食偏好呈正相关（图 B）。在 DC 组，模块#15 与均衡饮食呈正相关，而 3 个模块（#1、#4 和#5）与咸味偏好和酸味饮食偏好呈正相关（图 C）。BC 组的辣味饮食偏好和 DC 组的均衡饮食相互关联（图 D）。在模块#15 中，AIF 蛋白与 BC 组的辛辣饮食偏好和 DC 组的平衡饮食（图 D）呈正相关。同时使用互作数据库分析模块#15中的蛋白质进行功能富集分析（图E）。这些数据表明，饮食可能对模块1、4、5和15中的蛋白质比其他蛋白质有更大的影响。

结论：

本文通过使用 RayBiotech 抗体芯片探讨了平和体质与湿型体质的生物学机制，找出了 19 个差异表达的蛋白，其中 7 个蛋白生物标记物可用于准确分类平和体质与湿型体质。