上千种血浆蛋白组学分析对比解析如何选择准确平台

蛋白在人类健康中起着关键作用，大多数药物都以蛋白为靶点。测量血浆中的蛋白水平，尤其是结合遗传和表型信息，有助于理解生物机制、疾病病因、改善疾病风险预测，并评估特定疾病的新蛋白靶点。高通量蛋白组学技术的发展使得同时测量数千种血浆蛋白成为可能。这些技术包括基于质谱的方法和基于亲和力的方法，如基于双抗体同时捕获的Olink平台和基于核酸适配体Aptamer检测的SomaScan平台。

新文速递

中国慢性病前瞻性研究样本库China Kadoorie Biobank (CKB)陈铮鸣教授研究团队，近期在Nature Communication杂志上发表新研究结果：研究团队采用了基于双抗体捕获的Olink Explore和基于核酸适配体的SomaScan两大蛋白组学平台，分析了2,168种血浆蛋白在中国近4,000名成年人中的表现；进而从蛋白水平相关性、遗传关联（pQTL）和表型关联等技术性能上的差异，来研究两种平台在疾病风险预测和精准医学研究方向的应用价值。

CKB队列中的3,976名中国成年人被纳入研究，其中包括1951名新发冠心病（IHD）患者和2025名对照组个体。使用Olink Explore 3072平台（2923个试剂对应2923个UniProt ID）和SomaScan Assay v4.1平台（7301个SOMAmers，对应6397个UniProt ID）分别测量血浆蛋白表达水平。通过Spearman相关性分析比较两个平台测量的蛋白水平，进行全基因组关联研究（GWAS）以识别pQTLs，并评估蛋白质与BMI和缺血性心脏病风险的关联。

研究解读

两个平台测量的蛋白水平相关性中等，中位数Spearman相关系数仅0.29，但高丰度蛋白（稀释因子<10%）相关性提升至0.6，表明技术差异可能受蛋白丰度影响。在1,694种一对一匹配蛋白中，Olink的观测相关性中位数（0.26）略高于SomaScan（未明确，但整体趋势更优）。Olink平台在测量蛋白水平时显示出更高的准确度，可能与其使用双抗体结合单一靶标蛋白的PEA检测方法有关。这种方法可能减少了非特异性结合和交叉反应的可能性，从而提高了测量的准确度。

 ● 遗传关联 （pQTL）

对于1,694种一对一匹配的蛋白，Olink有765种蛋白有cis-pQTLs（占45.2%），SomaScan有仅有513种（占30.3%），其中400种在两个平台之间有共定位的cis-pQTLs。结果表明Olink平台可能更敏感地检测到蛋白水平与遗传变异之间的关联，并可有助于更深入地理解蛋白质的遗传调控机制。而种族特异性研究发现，如ALDH2、PLA2G7和PCSK9的cis-pQTL在东亚人群中显著，但未在欧洲人群中发现，这也进一步强调了人群遗传异质性对蛋白质定量研究的影响。

● 疾病表型关联

蛋白组学数据与肥胖（BMI）及缺血性心脏病（IHD）的关联研究发现：SomaScan检测到更多BMI关联蛋白（1429 vs 1096），但Olink在859个共享关联蛋白中表现出更高效应值一致性（r=0.75）；Olink发现更多缺血性心脏病（IHD）关联蛋白（279 vs 154），且在78个共享关联蛋白的效应值相关性更高（r=0.78）。

基于1,694种一对一匹配蛋白构建IHD风险预测模型，Olink（C=0.829）与SomaScan（C=0.825）性能相近但略低于传统风险模型（C=0.845）。添加蛋白组学后传统模型C值提升至0.862（Olink）和0.863（SomaScan），显示蛋白数据的加入显著提升了IHD风险预测准确性，并且两平台在风险预测中提升幅度相似，NRI分别为12.2和16.4%，总的来说，整合蛋白质组学可优化IHD风险评估。而Olink在特定蛋白，如GHR和WFDC2的预测中表现更一致，可能因其双抗体技术对蛋白质结构的特异性识别更优。

1. Baihan Wang， et. al. Comparative studies of 2168 plasma proteins measured by two affinity-based platforms in 4000 Chinese adults. Nature Communications. volume 16, 1869 (2025)