蛋白质组学筛选差异蛋白
发现原发灶中与肺转移相关的差异表达蛋白。
对44例LMDTC和25例NMDTC的FFPE样本进行4D label-free定量蛋白质组学分析，筛选出418个差异表达蛋白。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
基于原发灶蛋白质组学的分化型甲状腺癌肺转移生物标志物识别与风险预测模型构建
Biomarker Identification and Risk Prediction Model Development for Differentiated Thyroid Carcinoma Lung Metastasis Based on Primary Lesion Proteomics
实验完整度
高包含4D label-free蛋白质组学、PRM和IHC双重验证、临床样本扩大验证及风险预测模型构建等多个独立证据层级，并包含功能验证（ROC分析）。
主要模型
分化型甲状腺癌原发灶FFPE样本（LMDTC组81例，NMDTC组100例） 配对原发灶组织样本（10对，用于IHC验证）
重点核对
DTC原发灶FFPE样本，LMDTC组81例、NMDTC组100例 蛋白质组学分析子集44例LMDTC和25例NMDTC PRM验证样本8例LMDTC和5例NMDTC IHC验证10对原发灶组织 临床特征包括肿瘤大小、TG水平、周围组织浸润、N1b分期
摘要
目的：分化型甲状腺癌（DTC）的全球高发病率不断上升，导致DTC肺转移（LMDTC）患者显著增加。该人群在临床实践中构成重大挑战，迫切需要开发有效的风险分层方法和预测工具。实验设计：通过对大样本原发灶进行蛋白质组学分析，并采用平行反应监测和免疫组织化学进行双重验证，我们确定了八个核心蛋白作为潜在生物标志物。通过扩大样本量并对临床特征和核心蛋白表达进行统计分析，我们构建了三个风险预测模型。结果：本研究确定了八个核心蛋白——SUCLG1/2、DLAT、IDH3B、ACSF2、ACO2、CYCS和VDAC2——作为预测LMDTC风险的潜在生物标志物。我们开发并内部验证了三个包含临床特征和核心蛋白表达的风险预测模型。我们的研究结果表明，联合预测模型表现出最佳的预测性能，具有最高的区分度（AUC：0.986）和校准度（Brier评分：0.043）。在特定风险阈值（0–0.97）内应用联合预测模型可获得最大临床获益。最后，我们基于联合预测模型构建了一个列线图。结论：作为LMDTC研究中一项大样本研究，通过原发灶蛋白质组学识别生物标志物以及整合临床特征和核心蛋白生物标志物开发风险预测模型，为预测LMDTC和制定个性化治疗策略提供了有价值的见解。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何预测分化型甲状腺癌发生肺转移的风险，并识别相关生物标志物。
- 核心机制
- 核心蛋白SUCLG1/2、DLAT、IDH3B、ACSF2、ACO2、CYCS和VDAC2通过影响TCA循环、氧化磷酸化、凋亡和铁死亡等途径，可能共同促进肿瘤转移。
- 主要证据
- 基于原发灶蛋白质组学（418个差异表达蛋白）、PRM和IHC双重验证识别出8个核心蛋白，且在扩大样本（181例）中通过多因素回归证实其与肺转移独立相关。
- 研究意义
- 首次建立基于临床特征与核心蛋白的LMDTC风险预测联合模型，有助于风险分层和制定个性化治疗方案及随访策略。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
生物信息学分析与核心蛋白初筛
基于差异蛋白的功能富集和网络分析，缩小候选核心蛋白范围。
对差异蛋白进行GO、KEGG、PPI网络、WGCNA等分析，结合文献和铁死亡相关蛋白，初步筛选出30个候选核心蛋白。
PRM验证候选蛋白
通过靶向蛋白质组学验证候选蛋白的表达差异。
对8例LMDTC和5例NMDTC的FFPE样本进行PRM分析，验证30个候选蛋白，其中17个蛋白在LMDTC中显著下调且与蛋白质组学结果一致。
IHC验证核心蛋白
在蛋白水平验证核心蛋白的组织表达差异。
对10对LMDTC和NMDTC原发灶组织进行IHC染色和半定量分析，验证8个核心蛋白表达，结果均显著下调。
构建并内部验证风险预测模型
建立预测LMDTC风险的模型并评估其性能。
基于扩大样本（81例LMDTC和100例NMDTC）的临床特征和8个核心蛋白IHC半定量结果，通过单因素和多因素logistic回归构建临床特征模型、蛋白模型和联合模型，并进行内部验证。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 蛋白质组学分析 | 样本类型：FFPE；样本量：44例LMDTC、25例NMDTC；质谱平台：timsTOF Pro；数据分析：MaxQuant V1.6.17.0，FDR 1%，至少1个独特肽段；差异蛋白筛选标准：表达差异>1.2倍，t检验P<0.05 阅读提示：Materials and Methods：Sample collection、4D label-free quantitative proteomic analysis and identification of differentially expressed proteins |
| PRM验证 | 样本量：8例LMDTC、5例NMDTC；质谱模式：PRM-PASEF；分析软件：SpectroDive 11.0；肽段参数见补充表S3 阅读提示：Materials and Methods：PRM validation based on LC-MS/MS；Supplementary Table S3 |
| IHC验证 | 样本量：10对原发灶组织；抗体信息：SUCLG1 (Proteintech 14923-1-AP), SUCLG2 (14240-1-AP), DLAT (13426-1-AP), IDH3B (ab135444), ACSF2 (16140-1-AP), ACO2 (ab129069), CYCS (10993-1-AP), VDAC2 (11663-1-AP)；二抗：山羊抗兔IgG (Fitzgerald 41R-1079)；染色步骤：抗原修复、3%过氧化氢、4℃过夜孵育、DAB显色；半定量分级：阴性、弱阳性、阳性、强阳性 阅读提示：Materials and Methods：IHC；Supplementary Table S4 |
| 风险预测模型构建 | 样本量：81例LMDTC、100例NMDTC；纳入变量：临床特征和8个核心蛋白IHC半定量结果；logistic回归：单因素分析P<0.05的变量纳入多因素逐步后退回归；内部验证：bootstrap法，重复2000次；评估指标：混淆矩阵、ROC、校准曲线、DCA、NRI和IDI 阅读提示：Materials and Methods：Construction of the LMDTC risk prediction model；Table 2；Figure 3 |
| TNMplot和ROC分析 | 数据库：TNMplot；分析软件：MedCalc Statistics V20.1.0.0；评估指标：AUC，阈值AUC>0.70（初步筛选）和AUC>0.90（验证后） 阅读提示：Materials and Methods：TNMplot and receiver operating characteristic analysis；Results |