EV分离与表征
获取高纯度血浆来源EV，验证其质量和纯度。
采用顺序超速离心法从血浆中分离EV，并通过Western blot检测CD9、CD63、Flotillin-1，NTA和TEM分析形态，白蛋白染色排除血浆蛋白污染。
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
精神分裂症补体功能异常的细胞外囊泡生物标志物
Extracellular vesicle biomarkers for complement dysfunction in schizophrenia
实验完整度
高包含EV蛋白质组发现、独立队列MSD验证、血浆对照、机器学习分类及随访队列治疗反应预测，形成多层级验证。
主要模型
血浆来源细胞外囊泡 慢性精神分裂症患者队列 双相情感障碍患者队列 重度抑郁症患者队列
重点核对
EV分离采用顺序超速离心法，并通过CD9、CD63、Flotillin-1标志物和NTA、TEM表征 用于模型训练的样本包括发现集（20例SZ vs 28例HC）和验证集（26例SZ vs 26例HC） EV中C3、C4、C4BPA、PROS1浓度经MSD技术量化 XGBoost模型使用5折交叉验证，15次重复
摘要
精神分裂症是一种复杂的神经精神疾病，由于症状评估的主观性，常常存在较高的误诊率。因此，迫切需要创新和客观的诊断工具。在本研究中，我们利用前沿的细胞外囊泡（EVs）蛋白质组分析和基于XGBoost的机器学习，开发了新的标志物和个性化判别评分，用于精神分裂症的诊断和治疗反应预测。我们分析了来自343名参与者的血浆和血浆来源的EVs，包括100名慢性精神分裂症患者、34名首发未用药患者、35名双相情感障碍患者、25名重度抑郁症患者和149名年龄和性别匹配的健康对照。我们的创新方法揭示了患者中基于EV的补体变化，这些变化具有疾病类型和状态特异性。基于EV的生物标志物优于血浆对应物，能够准确区分精神分裂症患者与健康对照，受试者工作特征曲线下面积（AUC）为0.895，准确率为83.5%，敏感性为85.3%，特异性为82.0%。此外，它们还能有效区分精神分裂症与双相情感障碍和重度抑郁症，AUC分别为0.966和0.893。个性化判别评分提供了精神分裂症的个性化诊断指数，并在随访队列中显示出与患者抗精神病药物治疗反应显著相关。总体而言，我们的研究代表了神经精神疾病领域的重大进展，证明了基于EV的生物标志物在指导精神分裂症个性化诊断和治疗方面的潜力。
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
- 本研究旨在开发基于细胞外囊泡（EV）的蛋白质生物标志物和个性化判别评分，用于精神分裂症的客观诊断和抗精神病药物治疗反应的预测。
- 核心机制
- 研究发现精神分裂症患者EV中补体系统成分（C3、C4、C4BPA、PROS1）表达上调，EV中补体激活增强，并与脑富集蛋白（NOE1、KIRR3、LMO4）相关，提示补体系统异常可能参与精神分裂症发病机制。
- 主要证据
- 通过EV蛋白质组学发现补体DEPs，并在独立队列中经MSD验证；血浆对照显示EV标志物一致性更好；XGBoost模型区分精神分裂症与健康对照（AUC=0.895），并能区分BD和MDD；PDS与抗精神病药物治疗反应显著相关。
- 研究意义
- 研究提出的EV生物标志物和PDS有望补充现有诊断标准，实现个体化诊断和治疗反应预测，并为补体靶向治疗提供指导。
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。
EV蛋白质组学发现
比较精神分裂症患者与健康对照的EV蛋白质组，寻找差异表达蛋白。
对20例慢性精神分裂症患者和28例健康对照的EV进行质谱分析，通过WGCNA聚类和三种统计方法定义DEPs，发现补体相关蛋白富集。
EV组分验证
在独立样本集中验证发现的EV补体DEPs。
使用MSD技术测量26例精神分裂症患者和26例健康对照的EV中C3、C4、C4BPA和PROS1水平，并检测C3a和C4a评价补体激活。
血浆标志物对比
比较EV和血浆中补体蛋白的表达，评估EV标志物的优越性。
使用ELISA检测血浆中C3、C4、C4BPA和PROS1水平，并与EV结果比较。
机器学习诊断模型构建
基于EV补体DEPs建立精神分裂症诊断模型。
使用XGBoost算法，以四个EV补体指标（C3、C4、C4BPA、PROS1）为特征，进行5折交叉验证和15次重复，评估分类性能。
区分BD和MDD
评估EV标志物能否区分精神分裂症与其他精神疾病。
测量BD和MDD患者EV中C3、C4、C4BPA、PROS1水平，应用XGBoost模型。
个性化判别评分构建与验证
开发个性化判别评分（PDS）用于个体水平诊断和治疗反应预测。
基于XGBoost模型构建PDS，在27例精神分裂症患者随访队列中评估其与抗精神病药物治疗反应（PANSS减少≥25%）的关系。
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
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| EV分离与表征 | Particle Metrix | Particle Metrix | -- |
| FEI公司 | FEI Company | -- | |
| 蛋白质组学分析 | Synapt G2-Si四极杆飞行时间质谱仪 | Waters Corporation | -- |
| Progenesis QI | Waters | -- | |
| UniProt人类蛋白质组数据库 | -- | -- | |
| ELISA检测 | C3 ELISA试剂盒 | Cloud-Clone | SEA861Hu |
| C4 ELISA试剂盒 | Elabscience | E-EL-H6027 | |
| C4BPA ELISA试剂盒 | Cloud-Clone | SEB620Hu | |
| PROS1 ELISA试剂盒 | Cloud-Clone | SEB971Hu | |
| MSD检测 | C3一抗 | Proteintech Group, Inc. | 21337-1-AP |
| C4一抗 | Proteintech Group, Inc. | 22233-1-AP | |
| C4BPA一抗 | Proteintech Group, Inc. | 11819-1-AP | |
| PROS1一抗 | Proteintech Group, Inc. | 16910-1-AP | |
| Western blot | CD63抗体 | Santa Cruz Biotechnology | SC-15363 |
| CD9抗体 | Proteintech | 60232-1-Ig | |
| Flotillin-1抗体 | Proteintech | 15571-1-AP | |
| C3a新表位抗体 | -- | -- | |
| C4a新表位抗体 | -- | -- | |
| C3a des Arg纯化蛋白 | -- | -- | |
| C4a des Arg纯化蛋白 | -- | -- |
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 |
|---|---|
| EV分离与表征 | EV分离方法（顺序超速离心）、使用的标志物（CD9, CD63, Flotillin-1）、白蛋白污染检测方法 阅读提示：Materials and methods: Isolation and characterization of extracellular vesicles |
| EV蛋白质组学 | 发现集样本量（SZ=20, HC=28）、质谱平台（Synapt G2-Si）、差异蛋白筛选标准（fold change≥1.5, adjusted P<0.05） 阅读提示：Materials and methods: Analysis of extracellular vesicle proteome; Results: The extracellular vesicle proteome was differentially expressed... |
| 验证实验 | 验证集样本量（SZ=26, HC=26）、MSD检测的抗体和用量、C3/C4抗体的特异性说明 阅读提示：Materials and methods: Quantification of complement DEPs in extracellular vesicles and plasma; Results: Validation of extracellular vesicle-derived complement DEPs... |
| 机器学习模型 | 输入特征（C3, C4, C4BPA, PROS1）、归一化方法、交叉验证方式（5折，15次重复）、模型性能指标（AUC, accuracy, sensitivity, specificity） 阅读提示：Materials and methods: Machine learning; Results: Machine learning to develop diagnostic biomarkers... |
| 随访队列 | 随访患者样本量（n=27）、治疗反应定义（PANSS减少≥25%）、抗精神病药物类型和剂量（文中提及第二代抗精神病药及联用情况，具体药物未明确） 阅读提示：Materials and methods: Study design; Results: The Personalized Discrimination Score is available for prediction... |