基于机器学习的深度蛋白质组学分析鉴定ADAMTSL4相关先天性晶状体异位的房水生物标志物

目的：系统性表征ADAMTSL4相关先天性晶状体异位（CEL）患者的房水蛋白质组改变，并鉴定疾病相关的分子特征。方法：采用基于质谱的深度数据非依赖性采集蛋白质组学技术，分析儿科ADAMTSL4相关CEL患者的房水蛋白质组。通过功能富集分析和基因集富集分析研究差异表达蛋白。加权基因共表达网络分析用于识别疾病相关的蛋白质模块。使用机器学习对候选生物标志物进行优先级排序，随后通过智能平行反应监测进行技术确认和临床相关性分析。通过定量PCR评估ADAMTSL4敲低的人视网膜色素上皮细胞、人成纤维细胞以及adamtsl4敲除斑马鱼中选定候选基因的转录变化。结果：深度DIA定量了1865种房水蛋白，其中265个差异表达蛋白被鉴定，并富集于细胞外基质重塑、补体-凝血级联和脂质转运通路。基于表达的分层揭示了层级特异性的功能模式。加权基因共表达网络分析鉴定出与眼部表型显著相关的模块。机器学习优先筛选出六种候选生物标志物，其中四种通过智能平行反应监测得到靶向确认，其中三种与眼轴长度或脉络膜厚度相关。在ADAMTSL4敲低细胞中，ENPP2、MYDGF和CA2下调而LCAT上调，与蛋白质组学发现一致。MYDGF在斑马鱼模型中进一步显示出一致的方向性变化。结论：本研究建立了ADAMTSL4相关CEL的高分辨率房水蛋白质组谱，揭示了细胞外基质破坏、补体-凝血激活和脂质稳态失调中协调的分子改变，为理解这种罕见眼病提供了整合的分子见解和候选分子特征。