发现阶段:ALSrisc中血浆和CSF蛋白质组学分析
识别与ALS疾病状态相关的蛋白质
使用Olink四组panel测量198名ALS患者和125名对照的血浆和CSF中的363种蛋白质,通过GEE模型比较病例和对照的蛋白质水平。
Protein Biomarkers in Risk and Prognosis of Amyotrophic Lateral Sclerosis
包含发现队列和外部验证队列,涉及血浆、CSF蛋白质组学、纵向随访、生存和功能分析、风险预测模型等多层级验证。
ALSrisc队列(198例ALS患者与125名对照) UK Biobank队列(52,990名参与者,298例ALS) 血浆样本 脑脊液样本
血浆和CSF中NEFL水平与ALS风险、预后及功能衰退的关联 ALSrisc中Olink数据质控(PCA、预分析处理评分) UK Biobank中ALS风险预测模型的ROC-AUC 血浆蛋白质水平纵向稳定性(3年内)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
识别与ALS疾病状态相关的蛋白质
使用Olink四组panel测量198名ALS患者和125名对照的血浆和CSF中的363种蛋白质,通过GEE模型比较病例和对照的蛋白质水平。
评估基线蛋白质水平与ALS患者生存和功能衰退的关联
使用Cox比例风险模型和混合效应模型分析蛋白质水平与死亡风险和ALSFRS-R评分下降的关系。
评估疾病过程中蛋白质水平的纵向稳定性
对72名ALS患者的血浆样本和39名患者的CSF样本进行重复采样,使用线性混合效应模型分析蛋白质水平随时间的变化。
验证ALSrisc中发现的风险相关蛋白是否与未来ALS风险相关
在UK Biobank的52,990名参与者中测量2922种血浆蛋白,使用线性回归模型比较未来发生ALS者与未发生者的基线水平。
整合临床、遗传和蛋白质组学特征预测非C9orf72携带者的ALS风险
使用ALSrisc作为训练集,UK Biobank作为验证集,采用嵌套L2正则化逻辑回归模型,结合人口学、遗传、NEFL和蛋白嵌入特征。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 蛋白质组学检测 | Olink Target 96 Neuro Exploratory、Neurology、Cardiovascular III和Inflammation panels | Olink | -- |
| 基因分型 | Illumina全球筛选阵列 | Illumina | -- |
| UK Biobank Axiom阵列 | -- | -- | |
| 全基因组测序短串联重复分析 | 全基因组测序 | -- | -- |
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 |
|---|---|
| 蛋白质组学检测 | 使用的Olink panel种类、样本类型(血浆或CSF)、Olink QC流程、样本存储时间 阅读提示:见Methods 2.2 ALSrisc Study和2.3 UK Biobank Study |
| 统计关联分析 | 统计模型(GEE、Cox、混合效应)、协变量调整(年龄、性别、技术因素等)、显著性阈值(FDR < 0.05) 阅读提示:见Methods 2.4.2 |
| 外部验证 | UK Biobank队列样本量、ALS诊断标准、随访时间、蛋白质平台 阅读提示:见Methods 2.3 |
| 风险预测模型 | 训练集和验证集划分、纳入的预测因子(基本模型、遗传、NEFL、蛋白嵌入)、模型类型(L2正则化逻辑回归) 阅读提示:见Methods 2.4.3 |