蛋白质组学分析揭示转甲状腺素蛋白心脏淀粉样变的分子亚型

Proteomics Profiling Reveals Molecular Subtypes of Transthyretin Cardiac Amyloidosis

作者信息Itsuki Osawa, Sergio L Teruya, Dimitrios Bampatsias, Alfonsina Mirabal, Mathew S Maurer, Yuichi J Shimada
PMID42717880
发布时间2026-09-10
DOI10.1161/CIRCHEARTFAILURE.125.012449

实验完整度

中

前瞻性队列血浆蛋白质组学分析,无体外或动物功能验证,仅通路富集分析提示机制。

主要模型

ATTR-CA患者前瞻性队列(n=142) 血浆样本(SomaScan检测7,289种蛋白)

重点核对

分子亚型由无监督机器学习(PAM)基于血浆蛋白质组学数据推导,n=142 tafamidis使用状态:96例接受治疗,46例未接受 Cox模型调整年龄、性别、TTR基因型和合并用药 中位随访5.2年,观察63例死亡 通路分析比较亚型A与亚型B+C,阈值FDR<1.0×10−5

摘要

背景:转甲状腺素蛋白心脏淀粉样变(ATTR-CA)可能涉及生物学机制的异质性(即分子亚型)。分子亚型可能导致预后差异以及对tafamidis(首个ATTR-CA疾病修饰疗法)治疗反应的差异。我们旨在通过全面的血浆蛋白质组学分析推导ATTR-CA的分子亚型,并检验其与预后及tafamidis估计治疗效应的关联。 方法:我们对7,289种蛋白质的全面血浆蛋白质组学数据应用无监督机器学习,以在哥伦比亚大学招募的ATTR-CA患者前瞻性队列中识别分子亚型。我们比较了已识别分子亚型之间的全因死亡风险和tafamidis估计治疗效应,并调整了年龄、性别、TTR基因型和合并用药。我们还进行了通路分析,比较预后最差的亚型与其他亚型合并后的差异。 结果:在142例可分析患者中,96例接受了tafamidis治疗。我们识别出三种分子亚型(亚型A:n=49,亚型B:n=38,亚型C:n=55),在中位随访5.2年期间生存风险不同(log-rank P=0.035),而传统临床分期无显著差异。死亡风险在亚型A中最高,其次是B,然后是C(例如,亚型A与C的调整风险比[aHR] [95% CI]为1.95 [1.03–3.66],P=0.04)。与同一亚型内未使用tafamidis相比,亚型A中观察到tafamidis最大的治疗效应(死亡aHR为0.24 [0.10–0.55]),表明tafamidis的治疗效应存在异质性(交互作用P=0.001)。亚型A存在Ras/MAPK通路(参与ATTR-CA发病机制的通路)以及代谢/炎症通路的失调。 结论:我们使用全面血浆蛋白质组学分析的前瞻性队列研究不仅揭示了ATTR-CA的分子亚型,还识别了与差异预后及tafamidis估计治疗效应相关的发病机制。

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
能否通过全面血浆蛋白质组学分析推导ATTR-CA的分子亚型,并检验其与预后及tafamidis估计治疗效应的关联?
核心机制
亚型A中Ras/MAPK通路、ATTR-CA发病相关通路(内质网蛋白加工、Fcγ受体介导的吞噬作用、自噬)以及代谢/炎症通路失调,可能与不良预后及tafamidis较大治疗效应相关。
主要证据
在142例ATTR-CA患者血浆蛋白质组学数据中通过无监督机器学习识别出三种分子亚型,亚型A死亡风险最高(aHR 1.95 vs C),且tafamidis治疗效应最大(aHR 0.24),交互作用P=0.001;通路分析显示亚型A中Ras/MAPK等通路失调。
研究意义
揭示了ATTR-CA的分子亚型及其相关发病机制,可能有助于指导未来精准医学策略,包括疾病修饰疗法的个体化启用、转换或联合,并促进药物发现。

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。

1

研究队列建立与血浆采集

构建ATTR-CA前瞻性队列并获取用于蛋白质组学分析的基线血浆样本

2009至2023年在哥伦比亚大学招募142例ATTR-CA患者,采集静脉血于K2EDTA管,离心后冻存血浆

2

全面血浆蛋白质组学检测

测量血浆中7,289种蛋白质水平以用于分子亚型推导

使用SomaScan适配体蛋白质组学检测血浆蛋白水平,相对荧光单位经log转换

3

分子亚型推导

通过无监督机器学习识别ATTR-CA的分子亚型

对蛋白质组学数据进行预处理后,应用围绕中心点划分(PAM)聚类,基于gap统计确定亚型数量,并用t-SNE可视化

4

分子亚型与预后关联分析

检验各分子亚型与全因死亡风险的关联

使用Kaplan-Meier曲线和log-rank检验比较亚型间生存,Cox比例风险模型调整协变量计算死亡风险

5

分子亚型与tafamidis估计治疗效应分析

检验各分子亚型中tafamidis使用与死亡的关联及效应异质性

在每个亚型内建立Cox比例风险模型,调整协变量,计算tafamidis使用与死亡的关联,并检验亚型与tafamidis的交互作用

6

通路分析

识别预后最差亚型与其他亚型间差异失调的生物学通路

比较亚型A与亚型B+C的血浆蛋白水平,对差异蛋白进行基于STRING和KEGG的通路分析

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
K2EDTA处理管----
SomaScan适配体蛋白质组学检测SomaLogic, Inc, Boulder, CO--

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
研究队列与样本采集
ATTR-CA诊断标准、年龄≥18岁、招募时间2009-2023年、血浆采集与储存条件(K2EDTA管,3,100 rpm离心10分钟,−80°C冻存)
阅读提示:Methods中Study design and sample及Blood sample processing for comprehensive proteomics profiling小节
血浆蛋白质组学检测
SomaScan检测平台、检测蛋白数量7,289、检测灵敏度>100 fM、中位变异系数<5%
阅读提示:Methods中Blood sample processing及Supplemental Methods
分子亚型推导
预处理步骤(log₂转换、选300个高方差蛋白、标准化)、聚类算法PAM、亚型数量确定方法gap统计、可视化方法t-SNE
阅读提示:Methods中Molecular subtype derivation小节及Figure S3
预后与治疗效应分析
随访中位时间5.2年、Cox模型调整变量(年龄、性别、TTR基因型、合并用药)、tafamidis使用状态(96例使用)、参考组选择、交互作用检验
阅读提示:Methods中Association of each molecular subtype with mortality及Association of each molecular subtype with estimated treatment effect of tafamidis小节,Table 1、Table 2、Figure 2、Figure 3
通路分析
差异蛋白筛选阈值(调整P<0.05且log2FC>1.2)、比较组别(亚型A vs B+C)、通路分析工具(STRING V.12)、通路数据库(KEGG)、FDR阈值(<1.0×10−5)
阅读提示:Methods中Pathway analysis小节及Figure 4