构建PREDICTS前驱期纵向血清队列
建立IBD诊断前长达10年的纵向血清样本队列以研究前驱期免疫变化。
从PREDICTS队列随机选取200例后来发展为CD、200例后来发展为UC的个体及100名健康对照，收集每位参与者四份血清样本。
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
通过大规模并行血清学解析炎症性肠病发病前10年的前驱期
Deciphering the prodrome of inflammatory bowel disease up to 10 years before disease onset by massively parallel serology
实验完整度
中基于PREDICTS队列200例pre-CD、200例pre-UC及100例HC的2,000份纵向血清，行PhIP-Seq检测357,000种肽段并做统计学和序列分析，含抗原亚组和肽段水平验证。
主要模型
PREDICTS队列纵向血清样本（pre-CD n=200，pre-UC n=200，HC n=100） 诊断前约10年、4年、2年及诊断时的血清样本 PhIP-Seq抗原肽段库（244,000、100,000和13,000种抗原）
重点核对
研究队列与匹配：200例pre-CD、200例pre-UC、100例HC；按年龄、性别、种族和样本采集年份频数匹配（组水平） 样本采集时间点：每位参与者4份血清，约诊断时、诊断前约2年、约4年及最早可用约10年 PhIP-Seq实验流程：每份样本测序读数降至125万条，抗原富集使用广义Poisson分布拟合，显著富集抗体结合肽阈值至少750,000条读数，排除少于200个显著富集抗原的样本 抗体反应判定：主要分析中仅考虑在5%至95%样本中出现的抗体结合肽；fold changes仅计算输入读数至少25的肽 统计校正：多重检验采用Benjamini-Hochberg方法，FDR<0.05
摘要
背景：界定免疫介导疾病无症状前驱期的免疫失调为早期疾病检测和干预提供了机会。在炎症性肠病（IBD）中，前驱期免疫变化仍特征不明。目的：通过高通量噬菌体展示免疫沉淀测序（PhIP-Seq）表征纵向血清抗体库，以界定临床前免疫改变。设计：我们应用PhIP-Seq分析了美国军方PREDICTS队列中200名后来发展为克罗恩病（CD）、200名后来发展为溃疡性结肠炎（UC）的个体以及100名匹配健康对照（HC）在诊断前长达10年采集的2,000份纵向血清样本中的抗体反应。针对357,000种微生物、病毒、食物和免疫相关肽段分析了抗体库。结果：在诊断前约4年，pre-CD和pre-UC个体的抗体库变异性增加。差异分析显示，CD患者在诊断前长达10年即出现疱疹病毒导向反应升高（尤其是Epstein-Barr病毒）和抗鞭毛蛋白抗体升高，尤其在后来发展为复杂型或回肠型疾病的个体中。相比之下，针对荚膜细菌（如Streptococcus pneumoniae、Haemophilus、Neisseria）的反应在接近诊断时逐渐下降。pre-UC的特征是抗菌、抗病毒和自身抗体特征联合出现，包括针对MAP激酶激活死亡结构域（MADD）蛋白的抗体。结论：对存档的诊断前样本进行大规模血清学分析，在IBD发病数年前识别出疾病特异性免疫轨迹，为前驱期疾病发病机制提供了新见解。
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
- IBD临床前阶段的抗体库特征如何，能否在诊断前识别疾病特异性免疫轨迹？
- 核心机制
- 研究提示EBV等疱疹病毒和细菌鞭毛蛋白的免疫反应可能参与IBD前驱期免疫失调，机制可能涉及分子模拟或B细胞耐受丧失，但因果机制尚未明确。
- 主要证据
- 对2,000份纵向血清采用PhIP-Seq分析357,000种肽段，显示诊断前约4年抗体库变异增加；CD诊断前10年EBV和抗鞭毛蛋白反应升高，UC中MADD自身抗体轨迹升高。
- 研究意义
- 大规模血清学分析可用于描绘IBD前驱期免疫改变，支持早期检测和风险分层，并为研究其他免疫介导疾病提供框架。
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。
PhIP-Seq分析抗体库
高通量描绘血清抗体对所有抗原肽段的结合反应。
使用三个抗原库（244,000、100,000和13,000种抗原）进行噬菌体展示免疫沉淀测序，覆盖微生物、病毒、食物和自身抗原。
抗体库整体特征和纵向稳定性分析
评估诊断前抗体多样性和组间相似性变化。
计算Shannon多样性指数、phi系数、主成分分析等，比较CD、UC和HC在不同时间点的抗体库特征。
疾病特异性抗体差异分析
识别在诊断前不同时间点差异丰富的抗体反应。
进行抗原亚组和肽段水平的病例对照分析，比较pre-CD vs HC、pre-UC vs HC及CD vs UC。
EBV抗体表位特异性分析
探究pre-CD中EBV导向抗体的抗原特异性和保守基序。
对差异丰富的EBV肽段进行多序列比对，识别EBNA-1、BMRF1和EBNA-6的保守基序。
临床症状前抗体预测分析
评估抗体特征是否能区分复杂CD和结肠型CD。
比较复杂CD与非复杂CD、结肠型CD与回肠/回结肠型CD在不同时间点的抗体反应差异。
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 |
|---|---|---|---|
| 抗体检测 | Prometheus Panel抗体（ASCA IgG、ASCA IgA、pANCA、抗OmpC、抗CBir1、抗Fla-X、抗A4-Fla2） | Prometheus Laboratories | -- |
| PhIP-Seq数据分析 | MEGA软件 | -- | -- |
| 序列比对可视化 | CLC Main Workbench 6软件 | CLC bio | -- |
| 数据分析与可视化 | Python (v.3.8.5) | Python Software Foundation | -- |
| 非数据可视化 | BioRender | -- | -- |
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 | CD n=200、UC n=200、HC n=100；每位参与者四份血清（诊断时、诊断前约2年、约4年、最早可用约10年）；匹配年龄、性别、种族和样本采集年份；样本-80°C储存 阅读提示：Methods中Study cohort and design小节及Figure 1A |
| PhIP-Seq实验流程 | 使用244,000、100,000和13,000种抗原库；每样本测序读数降至125万条；至少750,000条读数；排除少于200个显著富集抗原的样本 阅读提示：Methods中PhIP-Seq procedures小节及Supplementary Methods |
| 抗体反应判定 | 主要分析仅考虑在5%至95%样本中出现的肽段；fold changes仅计算输入读数至少25的肽；基线测序覆盖度>100倍 阅读提示：Methods中Statistical analysis小节和Supplementary Methods |
| Prometheus Panel抗体检测 | 使用商业ELISA检测ASCA IgG/IgA、pANCA、抗OmpC、抗CBir1、抗Fla-X、抗A4-Fla2，检测在Prometheus Laboratories进行 阅读提示：Methods中Antibody testing using a commercially available panel小节 |
| 统计分析与校正 | 逻辑回归校正年龄和性别；多重检验采用Benjamini-Hochberg方法，FDR<0.05；纵向分析使用广义线性混合效应模型 阅读提示：Methods中General statistical analyses小节 |