当前位置

助力基于DNA的“科学算命”更精准，高遗传风险疾病早发现！

转自Olink Proteomics

Olink高敏微量体液蛋白质组在健康人群队列多组学研究中的应用

2014年，以开发全自动DNA测序仪而知名的Leroy Hood教授团队招募了108位健康人参与了一个**的先锋100健康计划即P00项目，该项目使用多组学大数据来做健康研究的可能性。

2017年7月份，该项目的研究成果发表在Nature Biotechnology杂志上，题为《A wellness study of 108 individuals using personal, dense, dynamic data clouds》。

Hood团队在9个月内收集了108名参与者的个人数据，包括他们的全基因组序列，三个时间节点的蛋白质组、代谢组、微生物宏基因组和临床检测数据，并且进行了日常活动跟踪。其中，血浆蛋白质水平的检测使用了两个Olink（Uppsala，Sweden）Proseek Mutiplex试剂盒，即The Proseek cardiovascular (CVD I) and inflammation (Inflammation I) panels。

Hood教授团队用上述数据生成了一个网络，并且通过分析多组学数据和临床表型数据的相关性，鉴定生物标志物。他们从127个表型的全基因组关联研究（GWAS）中计算了多基因风险分数（polygenic disease risk scores，PRS），并且寻找了风险分数相关的蛋白质或代谢分子相关性。其中在Olink的panel中，发现了三个关联。分别是高心血管病风险的Leptin和INHBC蛋白，心血管代谢异常的marker蛋白FGF21。

研究结果表明，根据临床生物标志物大数据提示，改善参与者的行为模式，可以逐渐提高他们的健康水平，并且使科学家对健康和疾病的认识更加深刻。而GWAS研究中多基因风险分数除了能给人们更好的预警之外，也有了关联的蛋白质和代谢标志物可以监控健康风险。

在3年后，2020年7月，Leroy Hood教授团队在美国科学院院刊公布了新的数据来进一步说明这个问题。

这篇文章中，Hood教授提出了更加明确的理论，他提出，一位健康人在自身的遗传风险和环境因素的作用下，经过数年甚至数十年时间才会有临床症状出现，从而成为一个患者。理解和研究这个动态的过程，对疾病预防非常重要。

为了这个目的，Hood教授基于GWAS研究中最常用的多基因风险分数（Polygenic risk scores，PRSs）概念，在4905个个人中，将54种疾病的PRSs分数和基于血浆的蛋白质组，代谢组学和常规临床实验室检测之间的关系进行研究。

在这项研究中，Olink公司提供了INF，CVD2和CVD3三个Target 96 Panel。最后发现高危个体即疾病易感PRSs分数较高的个人，其PRSs相关的蛋白质标志物和代谢标志物有着一致性的变化，这些研究结果为预防健康到疾病转变提供了有效的途径。意味着高危人群可以通过筛选出来的蛋白质等标志物来进行疾病的预防。（如图示）

其中，Hood教授团队不但验证了以往文献支持的PRS-analyte关联，例如下表中细胞因子IL33与哮喘病的遗传风险正相关。

而且，还有很大一部分PRS相关标志物的关联之前并没有被发现，其中许多在机理上是合理的，这些尤其引起了Hood团队的兴趣。（如下表）

总之，Hood教授发现，对健康人基因风险的多项相关性分析表明，具有高遗传风险的个体在许多相同的分析物中显示出类似疾病中的失调。这种蛋白质组等生物标志物失调的特征可以在血液中被检测到，本研究强调了这个概念，即多基因风险评分，远不仅是疾病风险评分的统计工具，也反映了潜在的疾病生物学。如果将这种方法应用于下一代人群队列研究，提供了发现跨健康和疾病两种状态的预防和治疗机制的机会。

以上研究中使用的Olink Target 96的panel信息，可以在Olink官网上下载到相关蛋白质和信号通路信息。

而伴随着Olink公司的技术进步，我们最新推出的Olink Explore创新技术，能够和质谱等传统蛋白组方法一起，面向临床需求，通过对肿瘤、免疫、心血管、代谢、神经等重大疾病的蛋白质组研究，发现并验证一批具有原始知识产权的生物标志物和药物靶标，创建“第二代精准医学新模式：蛋白质组学驱动的精准医学”（Proteomics-Driven Precision Medicine, PDPM）。

参考文献：

1.Price, N., Magis, A., Earls, J. et al. A wellness study of 108 individuals using personal, dense, dynamic data clouds. Nat Biotechnol 35, 747–756 (2017). https://doi.org/10.1038/nbt.3870

2.Multiomic blood correlates of genetic risk identify presymptomatic disease alterations Michael Wainberg, Andrew T. Magis, John C. Earls, Jennifer C. Lovejoy, NasaSinnott-Armstrong, Gilbert S. Omenn, Leroy Hood, Nathan D. Price Proceedings of the National Academy of Sciences Sep 2020, 117 (35) 21813-21820; DOI:10.1073/pnas.2001429117

文章分类： Olink+机器学习/pQTL