Int J Mol Sci | 肠道宏蛋白质组学发现NASH和HCC生物标志物

2022-12-19 10:21:08, 西湖欧米wOmics 西湖欧米（杭州）生物科技有限公司

图1.文章标题

实验样本及设计

（1）研究队列：健康对照组（n = 19）、NASH患者组（n = 32）和HCC患者组（n = 29）；

（2）样本类型：粪便样本；

（3）组学方法：宏蛋白组。

图2. 本研究方案路线图

文章结果

粪便宏蛋白质组学整体特征

通过宏蛋白质组学分析，每例粪便样本平均鉴定到4218±940种蛋白质，在菌群科水平分类上鉴定到193±20种。其中，细菌占比11.41±2.51%、古细菌占比0.71±0.20%、真菌占比5.41±1.79%、病毒占比0.32±0.10%和人源蛋白占比1.78±1.01%。此外，30%的鉴定光谱属于宏基因组中的未知蛋白质条目，36.5%的光谱由于蛋白质鉴定重叠而无法分配到特定的菌属。在微生物中，最重要的科水平分类是芽孢杆菌科（Bacillaceae）2.01±0.55%、肠杆菌科（Enterobacteriaceae） 1.70 ± 0.42%、梭菌科（Clostridiaceae）0.84 ± 0.25%、分枝杆菌科（Mycobacteriaceae） 0.40 ± 0.14%和巴斯德菌科（Pasteurellaceae）0.37±0.12%。宏蛋白富集的代谢功能则包括人类和微生物水解、微生物代谢和转运蛋白以及来源于肠道屏障和免疫系统的宿主蛋白。

为揭示疾病相关的分子特征，研究人员进行了多层主成分分析（PCA）。结果显示NASH和HCC与血脂水平升高、白蛋白水平、年龄以及梭状芽胞杆菌科（Clostridiaceae）和肠杆菌科（Enterobacteriaceae）丰度降低相关。此外，NASH和HCC患者的粪便含有更多与肠道屏障和免疫系统相关的抗体和宏蛋白。NASH和HCC与低丰度的微生物蛋白 MP6和SPs1具有相关性。

图3. 临床数据、人源蛋白、微生物蛋白以及微生物科水平分类的多层 PCA分析

粪便宏蛋白、菌群分类和功能变化特征

为了鉴定潜在的具有诊断NASH和HCC能力的生物标志物，研究人员分别分析了检测数据中的蛋白代谢功能、蛋白质和菌群科水平分类信息。其中，在NASH和HCC患者中观察到分配给Hominidae和Thermotogaceae的更多，分配给Enterobacteriaceae和Clostridiaceae的较少，而且在HCC患者中Firmicutes和Bacterio两者的比值更低。

图4. 三组样本中Hominidae丰度及Firmicutes-Bacterio比值差异分析

在NASH和HCC患者中，更多的人源蛋白质属于肠道屏障和中性粒细胞。在微生物组中，观察到在NASH和HCC患者中微生物代谢（如丁酸盐）和转运体（如糖转运）减少。而维生素B12的转运蛋白和乳酸发酵在NASH和HCC患者中更为丰富。具有NASH和HCC生物标志物潜能的宏蛋白是Sn-glycerol-3-phosphate import ATP-binding protein和Ketol-acid reductoisomerase (NADP(+))。此外，在NASH和HCC患者中观察到Kielin/chordin-like protein、S100-A9和E3 ubiquitin ligase的丰度增加。虽然其中E3 ubiquitin ligase宏蛋白被分配给真菌物种Arthroderma otae，但作者推测它实际上属于宿主，因为它比其他分配给真菌的低丰度宏蛋白丰富得多。

图5. 三组样本中显著性特征相关数据

机器学习筛选潜在生物标志物

进一步，研究人员评估了显著变化的前十种宏蛋白在区分健康和患者方面的性能。ROC曲线分析显示曲线下面积在0.913和0.815之间，表明分类效果良好。例如，对于Kielin/chordin-like protein，大约80%的患者只能被诊断出10%的假阳性。然而，对于常规诊断或预防性体检来说，假阳性的数量仍然太高。

为了改善NASH和HCC的诊断，研究人员开发了基于机器学习的分类算法。在几个模型下，对角线线性判别分析和逻辑回归表现最佳，分别使用7个和5个特征将对照与NASH或HCC区分为99.98%和100%。相比之下，NASH和HCC之间的正确区分仅在使用10个特征的86.4%的样本中成为可能。进一步评估所有选定的特征，显示Nucleophosmin是一种很有潜力的生物标志物。