英文标题：AI-driven prediction of cardio-oncology biomarkers through protein corona analysis

中文标题：通过蛋白冠分析实现心脏肿瘤生物标志物的人工智能驱动预测

发表期刊：Chemical Engineering Journal

影响因子：13.2

研究背景

在心脏肿瘤学领域，前列腺癌(PC)作为美国男性最常见的恶性肿瘤，其转移性(mPC)会导致患者五年生存率从局限性疾病的99%骤降至不足60%，严重威胁患者生命。同时，动脉粥样硬化性心血管疾病(ASCVD)与PC的进展存在密切关联，可通过多种循环因子加剧肿瘤侵袭性和转移扩散，但二者相互作用的具体机制尚未明确。

传统诊断手段如前列腺特异性抗原(PSA)筛查缺乏特异性，而血浆蛋白组学虽为生物标志物发现的首选方法，却受限于血浆蛋白质组的高复杂性和宽动态范围，难以检测低丰度关键蛋白，导致高风险患者的早期诊断和干预滞后。

蛋白质冠作为纳米颗粒表面形成的蛋白质层，能富集传统血浆分析中难以捕捉的低丰度蛋白，显著降低样本复杂性，且其组成可反映健康与疾病状态下的血浆特征，为解决上述挑战提供了新思路。基于此，本研究整合蛋白质冠分析、质谱技术、机器学习与因果推理，旨在揭示ASCVD与mPC的潜在关联生物标志物及机制。

技术路线

图1. 纳米医学平台示意图

研究结果

1、研究方法与策略

本研究的血浆样本来源于2024年4月就诊于奥古斯塔大学癌症中心的前列腺癌(PC)患者，图1所呈现的纳米医学平台清晰展现了整体检测流程，该平台整合了蛋白冠分析、机器学习算法及实际因果关系评估等关键环节。研究将受试者划分为四组：(1)mPC合并ASCVD组，即患有转移性前列腺癌同时伴有动脉粥样硬化性心血管疾病；(2)ASCVD合并nmPC组，指患有心血管疾病且同时存在非转移性前列腺癌；(3)单纯mPC组，为仅患有转移性前列腺癌而无心血管疾病；(4)nmPC不合并ASCVD组，为非转移性前列腺癌且不合并动脉粥样硬化性心血管疾病。

各组收集的血浆样本与聚苯乙烯纳米颗粒共同孵育后，纳米颗粒表面会形成蛋白冠，随后通过质谱分析和机器学习，筛选出与mPC和ASCVD相关的重要蛋白标志物。

基于质谱的自下而上蛋白质组学(BUP)工作流程可参考图2，该研究共收集了35名PC患者的血浆样本，并按上述方式完成分组。结果显示，57.1%的人群患有高脂血症，且这一情况与亚组分布存在显著相关性。

图2. 基于质谱的自下而上蛋白质组学(BUP)工作流程示意图

2、蛋白冠分析

动态光散射(DLS)与zeta电位测定结果显示，相较于原始纳米颗粒(NPs)，经处理后的纳米颗粒在粒径和表面电荷上均显著增加（图3A-B），这一变化明确证实了蛋白冠的成功形成。透射电镜(TEM)分析进一步直观呈现了纳米颗粒表面包裹的蛋白冠层（图3A）。

基于质谱的自下而上蛋白质组学(BUP)分析对四组患者的血浆样本进行了蛋白冠组分解析，每组样本均设置三重重复实验，以确保数据的可靠性与重现性（图3C-D）。通过该分析，共鉴定出887种独特蛋白质，其中260种蛋白质在所有样本中稳定检出。

火山图分析（图3C）揭示了这260种共有蛋白质在不同患者组间的表达差异。结合基因本体论(GO)分析（图3D）对这些蛋白质进行深入分类后，发现了关键通路的富集趋势：与单纯mPC患者相比，mPC合并ASCVD患者的蛋白冠中，补体激活、纤维蛋白溶解、血液凝固、先天免疫应答及Arp2/3复合体介导的肌动蛋白成核通路显著富集；此外，GABA能突触、肌母细胞增殖、G蛋白偶联乙酰胆碱受体信号传导、通用信号转导及Rap1信号通路也呈现特异性上调。

通过对四组样本蛋白冠的血浆蛋白质组特征分析（图3），研究揭示这些通路可通过促进慢性炎症、细胞增殖、血管重构及细胞运动性，共同为动脉粥样硬化中的斑块形成与不稳定、癌症中的肿瘤生长、存活及转移创造有利条件。

图3. 蛋白冠表征及蛋白质组学分析总结

3、AI-机器学习

基于上述蛋白质组学数据，研究应用AI机器学习方法筛选可稳定区分mPC与ASCVD分组的核心蛋白，采用LASSO正则化（L1正则化）构建逻辑回归模型处理高维度蛋白特征数据。通过网格搜索确定最优正则化系数，在保持验证集分类准确率≥80%的同时最小化非零系数数量，以此降低过拟合风险并精准锁定与mPC/ASCVD分类目标最相关的蛋白子集。

图4A（四组分类混淆矩阵）显示了选定蛋白的分类性能，各组差异蛋白包括：①mPC合并ASCVD组：肌球蛋白轻链3、凝血因子V、甲状腺素运载蛋白、CCT7、肌球蛋白调节轻链多肽9、真核翻译起始因子5A-1、TBXAS1；②ASCVD合并nmPC组：Stomatin蛋白；③单纯mPC组：PRKG1；④单纯nmPC组：淋巴细胞抗原6复合体G6f蛋白、CCT7、Ras相关蛋白Rab-1A等。结合图4B（ASCVD分类混淆矩阵）和图4C（转移分类混淆矩阵）对蛋白与疾病及共病状态的关联分析，共鉴定出22种独特蛋白质，其中ASCVD关联蛋白12种（含CCT7、TBXAS1等），mPC转移关联蛋白11种（含CCT7等）。CCT7是22种蛋白中唯一的共病标志物，凸显其作为心脏肿瘤学双重生物标志物的潜力。

图4. 蛋白质组学分类模型混淆矩阵结果

4、因果关系分析

在因果分析中，该研究初步筛查了全部887种鉴定蛋白，但因样本量有限（仅35例），算法识别出400种潜在因果蛋白。鉴于实际因果蛋白常呈现相关性，该研究转而聚焦机器学习筛选出的22种与ASCVD或mPC显著关联的蛋白。通过精炼因果分析，最终确定血栓素-A合酶1(TBXAS1)、肌动蛋白β及真核翻译起始因子5A-1为ASCVD的实际诱因，其中TBXAS1同时被确定为mPC的因果蛋白。

机器学习筛选出疾病特异性蛋白标志物：肌球蛋白轻链3、凝血因子V、真核翻译起始因子5A-1在mPC合并ASCVD患者中富集，提示其在肌肉收缩、凝血及免疫调节交叉通路中的作用；因果蛋白TBXAS1（仅在蛋白冠中可检测，标准血浆proteomics中未检出）通过促进血小板聚集、血管平滑肌细胞增殖等过程，连接血栓形成与肿瘤进展；而stomatin（ASCVD特异性）与PRKG1（mPC特异性）则体现了生物标志物的疾病背景依赖性。尤为关键的是，22种标志物中唯一同时与ASCVD和mPC相关的蛋白——伴侣蛋白含TCP1亚基7(CCT7)，在前列腺腺癌细胞中的表达显著高于早期前列腺肿瘤细胞（DepMap数据库，图5A），其通过调控肿瘤相关蛋白折叠，成为心脏肿瘤学中兼具诊断与治疗价值的新型靶点。图5B进一步验证了TBXAS1的功能相关性，显示其在转移性前列腺腺癌中高表达，为预防癌症转移提供了潜在靶点。

研究揭示，CCT7通过调控炎症反应和血管平滑肌细胞增殖驱动ASCVD进展，其双重关联特性为同时监测心血管疾病与癌症提供了整合视角；因果分析确证的TBXAS1则通过蛋白冠技术被成功捕获，其在血小板聚集和肿瘤-血管相互作用中的关键角色，使其成为ASCVD与mPC的共同治疗靶标。

图5. 与早期前列腺癌相比，在转移性前列腺癌和前列腺小细胞癌来源的细胞中CCT7(A)和TBXAS1(B)表达水平更高

研究结论

该研究通过蛋白质组学分析结合AI机器学习方法，筛选出可稳定区分转移性前列腺癌(mPC)与动脉粥样硬化性心血管疾病(ASCVD)及其共病状态的22种显著关联蛋白。因果分析进一步确定TBXAS1等为关键致病因子，其中TBXAS1同时参与两种疾病的病理过程，而CCT7作为唯一双病共有关联蛋白，在转移性前列腺腺癌细胞中高表达，通过调控肿瘤蛋白折叠及炎症反应等机制，成为心脏肿瘤学领域潜在的新型诊断标志物与治疗靶点。研究不仅揭示了mPC与ASCVD共病的分子关联机制，更为两病的精准诊疗提供了重要的蛋白标志物与靶标群。

百趣生物血液蛋白冠-DIA 1X，以纳米材料表面修饰技术为核心支撑，通过纳米颗粒与血清 / 血浆样本的特异性共孵育反应，依托分子间特异性亲和力实现低丰度蛋白的高效富集，进而形成蛋白冠结构。该技术整合样本前处理自动化平台，耦合高灵敏度Astral质谱系统，采用数据非依赖采集(DIA)模式，可实现血液样本的深度蛋白质组学全景分析。相较于常规血液蛋白质组学检测方案，该技术的核心优势在于搭载自主研发的专利磁珠D1（已获国家专利认证）。从磁珠的精密制备到标准化应用流程，均由专业设备与技术团队全程质控，确保磁珠批次间稳定性与均一性。基于此，检测数据呈现出卓越的质量特征：蛋白鉴定数量稳定突破5000+，蛋白稳定检出率达80%以上，同时显著提升功能性指标的检出丰度，为血液蛋白质组学研究提供了高维度、高可靠性的技术解决方案。

若您“血液蛋白冠-DIA 1X”服务感兴趣，百趣生物可提供专业技术服务，欢迎后台私信咨询！