《Proteomes》：Sex-Specific Plasma Proteomic Signatures in Venous Thromboembolism: Differential Abundance and Machine-Learning-Based Feature Prioritization
编辑推荐：
背景：性别差异影响静脉血栓栓塞症（VTE）的风险和临床病程，但在已确诊VTE个体中，循环蛋白质组学谱相应的性别差异尚未得到充分描述。本研究调查了MARTHA队列血浆蛋白质组中的女性-男性差异，并评估了所识别信号是否形成可重复的多变量模式。方法：研究人员对MAR
背景：性别差异影响静脉血栓栓塞症（VTE）的风险和临床病程，但在已确诊VTE个体中，循环蛋白质组学谱相应的性别差异尚未得到充分描述。本研究调查了MARTHA队列血浆蛋白质组中的女性-男性差异，并评估了所识别信号是否形成可重复的多变量模式。方法：研究人员对MARTHA血浆蛋白质组学数据集进行了二次分析，该数据集包含1388名VTE参与者（906名女性和482名男性）以及针对234种候选蛋白的376种抗体衍生检测。检测标识符使用原始MARTHA抗体面板注释映射到注释基因和蛋白质靶点。性别相关的差异丰度使用带有经验贝叶斯调节和Benjamini-Hochberg FDR校正的limma线性模型进行评估，并通过SVA调整的limma、Welch t检验、Wilcoxon秩和检验以及1000次性别标签置换来评估稳健性。为了确定蛋白质组学差异是否共同提供可重复的多变量区分女性与男性参与者的能力，研究人员使用了重复嵌套交叉验证，包括五次外折重复五次和五折内交叉验证用于模型调优。从所有376项检测开始，在每个外训练集内独立执行基于limma的FDR特征选择。随后使用所选蛋白质组学特征训练弹性网络、LASSO、岭回归、随机森林和径向SVM模型，并在相应保留的外测试观测值上进行评估。结果：55项检测满足FDR<0.05阈值，其中33项在女性中显示较高标准化信号，22项在男性中显示较高标准化信号。最强的男性关联信号是RGS18（HPA028727），其女性减男性标准化差值为-0.618（FDR=1.09×10-14；Cohen's d=-0.637），而两个最强的女性关联检测Bsi3134和Bsi0352均靶向LRG1。46项检测在所有五种推断方法中均保持显著，表明具有实质性的跨方法稳健性。在嵌套机器学习分析中，受试者水平的折外AUC在不同模型家族间相似，范围从岭回归的0.804到径向SVM的0.814。一组核心检测的特征选择稳定性也很高：29项检测在25次外训练评估中至少有80%被选中，包括靶向RGS18、LRG1、CFHR5和VWF的稳定信号。结论：MARTHA VTE队列表现出稳健的、双向的性别相关蛋白质组学模式，分布于多个检测信号。差异丰度分析、互补稳健性测试、嵌套特征选择稳定性和保留机器学习性能之间的一致性支持存在可重复的多变量性别相关蛋白质组学特征，尽管女性和男性参与者在个体水平上并非完全可分。这些发现需要在独立队列中复制，并且应结合缺乏重要临床和激素协变量调整这一情况进行解读。
研究背景与问题
静脉血栓栓塞症（VTE）是一种主要的血管疾病，包括深静脉血栓形成（DVT）和肺栓塞（PE），具有显著的发病率和死亡率。性别是VTE中重要的生物学和临床因素。女性拥有多种性别特异性风险因素，如妊娠、产褥期及暴露于含雌激素的口服避孕药或激素替代疗法，而男性在初次VTE事件后复发风险更高。VTE的发生率也随年龄和性别变化，整体年龄调整后的发生率在男性中略高，但年轻女性因生殖和激素暴露面临更大风险。已有研究表明，在一般人群和心血管疾病人群中存在显著的蛋白质组学性别二态性，但关于已确诊VTE的女性和男性在血浆蛋白质组学谱上是否存在系统性差异的研究相对较少。当前的VTE生物标志物和风险分层方法仍有限，D-二聚体虽应用广泛但特异性不足。因此，有必要利用高通量蛋白质组学技术，直接比较VTE患者中不同性别的循环蛋白谱，以揭示潜在的性别特异性分子模式。
研究内容与结论
本研究是对MARTHA蛋白质组学子研究的公开数据进行的一项二次分析。研究人员旨在表征已确诊VTE个体中血浆蛋白质组的性别相关差异，并评估这些差异是否构成可重复的多变量模式。研究得出以下主要结论：在MARTHA VTE队列中观察到了稳健且双向的性别相关蛋白质组学模式，该模式分布于多个检测信号，而非由单一检测驱动。差异丰度分析、互补稳健性测试、嵌套特征选择稳定性以及保留机器学习性能之间的一致性支持存在可重复的多变量性别相关蛋白质组学特征，但女性和男性参与者在个体水平上并非完全可分。这些发现强调了在VTE蛋白质组学研究中将性别作为生物学变量的重要性，但也展示了在个体水平上女性与男性蛋白质组谱之间存在大量重叠。
关键技术与方法
研究人员使用了来自法国马赛La Timone医院血栓形成中心的MARTHA队列数据，共1388名VTE参与者（906名女性，482名男性）。主要技术方法包括：（1）使用基于抗体的悬浮微珠阵列进行血浆蛋白靶向检测；（2）采用limma线性模型结合经验贝叶斯调节和Benjamini-Hochberg错误发现率（FDR）校正进行差异丰度分析；（3）通过SVA调整的limma、Welch t检验、Wilcoxon秩和检验和1000次性别标签置换进行稳健性评估；（4）使用重复嵌套交叉验证框架，结合弹性网络、LASSO、岭回归、随机森林和径向基函数支持向量机（SVM）等五种分类模型进行机器学习性能评估；（5）使用主成分分析（PCA）和均匀流形逼近与投影（UMAP）进行无监督降维可视化。
研究结果
- •
差异丰度与跨方法稳健性：主要limma分析识别出55个（占14.6%）与性别显著相关的蛋白质组学特征，其中33个在女性中信号较高，22个在男性中信号较高。最强的男性关联信号是RGS18（HPA028727），女性减男性标准化差值为-0.618（FDR=1.09×10-14；Cohen's d=-0.637）。最强的女性关联信号是两个靶向LRG1的检测（Bsi3134和Bsi0352）。共有46项检测在所有五种推断方法中均保持显著，表明核心信号具有高度跨方法稳健性。
- •
机器学习分类性能：在重复嵌套交叉验证中，所有五个模型的受试者水平折外出院曲线下面积（AUC）相近，范围从岭回归的0.804到径向SVM的0.814。基于阈值的分类性能显示，平衡准确率在各模型中约为0.72至0.74。结果表明，多变量蛋白质组学信号提供了适度的判别能力，但不足以实现个体水平的完全分离。
- •
稳定机器学习特征与模型解释：29项蛋白质组学检测在至少80%的外训练集中被选中，其中19项在所有25次评估中均被选中，表明特征选择稳定性高。稳定的核心特征包括靶向RGS18、LRG1、CFHR5和VWF的信号。惩罚回归系数模式在三类正则化方法中基本一致，Bsi3134和Bsi0352倾向于女性分类，而HPA028727（RGS18）、CFHR5和HPA002082倾向于男性分类。
- •
探索性多变量结构：PCA和UMAP的无监督可视化显示，女性和男性参与者在稳定的特征空间中存在大量重叠，群体质心仅有适度偏移，未形成清晰分离的性别特异性聚类。这与监督分析中观察到的适度判别能力一致，表明性别相关的蛋白质组学差异反映的是多变量位置的适度偏移，而非两种截然不同的分子图谱。
讨论总结
本研究的发现与先前在健康人群和心血管疾病队列中观察到的广泛性别相关蛋白质组变异是一致的，但本研究关注的是在已确诊VTE患者中此类差异的可检测性和可重复性。由于缺乏非VTE对照组，无法判断这些差异是VTE特异性的还是更广泛的生物学性别差异。领先的靶标如RGS18（血小板信号传导）、LRG1（炎症和血管过程）、VWF、CFHR5、PROCR、ENG和SERPINA5与止血、补体调节和内皮功能等已知与血栓形成相关的通路有关，但这些关联仍是假设生成的。稳健性分析和特征选择稳定性支持信号的内在一致性。然而，研究存在局限性，包括横断面设计、缺乏对年龄、BMI、激素状态等重要临床因素的调整，以及缺乏外部验证。
研究结论翻译
这项对MARTHA血浆蛋白质组学数据集的二次分析，在已确诊VTE的个体中识别出一种可重复的、双向的性别相关蛋白质组变异模式。该发现在互补的差异丰度分析和重复嵌套机器学习程序中均得到支持，表明观察到的信号分布于多个蛋白质组学特征，而非由单一检测或建模方法驱动。监督分析显示，几种模型家族均具有一致的多元判别能力，而特征选择稳定性则支持在重采样训练数据集中存在持续的多特征信号。总之，这些发现表明，观察到的性别相关蛋白质组学模式不依赖于单一算法或单一数据划分。这些结果凸显了在VTE蛋白质组学研究中将性别视为生物学变量的重要性，同时也展示了在个体水平上女性与男性蛋白质组谱之间存在大量重叠。因此，所识别的检测应被解释为统计学上优先考虑的性别相关蛋白质组学信号，而非经过临床验证的生物标志物或因果性生物学决定因素。修订后的嵌套交叉验证框架通过将特征选择、模型调优和阈值优化与保留测试评估分开，提供了内部预测性能的严格估计。尽管如此，仍需外部验证、对相关临床和激素特征的调整以及对已映射蛋白靶标的独立生物学确认，才能确立这些发现的更广泛生物学和临床意义。
