《eBioMedicine》：Serum proteomics in paediatric inflammatory bowel disease from a case–control study: biomarker discovery and ulcerative colitis–Crohn's disease differentiation
编辑推荐：
研究人员利用基于适配体的SomaScan蛋白质组学平台，在一个发现队列中分析了1305种蛋白质，旨在寻找能够区分儿童炎症性肠病（IBD）与非IBD，以及鉴别溃疡性结肠炎（UC）与克罗恩病（CD）亚型的血清蛋白生物标志物。研究结果发现了95种可区分IBD与非IB
研究人员利用基于适配体的SomaScan蛋白质组学平台，在一个发现队列中分析了1305种蛋白质，旨在寻找能够区分儿童炎症性肠病（IBD）与非IBD，以及鉴别溃疡性结肠炎（UC）与克罗恩病（CD）亚型的血清蛋白生物标志物。研究结果发现了95种可区分IBD与非IBD的血清蛋白标志物（BH p < 0.01），以及70种可区分UC与CD的蛋白（p < 0.01）。通路分析将特定的炎症过程和血管功能与IBD以及UC与CD的差异联系起来。一个由8种蛋白质组成的分类器在识别IBD时达到了0.95的AUC（曲线下面积）。通过ELISA（酶联免疫吸附测定）在扩大的队列（N = 295）中验证了四种关键预测蛋白（MMP1， MMP3， Resistin， Haptoglobin）在IBD中的显著升高。这四种蛋白质的SVM（支持向量机）预测器在两个独立队列中，对IBD的鉴别AUC分别达到0.86和0.90。一个单独的用于区分UC与CD的4蛋白SVM预测器在独立验证中AUC达到0.93。研究人员得出结论，儿童发病的IBD患者具有与促炎和血管通路相关的独特血清蛋白特征。需要进一步研究以确定这些失调蛋白能否与传统风险因素结合，用于支持识别IBD及其亚型的非侵入性生物标志物。
儿童炎症性肠病（IBD）是一种慢性、复发-缓解的胃肠道疾病，包括溃疡性结肠炎（UC）、克罗恩病（CD）和未分类IBD（IBD-U）。该病的诊断依赖于临床和病理标准，目前缺乏非侵入性的精准医学工具来诊断IBD以及区分UC和CD，这使得个性化管理面临挑战。针对这一临床需求，Mmeyeneabasi Omede等人在《eBioMedicine》杂志上发表了一项研究，旨在利用高通量蛋白质组学技术，发现能够无创诊断儿童IBD并鉴别其亚型的血清蛋白生物标志物。
研究人员开展了一项病例对照研究。他们首先从马萨诸塞州总医院儿童中心的儿童胃肠病学项目中，招募了47名IBD和非IBD患者（作为发现队列），并通过SomaScan蛋白质组学平台测量了1305种蛋白质的水平。基于蛋白质组学数据，研究人员开发了多蛋白预测模型。随后，他们在另外两个回顾性队列（分别包含295名和105名个体）中，使用ELISA和Omni 1000免疫测定平台对选定的蛋白标志物进行了正交验证。研究结论表明，儿童IBD患者的血清中存在一组与炎症和血管功能通路相关的独特蛋白特征。所鉴定的生物标志物，特别是由MMP1、MMP3、Haptoglobin和Resistin组成的模型，显示出作为非侵入性诊断工具的巨大潜力，能够准确区分IBD与非IBD，并在一定程度上鉴别UC与CD。该研究为理解儿童IBD的病理生理机制提供了新的视角，并为开发精准诊断和潜在治疗靶点奠定了基础。
本研究采用的关键技术方法包括：在发现阶段，使用SomaScan（一种基于适配体的高通量蛋白质组学平台）对血清样本中的1305或10775种蛋白质进行大规模筛选；在验证阶段，采用正交的免疫测定方法，包括Ella全自动免疫分析平台和商用ELISA试剂盒，对候选生物标志物进行定量验证；在独立验证队列中，应用了另一个高通量蛋白质组学平台Omni 1000进行确认。统计分析上，采用了支持向量机（SVM）结合主成分分析（PCA）来构建和验证分类模型，并通过留一法交叉验证评估性能。研究涉及的样本队列来自多个中心，包括马萨诸塞州总医院儿童中心、费城儿童医院、莱利儿童医院、哥伦比亚大学欧文医学中心、加州大学旧金山医学中心以及Upstate Golisano儿童医院。
研究结果部分首先报告了蛋白质组学分析发现的差异蛋白。通过SomaScan发现阶段，研究人员鉴定出95种血清蛋白能够区分IBD与非IBD（BH p < 0.01），其中28种上调，67种下调。差异最显著的上调蛋白包括参与细胞外基质降解的基质金属蛋白酶（如MMP1， MMP3， MMP8）以及炎症相关蛋白（如CRP， LCN2， RETN， HP）。使用这8种差异最显著蛋白构建的SVM分类器，在区分IBD与非IBD时，其留一法交叉验证准确率达到85%，ROC曲线下面积（AUC）达到0.95。
其次，在功能注释和通路分析方面，研究人员利用IPA和STRING工具对95种IBD相关蛋白进行了分析。结果显示，这些蛋白显著富集在炎症反应、免疫细胞迁移与活化以及血管功能（如血管生成、血管发育）等生物学过程中。上游调控因子分析预测了TNF、IL1、IL6、IL17A等促炎细胞因子及其下游转录因子（如NF-κB、STAT3）的活性增强，这些因子可能驱动了观察到的蛋白表达变化。
第三，在区分UC与CD方面，SomaScan发现了70种在两者间存在显著差异的血清蛋白（p < 0.01）。其中，MMP12在UC中相比CD表达最高。此外，补体通路成分（如C3， C9）在CD中表达更高，而多种与免疫系统功能相关的蛋白在UC中升高。基于7种差异蛋白构建的SVM模型，在发现队列中区分UC与CD的AUC达到了1.00。
第四，研究人员对从IBD预测模型中选出的4种蛋白（MMP1， MMP3， HP， RETN）在更大的队列（N = 295）中进行了ELISA验证。结果证实，这四种蛋白在IBD患者血清中的中位浓度均显著高于非IBD对照（p < 0.0001）。分层分析表明，这些蛋白在治疗中和未治疗患者中均能保持区分能力；Resistin和Haptoglobin的水平还与疾病活动度相关；且它们能区分IBD与非IBD，无论后者是否伴有炎症。基于这4种蛋白的ELISA数据构建的SVM模型，在验证队列中区分IBD与非IBD的AUC为0.86，优于传统的CRP（0.70）和ESR（0.74）标志物。
最后，在独立验证方面，研究人员在一个包含105名受试者的多中心队列中应用了Omni 1000平台。结果再次证实了预测模型的有效性：4蛋白IBD预测模型的AUC达到0.90，而4蛋白UC vs CD预测模型的AUC达到0.93。此外，一个包含6种蛋白的IBD模型在Omni 1000数据上也表现出良好的性能（AUC = 0.89）。
论文的讨论部分指出，当前IBD的诊断依赖于多种侵入性检查，对儿童患者尤其具有挑战性。本研究通过蛋白质组学方法，成功发现并验证了一组能够无创鉴别IBD及其亚型的血清生物标志物，其性能优于常规指标。这些生物标志物不仅具有诊断价值，其涉及的病理通路也为理解IBD的发病机制提供了线索，例如炎症反应和血管功能障碍在疾病中的重要作用。研究证实，MMP1、MMP3、Resistin和Haptoglobin等蛋白在IBD中持续升高，部分还能反映疾病活动度。尽管存在样本量相对有限、主要针对白人群体、未纳入粪便样本等局限性，但这项研究确立了蛋白质组学在儿童IBD精准诊断中的巨大潜力。未来需要通过大规模的前瞻性研究来验证这些生物标志物的临床效用，并探索其在个性化治疗决策中的应用价值。
