首选科技服务商↑ 点击上方蓝字标星 ↑

细胞外囊泡(extracellular vesicles)是由细胞释放的膜性小囊泡,存在于血浆、尿液、脑脊液等生物体液中。国际细胞外囊泡协会将它们分为外泌体(50-150 nm)、微囊泡(100-2000 nm)和细胞凋亡小体(1-4 μm),其中,外泌体和微囊泡在细胞间交换其包含的蛋白质、脂质和核酸遗传物质[1],被认为是细胞间通信的一种方式。越来越多的学者认为细胞外囊泡有望成为疾病的循环生物标志物,被视为“液体活检”的重要检测指标[2]

图1 细胞外囊泡被分为外泌体(50-150 nm)、微囊泡(100-2000 nm)和细胞凋亡小体(1-4 μm)

近日,华大质谱研究团队通过研究细胞外囊泡(外泌体、微囊泡)和血浆,筛选出可以显著提升早产预测准确性的生物标志物,研究成果“Lipidomic Biomarkers of Extracellular Vesicles for the Prediction of Preterm Birth in the Early Second Trimester”发表在质谱领域权威期刊Journal of Proteome Research[3]

该研究首次利用脂质组学技术,从血浆、微囊泡和外泌体中分别发现了97、58和10个不同的脂质特征离子,全面阐明了早产孕妇和健康孕妇在孕早中期脂质组的差异。更重要的是,相较于传统临床上早产预测指标——孕妇宫颈长度测量,阳性预测值仅21%,特异性52%,本研究筛选出5种孕妇血浆外囊泡脂质分子对早产的预测值高达87%,特异性71.2%,因采血方便无创的特点,为早产的无创检测提供了候选生物标志物[4]

研究设计思路

本研究采用组学经典研究路线,在发现阶段用非靶向脂质组学的方法分析了66例足月妊娠孕妇和27例早产孕妇,从血浆、微囊泡和外泌体3个层面全面阐述脂质组的差异。随后在验证阶段,选择42例足月妊娠孕妇和41例早产孕妇,采用拟靶向脂质组学的方法对上述候选脂质生物标志物进行验证。

图2 整体设计思路

重要成果

1)早产孕妇和正常孕妇的血浆、微囊泡、外泌体脂质具有表达差异:

对血浆、微囊泡和外泌体中发现的97、58和10种脂质特征离子鉴定分析分别得到428、267和135个脂质分子。虽然在这三类样本类型中的脂质组成有明显差异(图3 b,c,d),但是早产孕妇组别的溶血磷脂(Lysophospholipid,LP )含量在3种样本类型均高于足月妊娠组。这类脂质的积累会造成细胞膜损伤导致氧化应激的发生,而且作为炎症性脂质介质的重要前体和信号分子可能会导致慢性低水平炎症,这些临床表现都是影响孕妇早产的风险因素。

图3 早产孕妇和正常孕妇血浆、微囊泡、外泌体脂质的表达差异

2)相比血浆和外泌体,微囊泡脂质组对早产的预测能力更好:

通过接受者操作特性曲线(Receiver operating characteristic curve,ROC)分析,评估基于血浆、微囊泡和外泌体中的脂质,来区分早产孕妇和正常孕妇的能力。选择AUC(Area Under Curve)>0.8的脂质分子,在血浆样本筛选到1个候选标志物--氧化甘油磷脂类OKODiA-PI,微囊泡中筛选的5个候选标志物,PS (34:0), PS (O-42:0), PI (O-36:1), C24 (OH) sulfatide 和PE (O-33:0),在外泌体中没有发现符合要求的标志物。二元逻辑斯蒂回归进一步分析了微囊泡中这5种脂质候选生物标志物相结合预测早产的能力:PS (34:0)、PS (O-42:0)、PI (O-36:1)、C24 (OH) sulfatide和 PE (O-33:0) 结合起来可以很好地区分正常孕妇和早产孕妇 (AUC=0.87),灵敏度和特异性分别达到100%和71.2%(图4 b,c)。这表明相较于血浆和外泌体检测,微囊泡脂质组对早产的预测能力更好。

图4 发现集中早产孕妇脂质生物标志物的筛选

3)验证集微囊泡中候选脂质标志物的验证:

由于缺乏微囊泡中五种候选脂质生物标志物的标准品和相应的内标,采用拟靶向脂质组的手段对4种四种有碎片离子的早产候选生物标志物(PS (34:0), PI (O-36:1), C24 (OH) sulfatide, PE (O-33:0))进行验证。最终验证脂质标志物PS(34:0)在早产孕妇血浆微囊泡中下调,且能够较为准确地实现早产孕妇和正常孕妇的检测判别。

图5 验证集中脂质生物标志物的确定

科技君点评

1)细胞外囊泡的分离是制约外泌体、微囊泡等研究的重要因素,本研究中华大质谱研究团队采用超速离心法高效地实现两种胞外囊泡的分离,以蛋白质印迹、透射电镜和纳米粒子跟踪分析方法对其进行了必要的表征。

2)脂质组学生物标志物验证,因脂质分子存在较多同分异构体、结构相似,且缺少商业化的标准品,不能实现候选脂质标志物准确验证,拟靶向脂质组学的技术有望成为解决在验证阶段脂质标准品缺少的新方法。

3)对于早产早期诊断研究,首次采用血浆、血浆外囊泡、血浆外泌体脂质组学的研究方法,更加全面的阐明早产孕妇与正常孕妇脂质组的差异,发现微囊泡中的脂质有助于早产的早期诊断,有助于了解早产潜在的发生机制。

华大质谱平台始建于2007年,截至2020年9月,华大在蛋白质组学和代谢组学领域发表研究文章228篇,累计影响因子1000+,包括Nature Medicine、Nature Communications等高水平文章。

华大质谱不仅提供高质量的检测分析服务,同时也提供专业的技术支持,可为广大科研用户提供完善的方案设计。如果您有计划开展脂质组学研究,赶快联系我们吧~

图6 华大代谢组学-脂质组学整体解决方案

表1 华大代谢组学产品服务列表

开学季促销火热进行中

低至5折,点击享折扣!

参考文献

[1] Van Niel, Guillaume, Gisela d'Angelo, and Graça Raposo. "Shedding light on the cell biology of extracellular vesicles." Nature reviews Molecular cell biology 19.4 (2018): 213.

[2] Fujita, Yu, et al. "Extracellular vesicles in lung microenvironment and pathogenesis." Trends in molecular medicine 21.9 (2015): 533-542.

[3] Zhao, Qianqian, et al. "Lipidomic biomarkers of extracellular vesicles for the prediction of preterm birth in the early second trimester." Journal of Proteome Research (2020).

[4] Al Habashneh, Rola, Yousef S. Khader, and Olfat Al Jabali. "Prediction of preterm and low birth weight delivery by maternal periodontal parameters: receiver operating characteristic (ROC) curve analysis." Maternal and child health journal 17.2 (2013): 299-306.

近期热文

大样本研究正当时!3大难点,一举攻克

全新升级!关联分析4大亮点,数据挖掘早该这么高效!

给“利”植物代谢组!低至6折,整合多组学分析!

NC:基因组de novo+重测序,揭秘极端环境下小麦如何生存

科学家教你“逆生长”!发现新的皮肤衰老相关蛋白,拯救鱼尾纹!

“华大科技服务”服务号已开通,下方扫码即可关注~

科技君将持续为您提供精彩内容

如有问题,欢迎后台留言~~

点击“阅读原文”了解华大脂质组学产品

筛选样本_早产预测准确性创新高!3种样本PK,首次利用脂质组学筛选出生物标志物...相关推荐

  1. [EULAR文摘] 利用蛋白组学技术开发一项蛋白评分用于预测TNFi疗效

    利用蛋白组学技术开发一项蛋白评分与临床参数联用可以增强对TNF拮抗剂对RA疗效的预测效能 Cuppen BV, et al. EULAR 2015. Present ID: OP0130. 背景: 对 ...

  2. 日周月筛选器_举个栗子!Tableau 技巧(147):使用 动态参数 筛选到最新日期值...

    之前,我们分享过如何在筛选日期时,始终自动筛选到最新日期值的方法:筛选到最新日期值. 现在,Tableau 2020.1 版本 用户也可以使用新增的动态参数功能,实现同样的呈现效果. 那么,如何利用 ...

  3. 放射学中基于影像组学和人工智能预测癌症预后

    人工智能(AI)在医学影像诊断中的成功应用使得基于人工智能的癌症成像分析技术开始应用于解决其他更复杂的临床需求.从这个角度出发,我们讨论了基于人工智能利用影像图像解决临床问题的新挑战,如预测多种癌症的 ...

  4. 生物信息学|MOLI:基于深度神经网络进行多组学数据整合并用于药物反应预测

    本篇推文引自:MOLI: multi-omics late integration with deep neural networks for drug response prediction 摘要 ...

  5. 【影像组学】影像组学特征筛选和降维(T检验+LASSO+PCA)

    文章目录 1. T 检验 2. LASSO 特征筛选 3. T 检验结合 LASSO 实现影像组学特征筛选 4. 特征降维:主成分分析法 (PCA) 1. T 检验 三种 T 检验 单样本 T 检验: ...

  6. 高通量代谢组学四路筛选法,揭秘“神药”二甲双胍延长寿命的机制

    百趣代谢组学分享-研究背景 目前据统计中国糖尿病患者人数达9700万以上,数量达到世界第一.这其中2型糖尿病占到了90%以上.二甲双胍是目前治疗2型糖尿病的一线"明星"药物,因其较 ...

  7. Nat Commun | 利用机器学习准确分析FFPE样本的基因组学特征,解锁临床癌症样本的遗传密码...

    导读 目前,世界各地的病理实验室对患者标本大多进行常规的福尔马林固定和石蜡包埋(Formalin Fixation and Paraffin Embedding, FFPE)处理.FFPE保留了组织形 ...

  8. 影像组学视频学习笔记(6)-特征筛选之LASSO回归(理论)、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(6)主要介绍: 特征筛选之LASSO回归分析(理论通俗讲解) LASSO (Least Absolute Shrinkage Selec ...

  9. 影像组学视频学习笔记(5)-特征筛选之方差选择法、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(5)主要介绍: 特征筛选之方差选择法 针对医疗人员在影像组学研究中碰到的编程问题,李博士建议: 如果有一门编程语言基础的话会比较轻松 先 ...

最新文章

  1. docker pull下载镜像时的报错及其解决方法
  2. (转)Windows重启延迟删除,重命名技术原理
  3. mysql gno( )_MySql笔记(一)
  4. 让你的手机浏览器来一场AR风暴
  5. 收购最大K8s服务商,重回独立的SUSE又要和Red Hat拼混合云
  6. 栈方法 LIFO - 队方法 FIFO
  7. C++之指针探究(十五):回调函数应用之qsort排序
  8. cartographer attempt to index global ‘SPARSE_POSE_GRAPH‘ (a nil value)
  9. hdoj_1711_Number Sequence
  10. C#winfrom播放音乐
  11. DnsFookup:一款功能强大的DNS重绑定工具
  12. java基于SSM的宠物医院信息管理系统
  13. mobi格式电子书_中英文电子书下载网站大搜罗
  14. 多传感器信息融合matlab程序,传感器信息融合:MATLAB程序实现
  15. 从项目中学习Django 天天生鲜---------前台首页分析
  16. 二级python试题分值_2020年12月计算机二级各考试科目题型及分值比例
  17. 三个小李子讲述安卓动画用法
  18. 使用 gvm 来快速安装或者升级 golang 版本
  19. [图形学] 坐标系变换——从世界坐标系到相机坐标系
  20. 扩展卡尔曼滤波的理解与对加入高斯噪声的正弦信号进行滤波实例

热门文章

  1. winform模拟鼠标点击
  2. Ubuntu系统查看设备的内存信息
  3. Memory Management Registers(GDTR, LDTR, IDTR, and TR)
  4. 2021年一月文章导读
  5. 3GPP:MME:TS24.301;TS24.008 -- 3GPP LTE协议文档与开源代码
  6. BPF(BSD Packet Filter)
  7. gdb 调试java进程_使用GDB调试JNI代码
  8. python浙江大学城市学院_GitHub - teribsandy/zjcs-tf-code: 浙江大学城市学院的tensorflow项目教学代码(部分)...
  9. 三角形周长最短问题_2019年中考数学压轴题分析——最短路径问题8:造桥选址...
  10. java多个条件排序_java定制化排序,多个条件排序