蛋白芯片在体质分类研究中的应用
杂志名称：Journal of Leukocyte Biology
文献题目：Differences in serum proteins intraditional Chinese medicine constitutional population: Analysis and verification
第一作者：Fei Tan
通讯作者：ZhiminYang1, Ruo-pan Huang2
作者单位：
1 广州中医药大学第二附属医院中医湿证国家重点实验室
2 RayBiotechLife,Inc.,PeachtreeCorners,Georgia,USA
本实验所用产品：
GSH-CAA-X00（半定量检测人1000个细胞因子抗体芯片）
实验样本及分组：
人血清
BC: 平和体质组
DC: 湿症体质组
研究思路
研究背景
现代精准医学利用“组学”技术，对患者进行精准分层和有效治疗。人群分类和评价标准也被中医用于预防和治疗疾病。中医基于一般认识、临床观察和大规模的现代医学流行病学调查研究将个体分类成平和（balanced constitution, BC）、气虚、阳虚、阴虚、痰湿、湿热、血瘀、气郁、特禀（过敏）体质共九种体质类别。其中，痰湿体质和湿热体质都属于湿症（dampness constitution, DC）。遗传背景、环境因素和生活方式都可能影响个体的体质。体质分类可用于慢性病和肿瘤等多种疾病的预防、诊断和治疗。中医对体质的判断较为主观，依赖于医生对个人生理和心理特征、问卷和量表的评估。因此，迫切需要对中医体质进行更加全面和客观的分类。在这项研究中，我们利用可同时检测到一个样本中的多个蛋白质的抗体芯片对BC和DC组患者血清中的蛋白质进行分析。抗体芯片具有样品消耗少，灵敏度高，实验结果产出快等优点。该论文分析了随时间变化的不同体质蛋白表达谱的表达概况，鉴定出BC组和DC组间19个差异表达蛋白。
结果
1.1 体质转化中的血清学特征
采用P < 0.05和fold change≥1.2 or ≤ 0.83作为筛选条件，用抗体芯片分析BC→DC（n = 4）转化组和DC→BC（n = 3）转化组的血清差异蛋白表达谱。在BC→DC转化组中总共鉴定出79个差异表达蛋白。与DC组相比，有31个上调蛋白，48个下调蛋白。聚类和主成分分析（Principal Component Analysis，PCA）显示，这79个蛋白质在BC组和DC组间表达差异明显（图B）。在DC→BC转化组，鉴定出178个差异表达蛋白。与BC组相比，有116个上调蛋白和62个下调蛋白。差异蛋白的聚类分析表明，这116个蛋白质在DC和BC组间表达差异明显（图C）。体质转化差异表达蛋白点图显示有24个蛋白在DC→BC转化组表达上调，在BC→DC转化组表达下调；有33个蛋白质在DC→BC转化组下调，但在BC→DC转化组上调（图D）。这些数据揭示了蛋白质谱随体质变化而变化。
1.2 BC和DC组别的蛋白质图谱鉴定
为了找出BC组和DC组的蛋白质生物标志物，对包含38名DC和37名BC的队列进行分析。比较DC组和BC组，共发现18个差异表达蛋白质，其中11个上调蛋白质，7个下调蛋白（图F）。与体质转变相关蛋白比较，鉴定出4种差异蛋白（图G；表2）。其中，TACI和Siglec-7在两组间的表达差异有统计学意义（P<0.05）。Dectin-2和AIF的表达水平在体质转变及BC组和DC组间具有相似的相关趋势。
使用SVM模型，利用7个蛋白生物标志物（TACI, Siglec-7, Dectin-2, AIF, TROP-2, MMP-2, Legumain）对DC组和BC组进行分类。在训练集中，28名BC受试者中有23名被试分类正确，29名DC受试者中有25名被试被正确分类（图E）。在测试集中，9名DC受试者中有8名被试分类正确，9名BC受试者中有7名被试被正确分类（图F）。因此，包含7个生物标志物的SVM模型能够从训练集和测试集中区分DC组和BC组。
1.3 蛋白质模式与临床性状的相关性
为了进一步证实临床性状与TACI、Siglec-7、Dectin-2、AIF、trop-2、MMP-2和Legumain蛋白表达水平的关系，我们评估了BC组和DC组79个记录的性状和蛋白水平的相关系数。结果表明，BC组Dectin-2与清淡饮食偏好呈正相关，AIF与清淡饮食偏好、舒张压呈正相关，Trop-2与午睡呈负相关，Legumain与舒张压和收缩压呈高度负相关（图A）。DC组AIF与均衡饮食呈正相关，TACI与辛辣饮食偏好呈负相关，MMP-2与酒精摄入量呈负相关（图B）。
1.4 BC组和DC组差异共表达网络分析
其次，对差异共表达网络进行分析，识别功能模块，具有相似表达谱(即正相关性)的蛋白质被聚集在一起作为一个模块。共鉴定出15个差异共表达模块，在图A中用数字表示。其中#4、7、8和12四个模块在DC组中通过133个蛋白质具有更高相关性。DC组蛋白对之间的相关性范围大于BC组，提示DC组血清蛋白谱比BC组血清蛋白谱有更大的协同波动。在BC组中，代表31种蛋白质的模块#15与清淡饮食偏好呈正相关，而2个模块（#2和#7）与清淡饮食偏好呈正相关（图B）。在DC组，模块#15与均衡饮食呈正相关，而3个模块（#1、#4和#5）与咸味偏好和酸味饮食偏好呈正相关（图C）。BC组的辣味饮食偏好和DC组的均衡饮食相互关联（图D）。在模块#15中，AIF蛋白与BC组的辛辣饮食偏好和DC组的平衡饮食（图D）呈正相关。同时使用互作数据库分析模块#15中的蛋白质进行功能富集分析（图E）。这些数据表明，饮食可能对模块1、4、5和15中的蛋白质比其他蛋白质有更大的影响。
结论：
本文通过使用RayBiotech抗体芯片探讨了平和体质与湿型体质的生物学机制，找出了19个差异表达的蛋白，其中7个蛋白生物标记物可用于准确分类平和体质与湿型体质。
