소식

Sep 12, 2023

정량화 가능한 펩타이드 라이브러리는 유방암에 대한 단백질체학 기반 바이오마커 발견 및 검증의 격차를 해소합니다.

과학 보고서 13권,

Scientific Reports 13권, 기사 번호: 8991(2023) 이 기사 인용

3 알트메트릭

측정항목 세부정보

질량분석법(MS) 기반 단백질체학은 바이오마커 발견에 널리 사용됩니다. 그러나 발견된 대부분의 바이오마커 후보는 검증 과정에서 폐기되는 경우가 많습니다. 바이오마커 발견과 검증 사이의 이러한 불일치는 주로 분석 방법론과 실험 조건의 차이로 인해 여러 요인에 의해 발생합니다. 여기서 우리는 검증 프로세스와 동일한 설정에서 바이오마커를 발견할 수 있는 펩타이드 라이브러리를 생성하여 발견에서 검증으로의 전환을 더욱 강력하고 효율적으로 만들었습니다. 펩타이드 라이브러리는 공공 데이터베이스의 혈액에서 검출할 수 있는 3393개의 단백질 목록으로 시작되었습니다. 각 단백질에 대해 질량 분석법으로 검출하기에 유리한 대체 펩타이드를 선택하고 합성했습니다. 총 4683개의 합성된 펩타이드를 순수 혈청 및 혈장 샘플에 첨가하여 10분 액체 크로마토그래피-MS/MS 실행 시간에서 정량성을 확인했습니다. 이로 인해 452개의 인간 혈액 단백질을 포괄하는 852개의 정량 가능한 펩타이드로 구성된 PepQuant 라이브러리가 탄생했습니다. PepQuant 라이브러리를 사용하여 우리는 유방암에 대한 30개의 후보 바이오마커를 발견했습니다. 30개의 후보 중 9개의 바이오마커인 FN1, VWF, PRG4, MMP9, CLU, PRDX6, PPBP, APOC1 및 CHL1이 검증되었습니다. 이러한 마커의 정량화 값을 결합하여 유방암을 예측하는 기계 학습 모델을 생성했으며, 수신기 작동 특성 곡선에 대해 0.9105의 곡선 아래 평균 면적을 보여줍니다.

혈액 단백질은 다양한 질병의 진단과 예후를 위한 귀중한 분석물질입니다1. 특히, 단백질체학 플랫폼을 혈액 단백질에 적용하는 것은 학계와 임상 산업 모두에서 점점 더 많은 관심을 받고 있습니다2. 질량 분석법 및 데이터 분석 방법의 기술 개발로 MS 기반 단백질체학 플랫폼은 단백질을 식별하고 정량화하기 위한 더 깊이 있고 정량적 강도를 얻었습니다3. 따라서 연구에서는 TMT(Tandem Mass Tag) 기반 방법, 라벨 없는 정량 방법 및 DIA(Data-Independent Acquisition) 방법을 사용하여 복잡한 샘플에서 많은 수의 단백질을 정량화하여 차등적으로 발현된 단백질 및 이소형을 잠재적인 후보로 식별했습니다. 새로운 바이오마커3,4,5. 그러나 검증 단계에서는 후보 바이오마커 중 극히 일부만이 효과적인 것으로 확인되었습니다1. 이는 임상적으로 승인되고 사용되는 바이오마커의 수에서도 관찰되었습니다. 확인된 4,300개 이상의 혈장 단백질과 비교하면, 많은 발견 연구에도 불구하고 약 100개 정도의 바이오마커만이 FDA에 의해 승인되거나 승인되었습니다2,6,7. 발견 단계와 검증 단계 사이의 불일치는 샘플 크기, 유형, 수, 준비 프로토콜 및 장비의 차이로 인해 발생할 수 있습니다1,8. 발견과 검증 단계 사이의 프로세스 중 표본 크기, 유형 및 수는 실험 설계 단계에서 더 잘 제어될 수 있습니다. 그러나 다양한 장비에 대한 준비 방법의 차이는 실험 설계로 해결할 수 없습니다. 일반적인 발견 과정에서는 프로파일링된 단백질의 수를 최대화하기 위해 풍부한 단백질 고갈, 사전 분별 및 긴 구배 실행 시간(1-3시간)을 갖춘 고해상도 질량 분석법을 사용하는 비표적 샷건 단백질체학 접근법을 사용합니다. 이와 대조적으로 검증 파이프라인은 액체 크로마토그래피-삼중 사중극자 탠덤 MS(LC-MS/MS)를 통해 순수 혈청 또는 혈장에 대한 표적 접근 방식을 기반으로 하며 정량적 측정에 더 중점을 둡니다9. 발견과 검증 과정의 차이로 인해 임상적으로 사용 가능한 바이오마커 발견에 소요되는 시간과 비용이 늘어납니다.

이 문제를 극복하기 위해 이전 연구에서는 나노플로우 및 마이크로플로우 LC9,10과 같은 다양한 유형의 장비에서 재현 가능한 분석을 허용하는 프로토콜을 사용하도록 제안했습니다. 이러한 연구는 비표적 접근법을 사용하여 일반적인 발견 설정 내에서 적합한 바이오마커 후보를 생성하는 데 더 중점을 두었습니다. 이렇게 하면 검색 단계 시간이 단축될 수 있습니다. 그러나 발견과 검증 사이의 격차는 줄어들지 않습니다.