谱度众合助力文章见刊（IF15.3）| 体外循环术后ARDS的早期血浆蛋白标志物筛选和预测模型构建

首页
科研干货
文献解读

阅读：1101 时间：2023-10-24

期刊名称：International Journal of Surgery

影响因子：15.3

期刊分区：JCR 1区/中科院医学2区

发表时间：2023年8月

作者单位：华中科技大学同济医学院协和医院麻醉科

样本类型：人血浆、动物肺组织

定量方法：DIA

其他信息：体外循环，急性呼吸窘迫综合征，生物标志物，预测模型

1.前言

今天和大家分享一篇应用蛋白质组学技术分析血浆样本，筛选生物标志物用于预测体外循环（cardiopulmonary bypass, CPB）术后急性呼吸窘迫综合征（acute respiratory distress syndrome, ARDS）发生的文章，于今年8月发表在高分期刊International Journal of Surgery（IF=15.3）上，标题为“Early plasma proteomic biomarkers and prediction model of acute respiratory distress syndrome after cardiopulmonary bypass: a prospective nested cohort study”。文章由华中科技大学同济医学院附属协和医院的姚尚龙团队发表，我司的黄邵鑫总监是文章的共同作者。该研究寻找了血浆中与CPB-ARDS发生有关的蛋白质标志物，结合临床指标建立了预测模型，并通过独立队列验证预测模型。还在肺缺血再灌注大鼠模型的肺组织中证实了这些蛋白标志物。本文结果有助于发现需要在术后进行更密切随访和强化治疗的患者，以预防ARDS发生，帮助临床医生做出更加精准的医疗决策。

2.研究背景：

体外循环术后（cardiopulmonary bypass, CPB）有0.4%-20%几率发生急性呼吸窘迫综合征（acute respiratory distress syndrome, ARDS），病死率高达80%，且尚无有效治疗方法。美国国家心肺血液研究所认为未来ARDS研究应该着重于寻找高风险人群，但目前采用临床和生理变量的预测模型缺乏预测准确性，所以迫切需要新的方法预测CPB-ARDS的高风险人群，便于及早施加合适的预防措施。这项研究通过基于DIA的蛋白质组学分析比较了接受心脏手术和CPB后，发生及未发生ARDS的患者血浆蛋白质组表达，并基于机器学习建立了一个预测CPB-ARDS的模型，同时探讨了大鼠肺缺血/再灌注损伤（LIRI）模型肺组织中蛋白质的动态变化。

3.研究样本：

接受心脏手术和CPB后病人的血浆样本

4.实验设计：

蛋白标志物发现队列（队列①）：2021年4月至2021年7月纳入了150名患者，从中匹配20名非ARDS患者和20名非ARDS患者的血浆样本（1：1 匹配）。分别采集麻醉前（T1）、术后即刻（T2）、术后24h（T3）的血浆样本进行DIA定量蛋白质组学检测，并筛选蛋白标志物。

验证及建模队列（队列②）：2021年8月至2022年7月纳入了375名患者，从中选择了50名CPB-ARDS和100名随机选择的非ARDS患者（1：2 匹配），对队列①中候选蛋白进行ELISA验证，并组合通过验证的蛋白质和临床因子构建预测模型。

模型验证队列（队列③）：2023年1月至2023年3月纳入了124名患者，从中选择20名CPB-ARDS和20名随机选择的非ARDS患者的血浆，用于预测模型的外部验证和评价。

LIRI大鼠模型：将50只雄性SD大鼠，随机分为四组：假手术组（n=16），缺血再灌注2小时组（n=9），缺血再灌注6小时组（n=16）和缺血再灌注24小时组（n=9）。再灌注后，获得左肺组织和血清。大鼠左肺组织进行DIA定量蛋白质组学分析，验证蛋白质Biomarkers在肺组织中的差异。

图1 研究流程

5.研究结果：

（1）差异蛋白质筛选、富集和互作网络分析

队列①中血浆样本共定量到709种蛋白质，在T1、T2、T3时期分别筛选出9、29、35个差异表达蛋白（differentially expressed proteins, DEPs）。随后对差异蛋白进行富集分析和互作网络分析，T2和T3时期的DEP主要富集在中性粒细胞脱颗粒、中性粒细胞活化过程，基于String数据库的PPI网络分析也显示关键节点蛋白参与了与中性粒细胞免疫相关的生物过程。

图2 差异蛋白及富集通路分析结果

（2）基于机器学习的生物标志物推断

为了进一步缩小候选蛋白范围，通过LASSO回归分别在T1、T2和T3期分别筛选了8、18和7个DEP作为XGBoost模型的候选特征。再根据XGBoost模型计算的特征贡献率，得到11个最重要的蛋白质特征，可以区分CPB-ARDS和非ARDS。根据重要性排序进一步缩小到4个候选蛋白标志物，分别为TXNDC5，CTSL，NPC2，CD56。

图3 不同时期候选蛋白的评价与筛选

（3）候选蛋白质标志物验证

在独立队列②中用ELISA验证以上4种候选蛋白质，其中TXNDC5，CTSL，NPC2三种蛋白质仍具有统计学显著差异，且均与手术预后指标呈现显著相关关系，与插管保留时间呈正相关，与氧合指数呈负相关。

图4 候选蛋白验证队列表现

（4）CPB-ARDS高风险人群预测模型的开发、评价与验证

收集患者的基本人群信息、CPB手术相关指标、输血相关指标，通过单因素差异检验、逐步逻辑回归算法筛选临床因子，建立的预测模型AUC可达0.767，并发现与ARDS发生显著相关的临床因素：CPB手术时间和大量输注红细胞。再将TXNDC5，CTSL，NPC2三种蛋白质与CPB手术时间、大量输注红细胞两种临床因素组合起来，构建预测ARDS发生的模型（CAPS）。该模型预测能力显著高于临床指标预测模型（AUC：0.852 vs. 0.767, P = 0.024），且决策曲线分析显示CAPS模型净收益也大于传统模型。进一步在验证队列③中验证CAPS模型预测效果，AUC值达到0.820。

图5 CPB-ARDS人群高风险预测模型的开发、评价与验证

（5）LIRI大鼠模型验证蛋白标志物

构建大鼠肺缺血再灌注模型，发现再灌注6h的肺组织损伤分数和炎症细胞数量表现最差，说明血气屏障受损最严重，取此时的左肺组织进行DIA定量蛋白质、免疫印迹/荧光分析。结果发现与对照组相比，CAPS模型的3个蛋白质预测因子中CTSL和TXNDC5显著上调。

图6 LIRI大鼠模型肺组织蛋白质分析结果

6.结论：

本研究利用DIA定量蛋白质组学方法，对CPB-ARDS+/-患者的早期血浆样本进行了分析，揭示CPB-ARDS+/-患者之间不同的蛋白质组特征。在差异蛋白的基础上，联合临床手术相关因素构建高效预测模型用于预测患者术后是否发生ARDS。该模型可能为临床医生对CPB术后患者尽早施加干预措施，积极监测和预防ARDS发生提供决策支持。通过LIRI大鼠模型，验证CTSL、TXNDC5与肺损伤相关联。这些发现为深入理解CPB-ARDS的发生机制提供了宝贵的线索，并为临床实践中采取决策提供了新的视角。

7.总结：

本研究紧密围绕预测CPB术后的ARDS发生展开，研究目标明确、脉络清楚。一共分析了220例人血浆样本和50例大鼠左肺组织样本，样本量较大，有助于获得更具有统计学意义的结果，且蛋白质标志物在三个人群队列中均具有显著差异，说服力更强。后续也对关键蛋白在动物模型中进行了验证，为研究结果提供支持。

本研究还可进一步优化的方面有：

1）本研究采用单中心设计，外推性有待确定，未来可在多中心的更大人群中来验证模型；

2）文中在大鼠模型的肺组织中进行了部分蛋白的验证，但没有对相关机制进行探索；

3）本研究鉴定到DEPs数量较少，一方面可能是因为收样时间处在ARDS早期阶段，血浆中蛋白质组变化本就不明显；另一方面可以尝试去除高丰度蛋白或富集低丰度蛋白来进行方法学优化，提高检测深度，用以发现更多差异蛋白；

4）队列②中采用ELISA验证了4种蛋白，这种方法依赖于是否有成熟的试剂盒，其实也可以采用基于质谱的靶向蛋白质组学PRM技术进行验证。

8.头脑风暴：

这篇文章的设计思路同样适合于开展其他聚焦围手术期的急性器官功能不全/损伤衰竭的风险预测研究，以下提供一些研究思路：

01 体外循环术后发生的急性肾损伤的风险预测

目的：基于体外循环术后患者发生/不发生急性肾损伤早期血浆蛋白质构建肾损伤风险预测模型；

样本：体外循环术后短时间内的血浆样本