通过蛋白质组学和机器学习发现血清的FCN-3和TMOD-4蛋白能够预测晕动病
刘志
张金红
张纯
汪晓宇
李进让
中国人民解放军总医院第六医学中心耳鼻咽喉头颈外科医学部咽喉嗓音外科(北京 100048)国家耳鼻咽喉疾病临床医学研究中心
摘要：目的 应用蛋白质组学技术和机器学习探索与晕动病相关的蛋白.方法 采集了51名晕动病患者和68名对照组的血清样本,使用蛋白质组学技术和生物信息学方法分析差异表达蛋白(differentially expressed proteins,DEPs)及使用机器学习建立了预测模型,并在另一个队列中通过酶联免疫吸附测定法验证了候选蛋白.结果 共鉴定出27个DEPs(11个上调,16个下调)在晕动病患者和对照组之间存在显著差异.功能富集分析显示,DEPs主要涉及血小板活化、金属离子结合、细胞外泌体、神经变性、肌萎缩性脊髓侧索硬化症、亨廷顿舞蹈症、免疫系统、止血等过程.通过多种机器学习和 ROC 曲线分析,本研究基于血清中8 种最佳DEPs的水平构建了一个潜在的诊断模型,其特异性为 95.8%,灵敏度为 100%(AUC=0.997,P<0.001).在8种DEPs中,FCN-3和TMOD-4这两种高含量蛋白质被选入另一个潜在模型,其特异性为75.0%,灵敏度为91.7%(AUC=0.870,P<0.001).酶联免疫吸附测定法检测结果与蛋白质组学分析一致.结论 初步数据表明,晕动病患者和对照组的血清蛋白表达谱存在显著差异.此外,FCN-3和TMOD-4的变化可作为诊断晕动病的新型生物标志物.
关键词：晕动病蛋白质组学FCN-3TMOD-4机器学习
论文发表日期：2025-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 669-676 )
英文信息