生物标志物（Biomarker）是精准医疗的核心和必备条件，然而目前存在的生物标志物通常缺乏特异性，同时新的生物标志物进入临床应用的速度也较为缓慢[1]。血液作为临床研究中重要的样本类型，在生物标志物研究领域（如早期疾病诊断和预后指导应用等）中具有重要的研究价值。
然而血液中的复杂成分为检测分析带来了巨大的挑战。例如血液蛋白浓度跨度巨大，达到10^12数量级[2]。随着技术的快速进步，血液蛋白质组学等组学技术其定量深度（depth）与检测通量（throughput）都已得到大幅度提升，成为生物标志物研究不可或缺的工具。而另一方面，血液中存在丰富的糖基化蛋白、外泌体及代谢物小分子等，其重要性逐渐受到了研究者们的关注，进一步扩充了血液组学定量分析的巨大研究潜力。
景杰生物长期深耕血液样本的分析研究，形成了体系化的血液生物标志物研究解决方案，可对血液中的蛋白、糖蛋白、外泌体蛋白以及代谢物进行高通量的定量分析，加速生物标志物研究和转化。
图1 景杰生物血液生物标志物研究产品地图
血液存在着高丰度蛋白，仅白蛋白的占比就达到了50%。高丰度蛋白对中低丰度蛋白信号的影响，严重阻碍了血液生物标志物的发现。针对血液中丰富的高丰度蛋白，景杰生物提出了分别基于抗体富集、磁珠富集的两种去高丰度蛋白策略。由此推出的两款高深度血液蛋白质组产品可以显著的提升中、低丰度蛋白的鉴定深度和准确性。此外，景杰生物优化的血液外泌体纯化方法，有效的保护了外泌体的完整度，为后续的血液外泌体蛋白质组分析提供了重要保障。
图2 高深度血液蛋白质组性能展示
血液中还存在着丰富的糖基化蛋白，目前，FDA批准的蛋白生物标志物多为糖蛋白[3]。N-糖基化和O-糖基化是最常见的两种糖基化修饰类型，已被证明可作为生物标志物的巨大潜力，可显著提升疾病诊断与预后的准确性[5]。景杰生物推出糖基化蛋白质组学（完整N糖肽组学和完整O-GalNAc糖肽组学），不仅能够鉴定丰富的糖基化修饰位点，同时也可以对修饰位点上的糖型进行分析，拓宽了数据分析的维度。
图3 糖蛋白合成、分泌示意图
基于Olink邻位延伸分析技术（PEA）的靶向蛋白质组学检测能够覆盖血液较大的动态范围，且具有较高的灵敏度，能与基于质谱的血液蛋白质组分析形成良好互补[6]，为优异的生物标志物发现提供了技术支持。此外，基于质谱的PRM靶向蛋白质组学为蛋白标志物的验证（validation）提供了强大武器。景杰生物针对血液的PRM产品采用合成标准肽段的方式，克服传统PRM无法建库且灵敏度偏低的问题。可以一次检测更多的靶蛋白（多达40种），且具有极高的特异性和准确性，适用于蛋白质生物标志物的验证分析。
血液中的代谢分子可以直接或间接地反映出生物体的代谢状态和功能状态，并已被证明可以作为血液生物标志物的理想研究对象之一。景杰生物的非靶向代谢组学不需要预先设定特点的代谢物作为分析目标，对样本中的代谢产物进行全面分析。相比于靶向代谢组学，非靶向代谢组学具有更高的发现性和广泛性，更适用于标志物的发现。
心源性休克（CS）是指由于心脏功能极度减退，导致心输出量显著减少并引起严重的急性周围循环衰竭的一组综合征。CS与高短期死亡率相关，精确的CS风险分层可指导干预以改善患者预后。2019年6月17日，国际专业学术期刊European Heart Journal发表了基于蛋白质谱指导心源性休克患者分类的重要发现[7]。来自德国普拉霍尔大学医院的研究人员利用nLC-MS/MS检测CS患者的血浆蛋白质组，随后利用靶向蛋白质组学PRM进行交叉验证，发现了4种可用于构建CS患者分类系统的标志物蛋白L-FABP、B2MG、ALDOB和IC1。并基于这4种蛋白开发了一种新CS患者分类系统CS4P，CS4P结合当代风险评分改进了预测指标，用于短期死亡风险分层，可以指导临床医生选择患者进行晚期治疗。
相关研究推荐产品：高深度血液蛋白质组+靶向蛋白质组学PRM
图4 本研究实验流程图
酒精性肝病 (ALD)是一种常见的慢性肝病，该疾病由于进展缓慢且无明显症状，且现有诊断法如侵入性的穿刺活检具有导致并发症的风险，非侵入性生物标志物在疾病早期诊断的准确性有限，因而严重阻碍了及时发现和干预该疾病的机会，目前迫切需要微创诊断策略来筛查高危人群中的患者。德国马普所的Matthias Mann团队于2022年在医学TOP期刊Nature Medicine发表题为 “Noninvasive proteomic biomarkers for alcohol-related liver disease”的研究成果[8]。该研究结合了基于4D-DIA技术的血浆蛋白质组学和机器学习，提出了一种配对的肝脏组织-血浆蛋白质组学方法来推断分子病理生理学，并在近600人的典型ALD群体中确定了肝病预测和预后分析的生物标志物组合。
相关研究推荐产品：高深度血液蛋白组学+4D-DIA蛋白质组学
图5 酒精性肝病生物标志物挖掘体系
代谢疾病 – 血清蛋白组学结合机器学习预测个性化运动应答
研究表明运动可以有效地预防和治疗肥胖、糖尿病及其并发症。然而，由于个体对运动干预的反应存在巨大差异，这严重阻碍了这一疗法的广泛推广和实施运动预防糖尿病的措施。2023年发表于Cell子刊Cell Reports Medicine的一项研究表明，利用Olink靶向蛋白质组学技术分析可以描绘有关运动训练对胰岛素抵抗患者长期分子效应的详细蛋白组图谱[9]。而且通过对这些蛋白质组数据的解析和与运动后代谢响应相关蛋白的筛选，可能有助于推动个体化运动预防糖尿病的临床实践。这意味着将来可以利用蛋白质组学测定来筛选出潜在的“无响应者”，并为这类患者制定更加个性化的运动方案，以最大程度地提高运动效果以及其在糖尿病防治中的效果。
相关研究推荐产品：靶向蛋白质组学Olink+高深度血液蛋白组学
图6 本研究实验流程图
金黄色葡萄球菌菌血症（SaB）会导致患者免疫反应失调从而造成较高的死亡率。由于患者之间的异质性，SaB的严重程度及预后表现明显不同，这也为精准确定患者最佳诊疗方案带来难度。2020年，美国加州大学圣地亚哥分校David J.Gonzalez团队在Cell上发表重要的研究性论文[5]，该研究运用定量蛋白质组学、完整N糖肽修饰组学、代谢组学等技术对200余份SaB患者血清样本进行分析，描述了宿主在感染早期产生的免疫应答生物标志物全景，结果表明多组学的整合分析对精准生物标志物的发现具有重要的推动作用，且完整N糖肽信息对败血症诊断、预后性能的提升具有显著效果，是提高标志物性能的核心因素之一。
相关研究推荐产品：高深度血液蛋白质组学+完整N糖肽+完整O-GalNAc+靶向蛋白质组学RPM+代谢组学
图7 本研究实验流程图
肿瘤 – EV来源的生物标志物用于预后及药物响应预测
细胞外囊泡（EVs）是指细胞主动分泌的具有膜结构的微小囊泡的统称，几乎所有细胞都会分泌EVs。已经有越来越多的研究报道了通过血液中外泌体高通量蛋白质组的检测以寻找疾病相关生物标志物，通过血液外泌体的高通量蛋白质组学分析能够帮助我们在临床上对疾病进行诊断和开发新型治疗策略。2022年4月1日德国研究团队在Molecular Cancer上发表了一篇研究性论文，评价分析了结直肠癌肝转移瘤（CRLM）患者血液外泌体的特征（外泌体浓度、蛋白质组）作为CRLM术前风险分层和化疗反应预测生物标志物的可能性[10]。
相关研究推荐产品：高深度血液蛋白质组学+靶向蛋白质组学RPM
图8 血液外泌体特征与CRLM患者预后有显著联系
近年来，以血液为研究对象，以多组学为研究工具的研究受到了科研者们的关注。然而，血液中丰富的分子和复杂的组成特征，在给高性能血液生物标志物的发现带来希望的同时也引入了巨大的挑战。基于这一研究的重要性和存在的瓶颈，景杰生物不断构建、完善自身的产品体系并形成了完整的针对血液研究的解决方案，其中包含了高深度血液蛋白质组、外泌体蛋白质组、糖基化修饰组、Olink及PRM靶向蛋白质组学、代谢组学等，完成了数以千计的样本检测，积累了丰富的技术开发和项目经验。
在此基础上，景杰生物还加强了生物信息学分析能力，引入机器学习等先进算法，提供了多种针对不同样品分组的生物标志物挖掘方案，助力科研工作者轻松应对各类应用场景，获得性能更加优异的生物标志物。如果您想了解景杰生物大队列血液生物标志物研究产品和服务的更多信息，可直接填写文末的二维码留下您的信息、或咨询景杰生物销售工程师、或拨打科服热线400-100-1145。
1. Bader JM, et al. 2023. MS-Based Proteomics of Body Fluids: The Endof the Beginning. Mol Cell Proteomics.
2.Hortin GL, et al. 2005. The dynamic range problem in the analysis of the plasma proteome. J Proteomics.
3.Badr HA, et al. 2014. Lectin approaches for glycoproteomics in FDA-approved cancer biomarkers. Expert Rev Proteomics.
4.Stanley P. et al.2011. Golgi glycosylation. Cold Spring Harb Perspect Biol.
5.Wozniak JM, et al. 2020. Mortality Risk Profiling of Staphylococcus aureus Bacteremia by Multi-omic Serum Analysis Reveals Early Predictive and Pathogenic Signatures. Cell.
6. Petrera A, et al. 2021. Multiplatform Approach for Plasma Proteomics: Complementarity of Olink Proximity Extension Assay Technology to Mass Spectrometry-Based Protein Profiling. J Proteome Res.
7.Rueda F, et al. 2019. Protein-based cardiogenic shock patient classifier. Eur Heart J.
8.Niu L, et al. 2022. Noninvasive proteomic biomarkers for alcohol-related liver disease. Nat Med.
9.Diaz-Canestro C, et al. 2023. A machine-learning algorithm integrating baseline serum proteomic signatures predicts exercise responsiveness in overweight males with prediabetes. Cell Rep Med.
10.Lin K, et al. 2022. Comprehensive proteomic profiling of serum extracellular vesicles in patients with colorectal liver metastases identifies a signature for non-invasive risk stratification and early-response evaluation. Mol Cancer.
