如果您对骨科疾病生信临床研究感兴趣，请为小骨点点关注，持续解读骨科前沿生信文献和思路。如果您需要定制化服务，欢迎扫码联系小骨~
文章标题：Plasma proteomic profiles reveal proteins and three characteristic patterns associated with osteoporosis: A prospective cohort study
中文标题：血浆蛋白质组学谱揭示了与骨质疏松症相关的蛋白质和 3 种特征模式：一项前瞻性队列研究
发表期刊：J Adv Res
发表时间：2024年10月
影响因子：11.4
/Q1
研究目的
探索与骨质疏松症相关的血浆蛋白可以深入了解其病理发展，确定用于筛查高危人群的新型生物标志物，并促进发现有效的治疗靶点。本研究旨在确定与骨质疏松症相关的潜在蛋白质，并从蛋白质组学角度探索潜在机制。
研究方法
该研究包括英国生物样本库 （UKB） 中 42,325 名没有骨质疏松症的参与者，其中 1,477 人在随访期间患上了骨质疏松症。我们使用 Cox 回归和孟德尔随机化分析来检查血浆蛋白与骨质疏松症之间的关联。利用机器学习来探索对骨质疏松症风险具有很强预测能力的蛋白质。
研究结果
1.鉴定与骨质疏松症相关的蛋白质
在分析的 2919 种血浆蛋白中，有 205 种蛋白与模型 1 中的骨质疏松症显著相关。在模型 2 中，134 种蛋白质仍与骨质疏松症显著相关。硬化素 （SOST） 、脂联素 （ADIPOQ） 、肌酸激酶 B 型 （CKB） 、生长/分化因子 15 （GDF15） 和 IGFBP2 在所有模型中均显示出与骨质疏松症最显著的相关性。2.血浆蛋白与骨质疏松症之间的因果关系
采用双样本孟德尔随机化，我们验证了欧洲人群血浆蛋白与骨质疏松症之间的因果关系。Steiger 方向检验支持与骨质疏松症显著相关的所有蛋白质的定向因果关系。11 种蛋白与骨质疏松症显著相关 （P < 至少三种 MR 方法为 0.05），而 6 种蛋白表现出提示相关性 （P < 0.05 至少两种 MR 方法）。值得注意的是，来自肿瘤坏死因子 （TNF） 家族的 4 种蛋白与骨质疏松症显著相关，TNFRSF9在所有方法中均显示出显著关联。
3.机器学习识别具有重要预测能力的蛋白质
首先，我们根据预测模型中的显着性对与骨质疏松症相关的 134 种蛋白质进行排名。FSHB 、 SOST 和 ADIPOQ 成为主要预测因子。随后，我们将前 10 种蛋白 （包括 FSHB 、 SOST 、 ADIPOQ 、 HAVCR1 、 CGA 、 EDA2R 、 GDF15 、 NEFL 、 GAST 和 IGDCC4 ）选择到模型中进行进一步预测分析。SHAP 图显示，FSHB 和 SOST 在骨质疏松症患者中的范围最广，突出了它们强大的预测能力。
文章小结
该研究确定了几种与骨质疏松症相关的蛋白质，并强调了血浆蛋白通过三个主要途径影响其进展的作用：免疫、脂质代谢和 FSH 调节。这为骨质流失的不同分子模式和发病机制提供了进一步的见解，并可能有助于加强对病情的早期诊断和长期监测。如果您对生信分析和公共数据库挖掘感兴趣，但时间和精力有限或者缺乏相关经验，小骨非常乐意为您提供如下服务：免费思路评估、付费方案设计和生信分析等，有意向的老师欢迎联系小骨哦！
