生物標(biāo)志物（Biomarker）是指可以標(biāo)記系統(tǒng)、器官、組織、細(xì)胞及亞細(xì)胞結(jié)構(gòu)或功能的改變或可能發(fā)生的改變的生化指標(biāo)，具有非常廣泛的用途。生物標(biāo)志物在醫(yī)學(xué)和生命科學(xué)領(lǐng)域中具有重要的作用和意義，可用于疾病診斷、判斷疾病分期以及藥物開發(fā)。
機(jī)器學(xué)習(xí)和人工智能在生物學(xué)領(lǐng)域，特別是蛋白質(zhì)生物標(biāo)志物的發(fā)現(xiàn)與應(yīng)用方面，展現(xiàn)出了巨大的潛力和影響力。通過處理和分析大量的生物數(shù)據(jù)，加速蛋白質(zhì)生物標(biāo)志物的發(fā)現(xiàn)。通過對(duì)大量病例數(shù)據(jù)的學(xué)習(xí)和分析，精準(zhǔn)預(yù)測(cè)疾病的發(fā)展趨勢(shì)，為醫(yī)生提供更加個(gè)性化的治療方案。機(jī)器學(xué)習(xí)和人工智能的結(jié)合，為蛋白質(zhì)生物標(biāo)志物的發(fā)現(xiàn)與應(yīng)用提供強(qiáng)大的技術(shù)支持，推動(dòng)臨床應(yīng)用的發(fā)展，為未來的醫(yī)學(xué)研究和治療提供了更加廣闊的前景。
基于機(jī)器學(xué)習(xí)篩選生物標(biāo)志物1
血是重要的臨床樣本，對(duì)其蛋白質(zhì)組進(jìn)行深入研究在疾病診斷和療效監(jiān)測(cè)具有重要意義。然而，血漿中的一些高豐度蛋白質(zhì)占據(jù)大量的質(zhì)譜信號(hào)使得低豐度蛋白質(zhì)不容易被質(zhì)譜檢測(cè)到。目前，大部分已知蛋白標(biāo)志物是血漿中的高豐度蛋白質(zhì)，但低豐度蛋白才是潛在生物標(biāo)志物的重要來源。因此，對(duì)血漿中的低豐度蛋白進(jìn)行準(zhǔn)確檢測(cè)是開發(fā)標(biāo)志物首先要解決的問題。
血液生物標(biāo)志物豐度分布2
作為國(guó)內(nèi)領(lǐng)先的蛋白質(zhì)組學(xué)診療標(biāo)志物創(chuàng)新平臺(tái)，青蓮百奧致力于開發(fā)從高深度蛋白質(zhì)組檢測(cè)到標(biāo)志物篩選，再到臨床應(yīng)用的完整解決方案。
2023年，青蓮百奧致力于提高血漿蛋白質(zhì)組檢測(cè)深度，將自主研發(fā)的血漿低豐度富集磁珠試劑盒、全流程自動(dòng)化前處理機(jī)器人和高通量tims TOF HT質(zhì)譜儀結(jié)合，克服血漿樣本復(fù)雜性高和低豐度蛋白檢測(cè)深度低的難題，實(shí)現(xiàn)了血漿蛋白質(zhì)組6000+的檢測(cè)深度，為血漿蛋白質(zhì)標(biāo)志物開發(fā)奠定了基礎(chǔ)。
隨后，青蓮百奧不斷突破，進(jìn)一步使用機(jī)器學(xué)習(xí)算法開發(fā)了蛋白質(zhì)標(biāo)志物篩選流程。該流程整合了多個(gè)篩選模型，通過模型評(píng)分選擇最優(yōu)模型，利用最優(yōu)模型篩選潛在生物標(biāo)志物，最后根據(jù)選定的模型和潛在生物標(biāo)志物，建立預(yù)測(cè)模型進(jìn)行效果評(píng)估。這一流程能夠?yàn)榕R床提供早診、早篩生物標(biāo)志物，助力精準(zhǔn)醫(yī)療。
青蓮百奧生物標(biāo)志物篩選分析內(nèi)容
高深度、高穩(wěn)定、標(biāo)準(zhǔn)化數(shù)據(jù)產(chǎn)出
標(biāo)準(zhǔn)分析、方法可靠
一站式的蛋白質(zhì)診斷標(biāo)志物開發(fā)
廣泛應(yīng)用于多種疾病的診斷和預(yù)后產(chǎn)品開發(fā)
2023年12月瑞典隆德大學(xué)、斯科訥大學(xué)以及荷蘭阿姆斯特丹阿爾茨海默病中心聯(lián)合在《JAMA Neurology》發(fā)表文章，標(biāo)題為“Plasma biomarker strategy for selecting patients with alzheimer disease for antiamyloid immunotherapies”。研究使用瑞典BioFINDER 2研究隊(duì)列，進(jìn)行血漿和腦脊液生物標(biāo)志物的檢測(cè)以及Aβ-PET和Tau-PET成像。該研究基于血漿生物標(biāo)志物的機(jī)器學(xué)習(xí)模型發(fā)現(xiàn)，血漿p-tau217能夠良好評(píng)估Aβ狀態(tài)（測(cè)試集AUC = 0.94）。使用血漿p-tau217，可以使大部分需要確定Aβ狀態(tài)的患者免于腰椎穿刺或PET檢查，降低費(fèi)用并提供了更簡(jiǎn)單的檢測(cè)方法。
血漿生物標(biāo)志物預(yù)測(cè)Aβ狀態(tài)3
2022年6月丹麥根本哈根大學(xué)與德國(guó)馬克斯普朗克研究所聯(lián)合在《Nature Medicine》上發(fā)表文章，標(biāo)題為“Noninvasive proteomic biomarkers for alcohol-related liver disease”。該研究使用臨床大隊(duì)列肝臟樣本和血漿樣本，首次利用基于質(zhì)譜的蛋白組學(xué)和機(jī)器學(xué)習(xí)模型確定三組蛋白生物標(biāo)志物組合。結(jié)果表明，血漿蛋白質(zhì)組學(xué)可以同時(shí)準(zhǔn)確地檢測(cè)肝纖維化、炎癥和脂肪變性的早期階段。模型驗(yàn)證表明，該機(jī)器學(xué)習(xí)模型優(yōu)于現(xiàn)有的測(cè)試方法，為臨床診斷和精準(zhǔn)醫(yī)療提供堅(jiān)實(shí)支撐。
酒精相關(guān)性肝病生物標(biāo)記物篩選方案4
參考文獻(xiàn)
1 Mann M, Kumar C, Zeng WF, Strauss MT. Artificial intelligence for proteomics and biomarker discovery. Cell Syst. 2021;12(8):759-770.
2 Geyer PE, Holdt LM, Teupser D, Mann M. Revisiting biomarker discovery by plasma proteomics. Mol Syst Biol. 2017;13(9):942. Published 2017 Sep 26.
3 Mattsson-Carlgren N, Collij LE, Stomrud E, et al. Plasma Biomarker Strategy for Selecting Patients With Alzheimer Disease for Antiamyloid Immunotherapies. JAMA neurology vol. 81,1 (2024): 69-78.
4 Niu L, Thiele M, Geyer PE, et al. Noninvasive proteomic biomarkers for alcohol-related liver disease. Nat Med. 2022;28(6):1277-1287.
5 Christopher M. Bishop: Pattern Recognition and Machine Learning, Chapter 4.3.4
6 Breiman, “Random Forests”, Machine Learning, 45(1), 5-32, 2001.
@2024北京青蓮百奧生物科技有限公司 京ICP備17052224號(hào)
