.png)
2022-06-09
Olink蛋白質組學是基于PEA（Proximity Extension Assay，鄰位延伸技術），靶向檢測血液（或其他體液）中特定種類蛋白質的技術，其最大的優勢在于靈敏度達到fg級別，在血液中常被高豐度掩蓋的低豐度蛋白質，比如細胞因子，可通過該技術檢測到。目前，olink針對不同研究需求，可提供心血管、腫瘤、腫瘤免疫、免疫反應、炎癥、神經、代謝、器官損傷等多個方向的96~3072 panel系列檢測，被廣泛地運用到科學問題的探索研究中去，包括疾病預測&預后生物標志物的篩選、患者分層診療、疾病發生的機制機理，藥理藥靶的研究等等。
今天小編就帶大家一起來看一下panel的選擇及應用思路。
01 Olink+宏基因組揭秘腸道菌群和免疫系統的關系——腸道微生物
文獻名稱：Gut-microbiota-targeted diets modulate human immune status
發表期刊：Cell（IF 41.6）
研究背景及目的：飲食調節腸道微生物群，進而影響免疫系統。本文研究了高纖維和發酵食品飲食干預是如何影響健康成年人的人體微生物組和免疫系統的。
組學方法：Olink炎癥panel靶向蛋白質組學、16s宏基因測序
主要步驟及內容：
· 步驟1：招募志愿者進行高纖維或發酵食物的飲食干預，縱向收集多個干預時間點的志愿者的糞便和血液樣本。
· 步驟2：通過16s RNA測序技術對糞便中的腸道菌群進行檢測，發現高發酵食品的飲食增加了微生物群的多樣性，并改變了其微生物組成；而高纖維飲食對菌群多樣性影響不顯著。
· 步驟3：通過olink、質譜流式、熒光流式研究了高纖維飲食對宿主免疫的影響，對血液進行檢測，發現高發酵食品干預會顯著降低免疫細胞的特征蛋白質表達水平，炎癥相關的92種蛋白質中，有19種表達水平降低；而高纖維飲食干預會引發3類免疫應答（高炎組、低炎I組和低炎Ⅱ組）。
02 Olink+單細胞組學揭示疾病發展特征——感染免疫
文獻名稱：Multi-Omics Resolves a Sharp Disease-State Shift between Mild and Moderate COVID-19
發表期刊：Cell（IF 41.6）
研究背景及目的：COVID-19感染的重癥新冠患者往往會伴隨造血功能失調、免疫細胞紊亂等。然而在輕度和中度感染時，患者體內指標如何變化仍不清楚。
組學方法：Olink心血管Ⅱ、炎癥、代謝、免疫反應、器官損傷panel靶向蛋白質組學、代謝組、單細胞多組學
主要步驟及內容：
· 步驟1：采集139名不同感染程度的新冠患者的血漿樣本，分離血漿采用olink技術對炎癥、代謝等相關蛋白質進行靶向分析，采用LC/MSMS對代謝物進行檢測；分離血液中的PBMC細胞對mRNA、細胞表面蛋白、分泌蛋白等進行單細胞多組學檢測。
· 步驟2：根據靶向蛋白質組和代謝組的數據，描繪了新冠感染程度與多組學數據變化特征的相關性圖譜，發現健康到新冠輕癥的過渡中，蛋白質會發生巨大的變化。
· 步驟3：從單細胞數據中挖掘新冠感染后細胞亞群的變化特征，發現CD8+T細胞與疾病嚴重程度呈現非單調變化，并呈現出異質性，CD4+T細胞中也發現兩種類群的CD4+T細胞亞群與新冠嚴重程度有關。
· 步驟4：整合多維度多組學數據，挖掘功能基因調控模塊。結果中找到了關鍵的基因模塊能夠清楚區分輕度和中度新冠感染的生理波動。
03 Olink+非靶向蛋白質組學助力生物標志物篩選——腫瘤免疫
文獻名稱：In-depth plasma proteomics reveals increase in circulating PD-1 during anti-PD-1 immunotherapy in patients with metastatic cutaneous melanoma
發表期刊：Journal for ImmunoTherapy of Cancer（IF 13.8）
研究背景及目的：有相當部分的黑色素瘤(CM)患者對腫瘤免疫檢查點（ICI）治療無應答或產生耐藥性，即使是抗PD-1和抗CTLA-4聯合治療也有約40%的無應答率。到目前為止，臨床實踐中尚缺乏有效的生物標志物用于預測CM患者的抗PD-1治療效果。
組學方法：基于質譜的非靶向蛋白質組學LC-MS/MS、Olink腫瘤免疫panel靶向蛋白質組學
主要步驟及內容：
· 步驟1：采用非靶向的蛋白質組學和olink對24名接受ICLs或MAPKis治療期間的CM患者的血漿進行蛋白質層面的檢測。LC-MS/MS檢測到1835種蛋白質，在接受抗PD-1治療的患者中，80種蛋白質有顯著變化；olink檢測到23種蛋白質有顯著變化。
· 步驟2：根據組學數據對轉移性皮膚黑色素瘤抗PD-1治療反應進行分層分析。對比蛋白質表達情況顯示抗PD-1-R亞組中的特異性蛋白，包括PD-1、IL-6和IL-10等，參與T細胞反應、炎癥、中性粒細胞脫顆粒和細胞黏附等過程，表明抗PD-1-R的治療過程中，急性炎癥正在進行中。
· 步驟3：基于（Cox模型）評估蛋白質血漿水平與無進展生存期(PFS)之間的關系，調整年齡和性別的因素后，在ICI隊列中找到了9種蛋白的血漿水平的增加與更長的PFS相關。
04 Olink對患者進行分層——心血管
文獻名稱：Machine learning based on biomarker profiles identifies distinct subgroups of heart failure with preserved ejection fraction
發表期刊：European Journal of Heart Failure（IF 15.5）
研究背景及目的：射血分數保留的心力衰竭（HFpEF）病癥復雜且高度病變，異質性強，治療難度高，患者對藥物響應不一，因此需要對患者亞群更準確的分層以進行更精準的治療。
組學方法：Olink心血管Ⅱ、心血管Ⅲ、免疫反應、腫瘤panel靶向蛋白質組學
主要步驟及內容：
· 步驟1：采用olink對429名HFpEF患者的363種蛋白質進行靶向檢測。
· 步驟2：基于機器學習，結合病理特征及影響因素將患者分成了四個亞群，并注釋了每個患者群體的生理病理特征。
· 步驟3：經21個月的隨訪發現，不同患者亞群的死亡或心力衰竭風險率有明顯差異。
05 Olink助力生物標志物篩選——腫瘤
文獻名稱：Circulating proteins and risk of pancreatic cancer: a case-subcohort study among Chinese adults
發表期刊：International Journal of Epidemiology（IF 13.8）
研究背景及目的：胰腺癌有“萬癌之王“之稱，發現的時候已多為晚期，故5年生存率5%-10%，中位生存期僅為4-6個月。生物標志物可能有助于預測或診斷胰腺癌，可能導致早期診斷和提高生存率?，F有的預測風險的標志物區分能力有限，急需能預測疾病發生發展風險的檢測方法。
組學方法：Olink腫瘤免疫panel靶向蛋白質組學
主要步驟及內容：
· 步驟1：在2004-08年期間招募了512,891名30-79歲的成年人，截止到2016年，共9年期間隨訪并記錄了702例胰腺癌病例。
· 步驟2：經隨機抽樣并結合癌癥病史等因素，選擇610例胰腺癌血漿樣本及623例對照組樣本采用olink技術對腫瘤免疫相關的92種蛋白質進行了靶向檢測。
· 步驟3：使用Cox比例風險模型來評估蛋白質與胰腺癌風險之間的聯系，并結合年齡、性別、吸煙、飲酒、受教育程度、糖尿病等各類風險因素進行校正。綜合發現，幾種趨化因子、白細胞介素、生長因子等與胰腺癌的風險相關，多個蛋白標志物與風險因素結合使用，對于預測胰腺癌的風險具有較高的可信度。
06 Olink助力新藥靶點發現——藥靶篩選
文獻名稱：Genomic and drug target evaluation of 90 cardiovascular proteins in 30,931 individuals
發表期刊：nature metabolism
研究背景及目的：循環蛋白在人類健康和疾病中至關重要，經常被用作臨床決策的生物標志物或作為藥物干預的目標。
組學方法：Olink心血管panel靶向蛋白質組學
主要步驟及內容：
· 步驟1：對來自13個隊列的三萬多人的心血管相關蛋白質進行靶向檢測，得到 85 種蛋白質的 451 個 pQTL。對于每個蛋白進行通路定位以獲得反式pQTL基因和調控標記。
· 步驟2：利用小鼠敲低實驗和臨床試驗結果(趨化因子受體)，用反式pQTL的正交證據證實了這些調控結果，且發現這些結果具有一致的調控作用。
· 步驟3：評估已知的藥物靶點，并使用孟德爾隨機法提出新的靶點候選或重新定位的機會。確定了11種先前未被靶向的與人類疾病有關的因果證據蛋白。
? 2004 - 2019 上海中科新生命生物科技有限公司 版權所有 sitemap 滬ICP備14033860號 網站建設??Powered by Yongsy
.png)
PREV
