>

次世代定序

【Olink文獻分享】Nature Genetics│總體基因體學 + Olink蛋白質體學 = 多體學研究

多體學的應用,在近幾年越來越被重視;Olink蛋白質體檢測以高靈敏度,高再現性,高特異性的特色,為研究者提供了非常優異的數據品質,從而使得多體學真正能夠“落地”,越來越受到研究者的關注。腸道微生物體在心血管疾病中的作用過去已有一些研究,但具體機制仍不清楚。2018年底,有研究者使用Olink CVDIII panel,發表了基於腸道總體基因體和遺傳因素的蛋白質體整合分析,為心血管疾病中的聯合遺傳和微生物效應提供了重要的證據,並為未來在個人化醫學中的應用提供了方向。


在這篇Nature Genetics文章中,作者提出了總體基因體(metagenome-wide association study) 和全基因體(systems-genome-wide)關於92種心血管疾病相關蛋白血漿濃度的全系統相關研究。鑒定出了73種功能蛋白質的相關遺傳變異(pQTL)和41種功能蛋白質的微生物關聯,其中31種蛋白與兩者均相關。所鑒定的遺傳和微生物因素主要發揮附加作用,並共同解釋了高達76.6%的個體間變異(平均17.5%)。

另發現遺傳學對免疫相關蛋白的濃度個體差異貢獻最大,而腸道微生物體對參與代謝和腸道健康的蛋白質個體差異貢獻最大。作者發現了幾種宿主-微生物間的相互作用,它們影響了參與上皮功能、脂質代謝和中樞神經系統功能的蛋白質。

研究內容

作者對來自荷蘭的LifeLines Dutch的兩個隊列進行分析,隊列中收集了基因分型,腸道總體基因體,轉錄體和詳細的臨床表型資訊,蛋白質體檢測選擇了Oink CVD III panel,其包含92個在心血管疾病發展中直接或者間接作用的功能蛋白,研究設計如下圖:

分析宿主基因型對蛋白質水準的影響

透過local protein quantitative trait loci (cis-pQTL) 和genome-wide trans-pQTL mapping的關聯性分析,找到了66個蛋白的129個cis-pQTLs與36個蛋白的85個trans-pQTL。並且揭示了新的pQTL關聯,包括25個蛋白的36個cis-pQTLs和27個蛋白的48個trans-pQTLs。

129 cis-pQTL for 66 proteins

85 trans-pQTL for 36 proteins

Olink CVDIII panel相關蛋白與腸道微生物組的關聯分析

研究者評估了Olink CVD panel中相關血漿蛋白質濃度和微生物組的各種資料集之間的關聯,包括Shannon index、Bray-Curtis distance、355個細菌類群和438個細菌MetaCyc通路資料。結果發現,在FDR0.05水準上,共有41種獨特的蛋白與至少一種微生物特性相關。

對宿主基因體,蛋白質體以及微生物體進行聯合分析,發現有31種蛋白同時和基因組合腸道巨集基因組資訊關聯(如下圖左)

由遺傳學與微生物體解釋蛋白質的差異

然後,研究者通過遺傳和微生物因素分別量化個體蛋白質差異解釋的比例。cis-pQTL效應解釋了66個順式調節蛋白平均變異的14.9%(範圍0.35–73.3%)。trans-pQTL效應解釋了36個反調控蛋白的平均9.5%的變化(範圍0.7–51.8%)。與宿主遺傳因素相比,微生物特徵的影響較小,41種蛋白平均占變異的3.2% (範圍0.4–26.5%)。(如上圖右)

 

腦腸軸的多體學啟示

中樞神經系統(CNS)正成為控制體重指數和肥胖及相關發病率的重要因素。除了在腸道和代謝中起作用的蛋白質外,研究者還發現一些與腸道微生物組相關的蛋白質在神經系統中很活躍。其中,最值得注意的是接觸蛋白1(CNTN1)和Notch3,它們都參與了在神經系統發育中發揮重要作用的NOTCH信號通路,以及EGFR通路,一種表皮生長因數通路。下圖突出介紹了兩個子網路:一組參與新陳代謝的蛋白質(淺綠色區域)和一組參與神經系統(淺紅色區域)的基因。

總之,這些結果證明了複雜的基因-微生物組在調控迴圈蛋白中的相互作用,調節各種生物過程,並證明這些效應可以在許多不同的器官和組織中看到。這項研究提供了概念上的進展,為未來在個人化醫學中的應用奠定了重要的基礎,這將不得不同時考慮到蛋白質體,基因體和總體基因體的綜合分析。

參考資料

  1. Individual variations in cardiovascular-disease-related protein levels are driven by genetics and gut microbiome. Nat Genet 50, 1524–1532 (2018)

資料來自Olink微信官方帳號, 作者Liang Wang