（圖一）
利用Olink Explore HT發掘卵巢癌新蛋白質標誌物實現更準確的早期診斷
卵巢癌是婦科癌症中死亡率最高的疾病，其五年生存率僅為30-50%。如果在I期發現癌症，患者生存率能接近90%，而III期或IV期發現癌症的患者5年生存率則低於30%。因此針對卵巢癌的早期診斷尤為重要。由於卵巢癌患者的早期症狀不明顯，尋找有效的早期診斷標誌物是臨床中的一大挑戰。1983年，MUCIN-16（也被稱為CA125）首次被建議作為卵巢癌的生物標誌物，也是目前最常用的卵巢癌生物標誌物。然而，MUCIN-16作為單一指標，對早期癌症的敏感性和特異性有限，尋找新的生物標誌物對於卵巢癌患者的診斷和有效治療仍至關重要。
瑞典烏普薩拉大學免疫學、遺傳學和病理學系Ulf Gyllensten教授團隊長期專注於卵巢癌研究，該團隊利用高靈敏度和高特異性的Olink PEA技術，成功鑒定出高準確度的卵巢癌生物標誌物；這些成果有望為卵巢癌提供更準確的診斷，並為高危險群患者實現早期篩查，從而降低卵巢癌患者的剖腹探查手術率。近期，Ulf教授團隊利用高通量血漿蛋白質體平台－Olink Explore HT，篩選並驗證了一個全新之八個蛋白標誌物組合，該標誌物組合能夠更有效區分良性和惡性卵巢癌。（圖一）
（圖二）
該研究設計了兩個獨立隊列，分別為發現隊列和重複隊列，各包含了171名和233名確診了良性或惡性卵巢癌但還未治療的女性樣本。採用Olink
Explore HT分析樣本中的5,416種血漿蛋白質。下表為實驗設計：（圖二）
（圖三）
研究結果
● 深度血漿蛋白組表徵
研究中檢測的5,414個蛋白特徵涵蓋了廣泛的生物過程和功能，而不僅限於癌症相關。與之相符的是，在使用全部5,414個蛋白質進行分析時，研究人員在發現隊列中觀察到，前兩個PCA維度未能明顯區分良性和惡性腫瘤（下圖）。值得注意的是，兩個隊列均採用臨床檢測方法檢測了MUCIN-16（即CA-125），結果顯示MUCIN-16的臨床檢測結果與Explore HT中的MUCIN-16檢測之間存在顯著相關性（p < 1.3 x 10^-44），相關係數估計為0.74。（圖三）
（圖四）
● 卵巢癌候選單個蛋白標誌物
作者在發現隊列中比較了5,414個蛋白，分析了三種不同的組別：1）良性腫瘤與早期卵巢癌（I期和II期）；2）良性腫瘤與晚期卵巢癌（III期和IV期）；3）良性腫瘤與任何階段的卵巢癌（I至IV期）之間蛋白質的差異。在16,242項比較（5,414個蛋白質 x 3項組別）中，發現了327項顯著關聯（q＜0.05），涉及191個獨特蛋白質。其中，KRT19和WFDC2在所有三個比較中均表現出顯著差異。重複隊列驗證了這327種關聯中的326種（99.7%）。利用這191個蛋白質，可以在前兩個PCA維度上區分良性和惡性卵巢癌（上圖）。此外，研究還觀察到與癌症分期相關的蛋白質生物標誌物的不同模式，如隨分期增加的水準變化或非線性趨於平穩。總體而言，作者發現了大量潛在的血漿蛋白生物標記物，其中超過99%在重複隊列中得到了驗證。
● 血漿蛋白一般與腫瘤基因表達無關
為了評估血漿蛋白的潛在來源，研究人員透過RNA定序鑒定了重複隊列中81個腫瘤樣本的基因表達。發現了5,364個蛋白對應的腫瘤mRNA表達量，並計算了基因表達量與血漿蛋白表達之間的相關係數。結果顯示，有33對蛋白-基因配對在分析中表現出顯著相關性，占0.62%（33/5364）。在研究良性腫瘤和惡性腫瘤中水準存在顯著差異的191種蛋白質時，研究人員發現21種蛋白質與相應的腫瘤mRNA表達存在顯著相關性，占11.0%（21/191）。這一比例
顯著高於所有受檢蛋白質的比較結果（p < 6.8 x 10^-20）。這些結果表明，腫瘤基因表達與血漿蛋白水準之間的相關性既不是卵巢癌血漿蛋白生物標記物的必要條件，也不是其充分條件。（圖四）
（圖五）
● 血漿蛋白相關性揭示共表達網路集群
隨後，研究人員還研究了與卵巢癌相關的蛋白-蛋白相關性。在發現隊列中共發現了106,101個顯著的蛋白-蛋白相關性，其中95.8%（101,671個）在重複隊列中也具有顯著性。此外，惡性和良性診斷間的差異可由候選蛋白的一個子集解釋（圖五）。
（圖六）
● 多變數模型進行高精度腫瘤分期
根據上述單變數比較分析策略，研究人員構建了三個多變數模型，分別用於區分良性腫瘤與早期（I期和II期）、晚期（III期和IV期）以及任何階段（I-IV期）卵巢癌。區分良性與早期癌症的模型包含五種蛋白質（KRT19、FOLR1、WFDC2、BRK1和VTCN1），區分良性與晚期癌症的模型包含七種蛋白質（WFDC2、MUC16、KRT19、TCOF1、CRB2、RBFOX3和L1RE1），而區分良性與任何階段癌症的模型則包含八種蛋白質（WFDC2、KRT19、MUC16、LEO1、TCOF1、CRISP3、FOLR1和RBFOX3）。其中，WFDC2和KRT19在所有三個模型中均為通用。與CA-125相比，所有多變數模型均顯示出更高的AUC值，其中區分良性與任何階段癌症的八蛋白模型的AUC達到0.96，靈敏度為97%，特異度為68%。對於早期腫瘤，該模型的靈敏度為91%，特異性為68%，而單獨使用CA-125的靈敏度和特異性分別為85%和54%（圖六）。
Ulf教授團隊在之前研究的基礎上，通過迄今為止最大規模的卵巢癌血漿蛋白組篩選，成功鑒別並驗證了一個全新之八個蛋白質物標誌物組合，對卵巢癌診斷的新工具進行了優化升級。新發現的基於多種蛋白特徵組合顯示出更高的靈敏度和特異性，有望幫助減少不必要的診斷性手術，從而改善患者的生活品質。
（圖七）
Olink Explore HT覆蓋了廣泛的生物學過程和功能，能夠對血漿中微量的蛋白質進行準確檢測，敏銳發現顯著性標誌物的變化。在研究中，新發現的胞內蛋白L1RE1（圖七 ProteinX）可用於有效區分良性與晚期卵巢癌，其在健康樣本中低於LOD（最低偵測極限），但在卵巢癌患者中反映了顯著高信號。Olink Explore HT真實反映了每個檢測蛋白質在血液中的變化，幫助研究人員鎖定可靠的蛋白標誌物。
【參考文獻】
Deep plasma proteomics identifies and validates an eight-protein biomarker panel that separate benign from malignant tumors in ovarian cancer, medRxiv, doi: https://doi.org/10.1101/2024.10.10.24315232
資料來自 Olink 微信官方帳號，作者 Jin Xiao
https://mp.weixin.qq.com/s/xvGTE6D28QdD7sqzLHDGgw
