肿瘤+AD 生物标志物研究｜西湖欧米2024上半年合作文章集锦

秋，禾谷熟也。

立秋已至，时光匆匆，2024转眼已过去大半。

今年，西湖欧米同一批国内外高校、科研院所及医院密切合作，在肿瘤疾病及神经退行性疾病领域发表了系列研究。
国外合作单位包括得克萨斯大学、俄亥俄州立大学、华盛顿大学医学院、北卡罗来纳大学教堂山分校；国内则包括复旦大学、清华大学、浙江大学、浙江中医药大学、西湖大学、西湖大学医学院、浙江省肿瘤医院、浙江大学、中国医科大学附属第一医院、浙江大学医学院附属第一医院、浙江大学医学院附属第二医院、复旦大学附属肿瘤医院、青岛大学烟台毓璜顶医院、温州医科大学附属医院、中国科学院大学宁波华美医院、首都医科大学宣武医院、上海市生物医药技术研究院等。

今天，我们整理了西湖欧米2024年截至目前的部分合作文章，回顾今年的点滴印记。

● 题目：Alzheimer’s disease early diagnostic and staging biomarkers revealed by large-scale cerebrospinal fluid and serum proteomic profiling，大规模脑脊液和血清蛋白质组分析揭示AD早期诊断和分期生物标志物

● 期刊：The Innovation，IF = 33.2

● 作者单位：浙江大学医学院附属第二医院、西湖大学、浙江大学医学院附属第一医院、厦门大学附属第一医院、首都医科大学宣武医院

● 样本类型：脑脊液及血清样本

● 技术方法：TMT蛋白质组学；PRM靶向蛋白质组学

西湖欧米负责该研究的生信分析工作。

● 文章概述：研究对由 98 名参与者组成的发现队列中的配对脑脊液（CSF）和血清样本进行了TMT蛋白质组学分析。在一个由 288 名参与者组成的独立多中心队列中，通过基于PRM的靶向蛋白质组测定验证了候选生物标志物。对发现队列中的 3,238 个 CSF 蛋白和 1,702 个血清蛋白进行了定量分析，分别确定了 171 个和 860 个 CSF 蛋白以及 37 个和 323 个血清蛋白为潜在的早期诊断和分期生物标记物。在验证队列中，分别有 58 和 21 种 CSF 蛋白以及 12 和 18 种血清蛋白被确认为早期诊断和分期生物标记物。通过机器学习分别建立了19种脑脊液蛋白和8种血清蛋白生物标记物panel，可以准确地将AD导致的轻度认知障碍（MCI）与正常认知障碍进行分类，该panel也能有效区分AD导致的MCI患者和其他神经退行性疾病患者。

解读文章：开年首篇 | The Innovation：大规模脑脊液和血清蛋白质组分析揭示AD早期诊断和分期生物标志物

点此查看论文链接

● 题目：Integrated multiomic profiling of breast cancer in Chinese population reveals patient stratification and therapeutic vulnerabilities，中国人群乳腺癌的综合多组学分析揭示新的患者分层和治疗靶点

● 期刊：Nature Cancer，IF = 23.5

● 作者单位：复旦大学附属肿瘤医院、复旦大学、上海市生物医药技术研究院、西湖欧米、得克萨斯大学、俄亥俄州立大学、华盛顿大学医学院、北卡罗来纳大学教堂山分校

● 样本类型：来自全国的773名乳腺癌患者的肿瘤组织和配对血液样本

● 技术方法：TMT蛋白质组学；全外显子测序（WES）分析；拷贝数变异（CNA）数据分析；RNA-seq数据分析

西湖欧米负责该研究中蛋白质组部分的样本采集、质谱数据分析及生信分析。

● 文章概述：研究纳入了2013-2014年期间在复旦大学附属肿瘤医院接受治疗的来自全国的773名乳腺癌患者（中位随访时间为 83.1 个月），并分析了其基因组学、转录组学、蛋白质组学和代谢组学等多组学数据。基于中国乳腺癌基因组图谱项目（CBCGA），文章研究了中国乳腺癌患者的临床和分子特征，包括肿瘤微环境、基因突变、多组学数据及其相互关系，并利用机器学习模型进行了预测和分类，为了解乳腺癌的病理特征、临床表现和治疗策略提供了重要的线索和数据支持。

解读文章：欧米合作｜Nat Cancer：中国人群乳腺癌的综合多组学分析揭示新的患者分层和治疗靶点

点此查看论文链接

 3 

● 题目：Proteomic landscape of epithelial ovarian cancer，上皮性卵巢癌的蛋白质组学景观

● 期刊：Nature Communications，IF = 14.7

● 作者单位：西湖大学医学院、浙江省肿瘤医院、浙江大学、西湖欧米

● 样本类型：来自中国813名不同病理类型及治疗方案患者的卵巢组织及部分配对的血浆样本

● 技术方法：PulseDIA；TMT蛋白质组学

西湖欧米负责该研究的部分生信分析和靶向蛋白质组工作。

● 文章概述：文章通过对来自中国813名不同病理类型及治疗方案患者的卵巢组织及部分配对的血浆样本的蛋白质组学分析，共定量10,715种蛋白质，鉴定了2551种与上皮性卵巢癌（EOC）恶性程度相关的蛋白质，其中8种分泌性蛋白在血浆中被验证，可能作为潜在的良恶性鉴别的生物标志物。本研究也系统性地分析了五种常见EOC病理亚型间的显著差异蛋白质，挖掘病理变化背后的分子水平差异。此外，该研究在术前采集血浆和手术切除组织中分别鉴定了与预后相关的多个蛋白质，通过具有临床转化价值的靶向蛋白质组组学（MRM）验证了他们的预后价值，并基于此建立了基于蛋白质特征的机器学习模型，用于预测辅助化疗后一年内复发风险，在国内外独立队列中验证了该模型的有效性。

解读文章：欧米合作｜Nat Comm：上皮性卵巢癌的蛋白质组学景观

点此查看论文链接

● 题目：In-depth metaproteomics analysis of tongue coating for gastric cancer: a multicenter diagnostic research study，深入分析胃癌舌苔的宏蛋白组学：一项多中心诊断研究

● 期刊：Microbiome，IF = 13.8

● 作者单位：中国科学院大学附属肿瘤医院（浙江省肿瘤医院）、西湖大学、清华大学、温州医科大学附属医院、中国科学院大学宁波华美医院、西湖欧米

● 样本类型：胃癌及非胃癌患者的舌苔样本

● 技术方法：PCT-DIA

西湖欧米参与该研究的部分数据处理工作。

● 文章概述：研究共收集了来自中国五个独立研究中心的180名胃癌患者和185名非胃癌患者的417个舌苔样本。经过质量控制，最终纳入233个ZJC（浙江省肿瘤医院）队列和112个多中心队列的样本进行后续分析。研究人员采集了胃癌患者和非胃癌患者的舌苔样本（从345个舌苔样本中测得1432个人源蛋白和13,780个微生物蛋白），利用宏蛋白质组学分析揭示了舌苔中人类和微生物蛋白的差异，发现了与胃癌风险相关的微生物菌群，并使用随机梯度提升算法（stochastic gradient boosting model (GBM)）建立了基于舌苔微生物蛋白的机器学习模型，为胃癌的非侵入性诊断提供了新的方法，适用于大规模应用。

解读文章：欧米合作｜刮点舌苔，测测胃癌：有趣的舌苔宏蛋白组学多中心研究

点此查看论文链接

 6 

● 题目：Risk stratification of papillary thyroid cancers using multidimensional machine learning，利用多维机器学习对甲状腺乳头状癌进行风险分层

● 期刊：International Journal of Surgery，IF = 12.5

● 作者单位：杭州市第一人民医院、西湖大学、青岛大学烟台毓璜顶医院、浙江中医药大学、西湖欧米

● 样本类型：558例PTC临床样本（FFPE和FNA样本）

● 技术方法：PCT-DIA-MS

西湖欧米负责该研究的生信分析工作。

● 文章概述：研究团队从多中心收集558例PTC临床样本，其中包含发现集（274例FFPE样本）、回顾性验证集（166例FFPE样本）和前瞻性验证集（118例FNA样本）。利用压力循环技术（PCT）及数据非依赖的质谱采集技术（DIA-MS）对FFPE样本和FNA样本进行蛋白质组学测定，构建不同风险PTC蛋白质图谱。研究团队采用机器学习方法，利用蛋白质、基因、免疫和临床这四维度信息成功构建甲状腺乳头状癌术前风险评估分类器（PRAC-PTC），能够良好区分低危和中高危甲状腺乳头状癌患者，并在回顾性和前瞻性研究中有效验证。

解读文章：欧米合作｜利用机器学习对甲状腺乳头状癌进行风险分层

点此查看论文链接