熟妇人妻一区二区三区四区,久久ER99热精品一区二区,真实的国产乱XXXX在线,性XXXX18精品A片一区二区

關注公眾號

關注公眾號

手機掃碼查看

手機查看

項目文章|脂質再發一篇!定量脂質組識別心梗預警和預后新型標志物?

邁維代謝
2022.5.16

130e5760508858d4be8623fc3cdeb88d.jpeg

9d6cfab61f8e98ab49382114ad8e62da.png

2022年4月,汕頭大學附屬粵北人民醫院特聘教授李繼承團隊Frontiers?in?Cardiovascular?Medicine?上發表題為Plasma?Quantitative?LipidPro?les:?
Identi?cation?of?Carnitine?C18:1-OH,CarnitineC18:2-OH?and?FFA(20:1)as?NovelBiomarkersforPre-warning?and?PrognosisinAcute?Myocardial?
Infarction
的文章,從脂質組學角度尋找可以識別心梗預警和預后的新型標志物。該研究第一作者為汕頭大學附屬粵北人民醫院博士生劉俊邁維代謝協助進行定量脂質組檢測分析服務。

發表單位:汕頭大學附屬粵北人民醫院

發表期刊:Frontiers?in?Cardiovascular?Medicine

影響因子:6.05

發表時間:2022.04



1bbeaa503fe6f4b9b262d17af636992f.jpeg

本研究旨在找尋急性心肌梗死(AMI)早期篩查及預后的潛在血脂生物標志物。本研究通過超高效液相色譜串聯質譜(UPLC-MS/MS)檢測了795個脂質代謝物。與健康對照組(HC)和不穩定型心絞痛(UA)組相比,AMI組特異性表達25種脂質代謝物。然后,應用LASSOSVM-RFE分析方法得到CarnitineC18:1-OHCarnitineC18:2-OHFFA(20:1)3個脂質標志物。三種脂質代謝物在發現集和驗證集均表現出較好的鑒別AMI患者和UA患者的預測能力,其曲線下面積(AUC)0.9。單因素和多因素logistic回歸分析表明,這三種脂質代謝物可作為診斷AMI的潛在生物標志物。隨后的1年隨訪分析表明,這三種脂質生物標志物在預測AMI患者因心血管事件再次入院方面也有很好的表現。總之,我們使用定量脂質技術來描述AMI患者的脂質代謝特征,并通過機器學習方法識別出了潛在的AMI早期診斷生物標志物。


實驗流程圖:

f10914205958f1c06d9208c537c71b78.png

????

圖1



8670bf5503568b859641cce35a5dc3d0.png

基于UPLC-MS/MS的定量脂質檢測共檢測了795種脂質代謝物。三組共檢測到36個不同的脂類亞類(圖2a-c)。在36個脂類亞類中,最豐富的是TG(151個脂類分子),其次是磷脂酰膽堿(PC)和磷脂酰乙醇胺醚(PE-O),分別有68和63個脂類分子(圖2d)。正交偏最小二乘判別分析(OPLS-DA)顯示AMI組與HC、UA組之間存在顯著的脂質代謝差異(圖2e,f)。

3a55bed8385ae32beeb5f36e50596190.png

????

圖2


根據VIP值>1,P< 0.05, FC >1.5或FC< 0.6的指標篩選差異脂質,AMI組與HC組間差異脂質代謝物共212個。在AMI組中,128種脂質代謝物下調,84種脂質代謝物上調(圖3a)。KEGG富集分析表明,這些差異脂質代謝物主要與脂肪細胞的脂質分解、脂肪消化吸收、代謝途徑、甘油磷脂代謝相關(圖3b)。此外,我們還篩選了AMI組和UA組之間的差異脂質代謝物。結果顯示AMI組有55種脂質代謝物上調,3種脂質代謝物下調(圖3c)。KEGG分析顯示,這些差異代謝物主要富集于產熱、代謝途徑和甘油脂代謝(圖3D)。此外,Venn圖顯示了兩組(AMIvs. HC和AMI vs.UA)差異脂質代謝物的重疊,發現有25種差異脂質代謝物在AMI組特異表達(圖4a)。KEGG通路分析表明,這25種特異性差異脂質代謝物主要富集于產熱、代謝途徑、甘油脂質代謝和脂肪添加生物合成(圖4B、C)。共表達聚類分析顯示,這25個差異脂質分子主要是酰基肉堿(CAR)、游離脂肪酸(FFA)、己基神經酰胺(HexCer)、PC、PE-O和TG(圖4D)。此外,CAR和FFA之間有很強的相關性,PC和TG之間也有很強的相關性。


8c8ae03ca96399e155fb438b4b578451.png

????

圖3



a3211691e5ca11141994ee9cbccbe7d9.png

????

圖4



使用LASSO回歸分析篩選能夠區分AMI患者和UA患者的脂質生物標志物。然后鑒定出AMI組中具有獨特表達的10個脂質生物標志物(圖5a)。采用SVM-RFE算法選擇最優特征,鑒定出4種脂質代謝物為AMI的候選生物標志物(圖5b)。為了過濾出相對穩健的biomarkers,我們將兩種算法取交集,得到了三個脂質biomarkers,分別是FFA(20:1)、CarnitineC18:2-OH和CarnitineC18:1-OH(圖5c)。ROC曲線分析結果顯示,FFA(20:1)、CarnitineC18:2-OH、CarnitineC18:1-OH具有較好的鑒別AMI患者和UA患者的診斷性能,這三種脂質生物標志物的AUC分別為0.89、0.904、0.909(圖5e)。此外,應用logistic回歸構建了一個基于發現的三種脂質生物標志物的診斷模型。診斷模型能夠很好地區分AMI患者和UA患者,AUC為0.938(圖5f)。然后,通過ROC分析確定這三種脂質生物標志物在區分HC受試者和AMI患者中的表現。結果顯示FFA(20:1)和CarnitineC18:1-OH對區分HC組與AMI組有較好的作用,AUC分別為0.836和0.938(圖6a)。我們結合這三種脂質生物標志物通過logistic回歸構建了一個診斷模型,該模型在區分AMI患者和HC受試者方面表現出良好的效果,AUC為0.966(圖6b)。在驗證集中,三種脂質代謝產物和診斷模型在區分AMI患者和UA患者方面也有較好的表現,AUC在0.8以上(圖6c,d)。我們將發現集和驗證集集成為一個完整的集。ROC分析顯示,三種脂質生物標志物在全組中對AMI患者和UA患者具有良好的診斷能力,AUC> 0.85(圖6e)。FFA(20:1)、CarnitineC18:2-OH和CarnitineC18:1-OH組合的診斷模型在全組表現良好,AUC為0.912(圖6f)。這些結果表明,這三種不同的脂質代謝物在鑒別AMI患者與UA患者和HC受試者方面具有良好的前景,并可能作為AMI的潛在風險生物標志物。


028af26d25e09a8efa3fa3db823cd221.png

????

圖5



e1687254ccac33d6696d8f0a52b730bd.png

????

圖6



CK-MB是目前臨床診斷AMI最常用的指標,TC、TG、HDL-C、LDL-C也是臨床常見的與AMI相關的參數。本研究評估AMI患者早期血清CK-MB、TC、TG、LDL-C和HDL-C水平。隨后,我們進行了共表達網絡分析,以評估這三種脂質生物標志物與臨床指標的關系。結果表明,三種脂質生物標志物之間具有較強的相關性,而與常見臨床指標的相關性相對較弱(圖5D)。采用單因素和多因素logistic回歸分析,檢測臨床指標、脂質生物標志物與AMI風險的關系。單因素logistic回歸分析發現發現CK-MB和3個脂質生物標志物是AMI的危險因素(表1)。多因素logistic回歸分析發現這3個脂質生物標志物是AMI的獨立危險因素(表1)。進行單因素和多因素logistic回歸分析也表明這三種脂質標志物是AMI的獨立危險因素(表2)。我們分別分析了這三種脂質標志物在發現集和驗證集的表達情況。結果顯示,在心肌梗死患者中,這三個biomarkers在發現集(圖7A)和驗證集(圖7B)均顯著上調。我們進一步隨訪60例AMI患者1年,其中14例患者因心血管疾病再次入院。隨后進行ROC分析,評估這三種脂質生物標志物預測AMI出院患者二次入院的有效性。這三種脂質生物標志物在二次入院時表現出較強的預測能力,尤其是FFA(20:1),其AUC為0.662(圖7C)。值得注意的是,基于這三種脂質生物標志物的診斷模型也顯示出良好的預測精度,AUC為0.685(圖7D)。


表1

9dc538dab7f0c5d6e4cfcf625f780697.png


2

844e6923e4a03008bd47f47a29050856.png



54de2f78ae838a3393dded8cfb8b9890.png

????

圖7



c5a15a13198cbdd91b13d75850504df4.jpeg

本研究對AHC、UA、AMI三組樣本做了定量脂質組檢測,共檢測到795個脂質代謝物。AMI組特異性表達25種脂質代謝物。應用機器學習方法得到CarnitineC18:1-OH、CarnitineC18:2-OH和FFA(20:1)3個脂質標志物,這三種脂質代謝物可作為診斷AMI的潛在生物標志物。隨后的1年隨訪分析表明,這三種脂質生物標志物在預測AMI患者因心血管事件再次入院方面也有很好的表現。



cdf114ee25f3cd68f413196d29336f5b.png

定量脂質組可一次性靶向定量檢測3000+脂質代謝物,全面覆蓋CE、Cer、HexCer、SM、FA、CAR、Eicosanoid、PC、LPC、PE、LPE、PG、LPG、PS、LPS、PI、TG、DG等四十多類脂質。


技術優勢

高通量:可一次性檢測3000+脂質;

廣覆蓋:同時CECerHexCerSMFACAREicosanoidPCLPCPELPEPGLPGPSLPSPITGDG等四十多類脂質;

高重現:多次檢測結果有更好的重現性,大批量樣本可進行批次內校正;

高靈敏:采用高靈敏質譜儀ABSCIEX6500+,檢測下線低至pg級;

高準確:采用內標法進行絕對定量,結果更準確(標準品+同位素內標)。


bc9ca540285d08d7e57f3c53a01b92b6.png

e69fcdd434ae86d6b13efc383e592228.png


039e74882c7f82143b53afcc89ee52d4.gif

99%的代謝組學研究者都在閱讀下文:

新品上線 | 邁維代謝攜手Bruker搭建業界領先的4D蛋白質組學平臺

項目文章 | 喜訊!nature發表江西農大黃路生院士團隊宿主基因影響腸道菌群成果

項目文章丨IF=16.8!腫瘤治療新概念:細菌誘導療法新方向

視頻實操SCI作圖課(12):邁維云平臺助你事半功倍提取序列


996a75f323f9b291e084199f8a4c24aa.gif

客服微信:metware888

咨詢電話:027-62433042

郵箱:support@metware.cn

網址:www.metware.cn

我就知道你“在看”

248cd138ef1f8b06443d5d745bbb25e9.gif

文章作者
推薦
關閉