膀胱鏡被視為診斷膀胱癌的“金標準”，但其侵入性使眾多患者望而卻步。臨床上，超過一半患者確診已屬晚期。如何用簡便、無創、準確的方法，盡早“篩”查高風險人群，成為研究重點。
血液與尿液相比于膀胱鏡，具有獲取便捷、依從性高、無創等優勢，是最普遍的診斷樣本來源之一。近日，中國科學院杭州醫學研究所科研團隊，將納米蛋白組學技術從血液拓展到尿液，較傳統尿蛋白沉淀法，提升55.5%的蛋白質組覆蓋深度且穩定性更好。
傳統尿液蛋白質組研究方法，存在異質性強、復雜度高、覆蓋深度有限等問題，傳統機器學習方法也難以有效、高質量整合多源數據，因此亟待開發新方法來提升診斷準確性。
團隊利用納米顆粒，“捕獲”體液中低豐度蛋白，依托血清蛋白冠和尿液蛋白冠，構建出兩個分別含有956種血清蛋白和4730種尿液蛋白的配對蛋白質組數據庫。
同時，在自主研發的蛋白質組遷移學習算法（ProteoTransNet）助力下，尿液與血清兩類蛋白質組之間實現膀胱癌相關蛋白信息遷移。
依托兩個數據庫共有蛋白，構建可比表征空間，以源域（血清或尿液蛋白質組）預訓練模型，再將其遷移至目標域（尿液或血清蛋白質組）。進而，通過高斯混合模型篩選高可信樣本，并通過類別原型對齊與迭代，逐步縮小尿液數據和血清數據間分布差異。
這一策略在統一判別邊界內，將尿液的“敏感性”與血清的“穩定性”互補疊加，提升了膀胱癌尿液樣本診斷的準確性和魯棒性。
ProteoTransNet整合數據后，膀胱癌診斷AUC（指roc受試者工作特征的曲線下面積） 達0.996，分期分類AUC為0.914，優于傳統方法。
該技術避免了傳統膀胱鏡侵入性痛苦，通過技術創新與方法突破，構建出膀胱癌診斷新體系。納米蛋白組學技術解決了血液與尿液蛋白質組深度不足問題，ProteoTransNet模型實現了血清與尿液數據的高效整合，有望實現僅憑一次抽血，一次留尿就可以對膀胱癌早期患者進行高效準確的診斷與篩查。
未來，有望擴大臨床樣本量，克服配對血清和尿液樣本收集難度大、數量有限等問題，進一步驗證模型普適性與可靠性；可整合組織蛋白質組等更多維度數據，結合膀胱癌病理機制，挖掘更全面的疾病相關生物標志物，提升診斷與預后評估精準度。
同時，ProteoTransNet有望推廣至基因組、轉錄組等其他組學數據整合，也可應用于其他癌癥類型，探索其在多癌種診斷、治療方案制定和療效監測方面的潛力，為精準醫學領域提供更高效的多組學整合工具與研究思路。
相關研究成果發表在ACS Nano上。
論文鏈接
研究開發蛋白質遷移學習方法助力膀胱癌診斷
本文鏈接：研究開發蛋白質遷移學習方法助力膀胱癌診斷http://www.sq15.cn/show-12-1769-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 研究開發基于深度學習的密碼子優化模型