期刊名：Proteomes

期刊主页：https://www.mdpi.com/journal/proteomes

心血管疾病是全球范围内主要的死亡原因之一。从慢性缺血性心脏病到外周动脉疾病，再到腹主动脉瘤，早期诊断和风险分层对于改善患者预后至关重要。本期三篇文章分别从整合基因组与蛋白质组数据鉴定治疗靶点、构建外周动脉疾病预后模型、以及利用亲和富集结合机器学习发现腹主动脉瘤生物标志物三个角度，展示了蛋白质组学在心血管疾病研究中的应用价值。

一、慢性缺血性心脏病的蛋白质标志物与治疗靶点

Identification of Protein Markers for Chronic Ischemic Heart Disease Through Integrated Analysis of the Human Plasma Proteome and Genome-Wide Association Data

通过整合分析人类血浆蛋白质组和全基因组关联数据，鉴定慢性缺血性心脏病的蛋白质标志物

https://www.mdpi.com/2227-7382/13/4/55

研究背景

慢性缺血性心脏病（CIHD）以长期冠状动脉血流减少导致的持续性心肌缺血为特征。既往主要依靠手术干预或药物治疗缓解症状，但有效的靶向治疗手段有限。蛋白质组学是发现新型治疗靶点的关键工具。

研究方法

本研究通过整合CIHD的全基因组关联研究数据（10,894,596个单核苷酸多态性）和涵盖4907种蛋白的血浆蛋白质组数据，进行了双向孟德尔随机化分析。对候选蛋白标志物进行京都基因与基因组百科全书（KEGG）通路富集分析，并在国家基因组科学数据中心（NGDC）数据库中检索其与CIHD关联的已有证据，通过整合DSIGDB （药物特征数据库，Drug Signatures Database）、ChEMBL（欧洲生物信息学研究所药物活性数据库）和临床试验数据库进行多维度的成药性评估。

关键发现

• 蛋白标志物鉴定：排除反向效应后，最终鉴定出28种蛋白标志物，包括16种风险相关蛋白和12种保护性蛋白。其中5种（ASAH2、SERPINA9、ECI2、KLK7、SPINK6）为新发现的蛋白标志物。

• 通路富集：KEGG分析显示，这些蛋白显著富集于脂肪酸降解（hsa00071）、NF-κB信号通路（hsa04064）、酪氨酸代谢（hsa00350）、酒精性肝病（hsa04936）和丙酮酸代谢（hsa00620）等通路。

• 成药性评估：通过多维度评估，确定CXCL12、PLAU和CD14为优先发展的治疗靶点。其中，PLAU被6种药物/化合物富集，CXCL12被4种化合物富集。

研究意义

本研究通过双向孟德尔随机化整合蛋白质组和基因组数据，鉴定了28种与CIHD遗传关联的蛋白标志物，揭示了CIHD发病机制中的“代谢-炎症”调控网络，为生物标志物指导的风险评估和新型治疗药物的合理设计提供了策略。

图 5. KEGG 富集分析结果柱状图。Y 轴：KEGG 通路名称；X 轴：通路中包含的候选蛋白数量；柱状图的长度基于数量，颜色深度基于 p 值。（注：图中标记的所有通路均通过三次独立的 KEGG 富集分析获得。）

二、血浆ST2在外周动脉疾病患者中的预后潜力

Investigating the Prognostic Potential of Plasma ST2 in Patients with Peripheral Artery Disease: Identification and Evaluation

探讨血浆ST2在周围动脉疾病患者中的预后价值：识别与评估

https://www.mdpi.com/2227-7382/12/3/24

研究背景

可溶性白细胞介素1受体样1（ST2）是一种循环蛋白，已被证明与心血管疾病相关，但尚未作为外周动脉疾病（PAD）的生物标志物进行研究。

研究方法

研究前瞻性纳入了476例患者（312例PAD患者，164例非PAD患者），在基线时测量三种循环蛋白（ST2、CRG-2、VEGF）的血浆浓度，并进行2年随访。主要结局是2年内主要不良肢体事件（MALE；包括大截肢、血管介入或急性肢体缺血）。使用10折交叉验证，基于临床特征和血浆ST2水平训练随机森林模型。

关键发现

• 三种循环蛋白中，ST2是唯一在PAD患者中显著高于非PAD患者的蛋白（平均浓度11.39 vs. 9.57 pg/mL，p < 0.001）

• 2年随访期间，28例（9%）PAD患者发生MALE

• 结合临床特征和血浆ST2水平的预测模型，预测2年MALE的F1得分为0.713。ST2是模型中最重要的预测特征

• 模型识别为高风险的PAD患者发生MALE的风险显著增加（HR 1.06，95% CI 1.02–1.13，p = 0.003）

研究意义

本研究首次将ST2鉴定为PAD的蛋白标志物，并开发了结合临床特征和血浆ST2水平的预后算法。该模型支持PAD的风险分层，指导临床决策，有助于早期识别高风险患者并加强治疗。

图 1. 随机森林模型输入特征的变量重要性评分（增益），用于预测外周动脉疾病患者 2 年内发生主要肢体不良事件的风险。缩写：可溶性白细胞介素 1 受体样 1 (ST2)、充血性心力衰竭 (CHF)、冠状动脉疾病 (CAD)、糖尿病 (DM)、高胆固醇血症 (HC)、高血压 (HTN)。

三、亲和富集血浆蛋白质组学用于腹主动脉瘤生物标志物发现

Affinity-Enriched Plasma Proteomics for Biomarker Discovery in Abdominal Aortic Aneurysms

亲和力富集血浆蛋白质组学在腹主动脉瘤生物标志物发现中的应用

https://www.mdpi.com/2227-7382/12/4/37

研究背景

腹主动脉瘤（AAA）是一种危及生命的疾病，以腹主动脉的弱化和扩张为特征。目前针对该疾病的诊断生物标志物很少。

研究方法

对45例AAA患者和45例匹配对照的亲和富集血浆进行基于质谱的蛋白质组学分析，以鉴定血浆蛋白质组的变化和潜在的诊断生物标志物。使用递归特征消除（RFE）选择最优蛋白子集，并训练随机森林分类器。

关键发现

• 共鉴定出1610种蛋白，其中292种在AAA患者与对照组之间存在显著差异（p < 0.05），24种在多重检验校正后仍显著（FDR < 5%）

• 基因本体分析显示，AAA患者中上调蛋白主要涉及炎症、凝血和细胞外基质；下调蛋白主要涉及血管生成

• 通过RFE筛选出10种最具预测性的蛋白，基于这些蛋白的随机森林分类器在交叉验证中达到AUC 0.93（95% CI: 0.91–0.95），灵敏度0.89，特异度0.84

• 其中转铁蛋白（serotransferrin）是单个AUC最高的蛋白（0.75）

研究意义

本研究通过质谱蛋白质组学结合机器学习，鉴定出与AAA相关的血浆蛋白改变和生物学通路，并筛选出具有高诊断潜力的生物标志物组合，为AAA的早期检测提供了新策略，尤其在影像学检查不可及的地区具有应用前景。

图 3. 基于血浆蛋白质组的腹主动脉瘤分类预测模型。红线表示组合模型，曲线下面积为 0.93（95% CI：0.91–0.95）。红线下方显示了模型中包含的每种蛋白质的单独 ROC 曲线，其 AUC 值范围为 0.55 至 0.75。P02787：血清转铁蛋白；P08254：基质溶解素-1；P80108：磷脂酰肌醇-聚糖特异性磷脂酶 D；Q9NQZ6：含锌指 C4H2 结构域的蛋白质；Q9UM07：4 型蛋白-精氨酸脱亚胺酶；P10916：肌球蛋白调节轻链 2；P19021：肽酰甘氨酸 α-酰胺化单加氧酶。P60903：蛋白质 S100-A10；Q15517：角质桥粒蛋白；Q96KN2：肌肽二肽酶 1。

四、小结

三篇文章从不同角度展示了蛋白质组学在心血管疾病研究中的应用：

• 慢性缺血性心脏病：通过双向孟德尔随机化整合蛋白质组与基因组数据，鉴定出28种蛋白标志物，揭示“代谢-炎症”调控网络，并筛选出CXCL12、PLAU、CD14等优先治疗靶点

• 外周动脉疾病：首次将ST2鉴定为PAD的特异性蛋白标志物，结合临床特征的随机森林模型可准确预测2年主要不良肢体事件，支持风险分层

• 腹主动脉瘤：基于亲和富集血浆蛋白质组学，结合机器学习筛选出10种预测蛋白，随机森林分类器AUC达0.93，为无创诊断提供新工具

三篇文章共同表明，蛋白质组学技术不仅能够发现新的疾病生物标志物，还能揭示病理生理机制、筛选治疗靶点，并构建精准的风险预测模型，为心血管疾病的早期诊断和个体化治疗提供重要依据。

Proteomes 期刊介绍

主编：Jens R. Coorssen, Brock University, Canada; Matthew P. Padula, The University of Technology Sydney, Australia

期刊专注于蛋白质组分析的各个方面，特别关注蛋白质组在蛋白质形式（proteoforms）、功能性生物学单元以及标准氨基酸序列水平上的定量和表征。目前已被Scopus、ESCI (Web of Science)、PubMed等数据库收录。

2024 Impact Factor: 3.6

2025 CiteScore: 6.4

Time to First Decision: 28.6 Days

Acceptance to Publication: 5.6 Days