近日，來自deCODE Genetics /安進公司和冰島大學的Kari Stefansson團隊在國際頂刊《Nature》上在線發表了題為“Large-scale plasma proteomics comparisons through genetics and disease associations”的研究性論文（圖1）。

在這項研究中，他們比較了基于Olink Explore 3072平臺和SomaScan v4平臺的數據，分析了由英國生物銀行（UKB）和冰島生成的血漿樣本數據，并使用可用基因型和表型數據來比較它們與平臺上蛋白質水平的關聯，發現選擇不同的平臺在疾病研究的背景下會對結果和結論產生實質性的影響。這項研究深入理解了SomaLogic和Olink平臺在高通量蛋白質組學研究中發揮的重要作用，加深了對序列變異與疾病和其他性狀之間關系的理解。

 圖1

通過對Olink Explore 3072中的1474個樣本和SomaScan v4中的419個樣本進行重復測量，研究人員發現，Olink平臺的中位CV比低于SomaScan平臺(分別為0.35和0.50)，這表明Olink平臺的測定更加精確。這與之前的研究結果相反，之前的研究發現對照樣品的SomaScan測定的CV值低于Olink測定的CV值。這表明對照樣品的CV值并不一定反映測定的精度，而CV比率則更準確。

圖2

根據SomaScan和Olink兩個平臺的研究結果，研究人員發現兩個平臺之間的水平相關性為0.33，分布呈現兩種模式，一種略高于0，另一種略低于0.6（圖2）。Olink平臺由早期版本1536和附加后續檢測集Expansion組成，其中1536組的中位數相關性顯著高于擴展組，分別為0.36和0.27。相比之下，兩個平臺上所有可能檢測到的中位數相關性為-0.01，Olink平臺內的中位數相關性為0.08，SomaScan平臺內的中位數相關性為-0.01。在兩個平臺上檢測到的cis pQTLs分析中，蛋白質水平的總體方差更為一致，但單個平臺上是否存在cis pQTLs沒有顯示出明顯的趨勢。

Olink和SomaScan平臺在檢測血漿蛋白質時，顯示出不同稀釋組間的蛋白質豐度和相關性差異，且大部分蛋白質水平低于檢測限。兩個平臺都缺乏細胞內蛋白而富含分泌蛋白。組織之間的蛋白質水平相關性差異較大，且與測量精度相關。樣本年齡、性別和BMI與許多蛋白質水平顯著相關，且兩個平臺在某些疾病中蛋白質關聯結果一致，但也有不一致的結果，這可能與不同平臺間的測量差異和可能存在的不同蛋白質形態有關。

在pQTL分析中，研究人員使用更多序列變體和數據歸一化方法，鑒定了大量順式和反式pQTL。在Olink和SomaScan數據中，超過98%的順式pQTL僅與一種蛋白質相關，但少數pQTL與多個蛋白質相關。研究人員還注意到在RNA水平上存在cis基因表達的共同調控，但不影響pQTL檢測性能。他們還發現特定蛋白質的cis pQTL檢測與高于LOD的測定分數和高于LOD的中位數歸一化蛋白表達值呈正相關，但這并不意味著低于LOD的測量值不能提供信息。

研究人員還對不同祖先群體進行pQTL分析，評估了更大的序列多樣性和LD的可變模式，將關聯信號細化到更少的變體。他們分別使用Olink Explore 1536平臺和SomaScan平臺對非洲人血漿中的1472種蛋白質水平進行分析，并檢測了順式pQTL。發現不同祖先群體之間存在pQTL的差異，非洲血統的測試者中較為常見與低水平的低密度脂蛋白膽固醇相關的PCSK9功能缺失變體，研究人員還發現了與血紅蛋白β亞基編碼基因HBB中的鐮狀細胞貧血變體相關的高水平HMOX1。UKB-AF組的順式pQTL具有較高的LD和平均變異數較少，與非洲血統人群具有更高的序列多樣性和較低的LD相一致（圖3）。在共有的893個蛋白中，有62個蛋白在UKB-AF中實現了順式pQTL位點的大量改進，暗示在非洲血統人群中研究與相同變體的疾病相關性可能會獲得潛在收益。這些結果表明不同祖先群體之間存在pQTL的差異，并對疾病相關性研究具有潛在價值。

圖3

研究人員還發現Olink和SomaScan兩個平臺檢測到的蛋白質數量相差不大，且大部分蛋白質都有cis pQTL存在。然而，兩個平臺檢測到的pQTL主要是trans pQTL，且反式的pQTL關聯多于順式，但順式的次要關聯多于反式。他們探討了順式pQTL的檢測比例受多種因素影響，包括稀釋組、亞細胞位置和CV比。此外，蛋白質的豐富程度和檢測精度也會影響順式pQTL的檢測比例。在分析儀器匹配的蛋白質方面，Olink平臺比SomaScan平臺的獨聯體pQTL檢測比例更高，而Olink和SomaScan平臺之間的相關性也較高（r = 0.48），但低于cis pQTL的相關性（r = 0.17）。最后，研究人員通過全基因組測序的數據，發現了與罕見序列變異相關的蛋白質水平在兩個平臺上的差異。

研究人員深入探索了Olink和SomaScan兩個平臺檢測的pQTL之間的關聯性和差異。他們發現雖然兩個平臺對pav引起的表位效應同樣敏感，但當一個平臺的pQTL在另一個平臺沒有找到相應的pQTL時，或者兩個平臺的pQTL處于高LD時，它們之間的相關性較低。此外，研究人員還指出了即使在兩個平臺上都檢測到一種蛋白質的pQTL，也不能輕易地認為它們玩全相同，因為它們可能受到不同的技術、樣本、數據質量等因素的影響。此外，一些在SomaScan數據中與多個蛋白質相關的pQTL在Olink數據中并不與任何蛋白質相關，反之亦然。盡管兩個平臺上都檢測到了多效性pQTL，但它們并不玩全相同?？偟膩碚f，盡管在兩個平臺上都檢測到多種蛋白質的pQTL，但它們之間的關聯性和差異需要謹慎地考慮。

因此，研究使用了三種方法來建立這種關系：一種是分析pQTL和疾病相關變異之間的高LD（連鎖不平衡），另一種是將疾病相關變異包含在具有pQTL的高LD的可信基因集合中，蕞后一種是對于具有必要統計數據的特定示例，進行統計共定位分析。在Olink-UKB-BI和冰島的SomaScan兩個數據集中，都分別檢測到了大量的順式和反式pQTL，并且一些疾病相關的變異被發現在可信基因集合中。此外，研究人員還發現了一些具有疾病相關變異的高LD的順式pQTL，例如在IL10位點，rs3024493的次要等位基因(A)與其相關的rs3024505與IBD34的風險增加相關（圖4）。這個變異與較低的IL-10水平相關，而IL-10被認為是該區域蕞有可能的候選基因?？偟膩碚f，這些研究結果有助于更好地理解疾病相關變異與蛋白質水平變化之間的聯系，以及這種聯系可以更好的預測疾病風險。

圖4

此外，研究人員還對腫瘤壞死因子配體超家族成員11 (TNFSF11)、ERBB4、GRP和IL2RB的順式pQTL與一些疾病相關性進行了研究。這些變異與原發性膽汁性肝硬化、較低的BMI和2型糖尿病風險、哮喘風險等有關。此外，他們還討論了在兩個平臺上檢測到的順式pQTL與疾病相關變異高LD的情況，并解釋了反式pQTL與疾病關聯的可能機制。

研究人員還發現反式pQTL通常與受疾病影響的組織中表達豐富的蛋白質相關，這些發現可能指向潛在的疾病生物標志物。例如，DEFB4A和PRSS2的水平在兩個平臺之間高度相關，而且在兩個平臺上都觀察到cis pQTL。為了評估哪些與疾病相關的反式pQTL可能對應于同一途徑中蛋白質之間的相互作用，他們根據STRING數據庫評估了受反式pQTL影響的每個蛋白質是否與蕞接近變體的基因編碼的蛋白質相互作用。對于具有疾病或性狀相關變異的高LD中約9%的反式pQTL，已知這兩種蛋白之間高度相互作用。例如，TLR3的變異與自身免疫性甲狀腺疾病和IFNL1的反式水平相關，帶有IFNL1的反式pQTL強烈支持TLR3在自身免疫性甲狀腺疾病發病機制中的變異位點的作用。因此，這項研究的結果支持通過反式pQTL來研究潛在的疾病生物標志物和藥物靶點，以幫助更好地了解和治療疾病。

_{以上文章來源于Being科學 ，作者鳶尾與半夏}