OncoHost publica un estudio que permite integrar datos proteómicos de suero y plasma

OncoHost anunció la publicación de un nuevo estudio en el Journal of Pharmaceutical and Biomedical Analysis (JPBA), titulado "Bridging the Gap: A Systematic Approach to Integrating Serum and Plasma Proteomic Datasets for Biomarker Studies". El estudio presenta un marco computacional validado que armoniza conjuntos de datos proteómicos de suero y plasma, tipos de muestra históricamente considerados no comparables desde el punto de vista analítico debido a diferencias biológicas y preanalíticas.

Al superar esta barrera de larga data y la brecha técnica asociada, el marco permite a los investigadores combinar cohortes heterogéneas, acelerando los esfuerzos de descubrimiento y validación de biomarcadores. El enfoque mejora tanto la profundidad analítica como la aplicabilidad traslacional de la investigación proteómica, a la vez que aporta nueva flexibilidad en el uso de las muestras.

La colaboración multiinstitucional incluyó a investigadores destacados del National Cancer Institute (NCI), Yale School of Medicine, Heidelberg University Hospital y la empresa de desarrollo de biomarcadores ions.bio, junto con el equipo científico de OncoHost.

El suero y el plasma se utilizan ampliamente en la investigación clínica y en biobancos; sin embargo, las diferencias en la preparación de las muestras generan variaciones proteómicas que han limitado la comparación directa y la integración de datos entre tipos de espécimen. En consecuencia, grandes cohortes retrospectivas derivadas de cada tipo de muestra a menudo se han analizado por separado.

En este estudio, los investigadores realizaron un perfilado proteómico de alto rendimiento de 7,289 proteínas utilizando la plataforma SomaScan® en 177 pares de muestras de suero–plasma emparejadas de pacientes con cáncer en tres cohortes independientes. De manera notable, el 91.6% de las proteínas mostró una correlación estadísticamente significativa (p < 0.05) entre suero y plasma. A partir de pares de muestras emparejadas, el equipo obtuvo factores de escalado lineal que fueron consistentes entre cohortes, lo que respalda la generalizabilidad y la solidez de la metodología de puente (bridging).

El estudio validó la estrategia de puente utilizando la plataforma PROphet® de OncoHost, un modelo basado en proteómica plasmática e impulsado por IA, diseñado para predecir los resultados de la inmunoterapia en pacientes con cáncer de pulmón de células no pequeñas (NSCLC). Al aplicarse a mediciones proteómicas de suero escaladas, el modelo PROphet mantuvo la precisión predictiva. La clasificación del beneficio clínico y la estratificación de supervivencia derivadas de los datos de suero transformados fueron comparables a las generadas a partir de plasma, lo que confirma la preservación de la señal biológica subyacente.

Más allá de la alineación inmediata de conjuntos de datos, el estudio aporta una metodología estructurada para la estandarización futura por tipo de muestra, incluida la compatibilidad entre tipos de tubos y matrices biológicas. Permitir la comparabilidad entre especímenes podría aprovechar valiosas cohortes basadas en suero para iniciativas de descubrimiento y validación.

A medida que la proteómica se vuelve cada vez más central en la oncología de precisión, enfoques sistemáticos de estandarización como este serán esenciales para impulsar un desarrollo de biomarcadores reproducible y escalable.

OncoHost es una empresa tecnológica con sede en Binyamina, Israel, y Cary, Carolina del Norte, que está transformando el enfoque de la medicina de precisión para mejorar los resultados de los pacientes.