OncoHost publica estudo que permite integrar dados proteômicos de soro e plasma
A OncoHost anunciou a publicação de um estudo no JPBA que apresenta uma estrutura computacional validada para harmonizar conjuntos de dados proteômicos de soro e plasma. A abordagem permite integrar tipos de amostras antes considerados analiticamente não comparáveis, acelerando a descoberta e a validação de biomarcadores.
OncoHost anunciou a publicação de um novo estudo no Journal of Pharmaceutical and Biomedical Analysis (JPBA), intitulado "Bridging the Gap: A Systematic Approach to Integrating Serum and Plasma Proteomic Datasets for Biomarker Studies." O estudo apresenta uma estrutura computacional validada que harmoniza conjuntos de dados proteômicos de soro e plasma — tipos de amostras historicamente considerados analiticamente não comparáveis devido a diferenças biológicas e pré-analíticas.
Ao superar essa barreira de longa data e a divisão técnica, a estrutura permite que pesquisadores combinem coortes heterogêneas, acelerando esforços de descoberta e validação de biomarcadores. A abordagem aumenta tanto a profundidade analítica quanto a aplicabilidade translacional da pesquisa em proteômica, ao mesmo tempo em que cria nova flexibilidade no uso de amostras.
A colaboração multi-institucional incluiu pesquisadores de destaque do National Cancer Institute (NCI), Yale School of Medicine, Heidelberg University Hospital e da empresa de desenvolvimento de biomarcadores ions.bio, além da equipe científica da OncoHost.
Soro e plasma são amplamente utilizados em pesquisa clínica e biobancos; no entanto, diferenças na preparação das amostras resultam em variações proteômicas que têm limitado a comparação direta e a integração de dados entre tipos de espécimes. Consequentemente, grandes coortes retrospectivas derivadas de cada tipo de amostra muitas vezes foram analisadas separadamente.
Neste estudo, os pesquisadores realizaram perfilamento proteômico de alto rendimento de 7,289 proteínas usando a plataforma SomaScan® em 177 pares de amostras pareadas de soro–plasma de pacientes com câncer em três coortes independentes. Notavelmente, 91.6% das proteínas demonstraram correlação estatisticamente significativa (p < 0.05) entre soro e plasma. Usando pares de amostras pareadas, a equipe derivou fatores de escala lineares que foram consistentes entre as coortes, sustentando a generalização e a robustez da metodologia de bridging.
O estudo validou a estratégia de bridging usando a plataforma PROphet® da OncoHost — um modelo baseado em proteômica plasmática e impulsionado por IA, projetado para prever desfechos de imunoterapia em pacientes com câncer de pulmão de não pequenas células (NSCLC). Quando aplicado a medições proteômicas de soro escalonadas, o modelo PROphet manteve a acurácia preditiva. A classificação de benefício clínico e a estratificação de sobrevida derivadas de dados de soro transformados foram comparáveis às geradas a partir do plasma, confirmando a preservação do sinal biológico subjacente.
Além do alinhamento imediato de conjuntos de dados, o estudo fornece uma metodologia estruturada para futura padronização por tipo de amostra, incluindo compatibilidade entre tipos de tubos e matrizes biológicas. Permitir a comparabilidade entre espécimes pode destravar coortes valiosas baseadas em soro para iniciativas de descoberta e validação.
À medida que a proteômica se torna cada vez mais central na oncologia de precisão, abordagens sistemáticas de padronização como esta serão essenciais para avançar no desenvolvimento de biomarcadores reprodutíveis e escaláveis.
A OncoHost é uma empresa de tecnologia com sede em Binyamina, Israel, e Cary, Carolina do Norte, transformando a abordagem da medicina de precisão para melhorar os desfechos dos pacientes.