OncoHost发表研究，实现血清与血浆蛋白质组数据整合

OncoHost宣布在《Journal of Pharmaceutical and Biomedical Analysis》(JPBA)发表一项新研究，题为“Bridging the Gap: A Systematic Approach to Integrating Serum and Plasma Proteomic Datasets for Biomarker Studies”。该研究提出并验证了一套计算框架，可对血清与血浆蛋白质组数据集进行一致化处理——由于生物学差异及前分析（pre-analytical）差异，这两类样本类型在历史上一直被认为在分析上不可直接比较。

通过突破这一长期存在的障碍与技术鸿沟，该框架使研究人员能够合并异质性队列，从而加速生物标志物的发现与验证工作。该方法在提升蛋白质组学研究分析深度与转化适用性的同时，也为样本利用带来了新的灵活性。

这项多机构合作汇聚了来自National Cancer Institute (NCI)、Yale School of Medicine、Heidelberg University Hospital以及生物标志物开发公司ions.bio的主要研究人员，并与OncoHost科研团队共同完成。

血清与血浆在临床研究与生物样本库中被广泛使用；然而，样本制备方式的差异会导致蛋白质组学层面的变化，从而限制了不同样本类型之间的直接比较与数据整合。因此，来源于各自样本类型的大型回顾性队列往往被分开分析。

在这项研究中，研究人员使用SomaScan® platform对来自三个独立队列的癌症患者177对匹配的血清–血浆样本对进行了高通量蛋白质组学分析，检测了7,289种蛋白。值得注意的是，91.6%的蛋白在血清与血浆之间显示出具有统计学意义的相关性（p < 0.05）。基于匹配样本对，团队推导出线性缩放因子，并且这些因子在不同队列间保持一致，支持了该桥接方法的可推广性与稳健性。

研究还使用OncoHost的PROphet® platform对桥接策略进行了验证——该平台是一种由AI驱动、基于血浆蛋白质组学的模型，用于预测非小细胞肺癌（NSCLC）患者的免疫治疗结局。将该模型应用于经过缩放处理的血清蛋白质组学测量值时，PROphet模型仍能保持预测准确性。由转换后的血清数据得到的临床获益分类与生存分层结果与由血浆生成的结果相当，证实了基础生物学信号得以保留。

除实现数据集的即时对齐外，该研究还为未来样本类型标准化提供了结构化方法学，包括在不同采血管类型与生物基质之间实现兼容。实现跨样本类型的可比性，可能为发现与验证项目释放宝贵的基于血清的队列资源。

随着蛋白质组学在精准肿瘤学中日益居于核心地位，此类系统化的标准化方法将成为推动可重复、可规模化生物标志物开发的关键。

OncoHost是一家技术公司，总部位于以色列Binyamina以及美国北卡罗来纳州Cary，致力于变革精准医疗路径，以改善患者结局。