血漿タンパク質バイオマーカーは自己免疫発症の6ヵ月前に持続性自己抗体と1型糖尿病の発症を予測する

論文|オンライン版, 101093
血漿タンパク質バイオマーカーは自己免疫発症の6ヵ月前に持続性自己抗体と1型糖尿病の発症を予測する

https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(23)00212-4

エルネスト・S・中安
リサ・M・ブラマー
チャールズ・アンソン
ボビー・ジョー・M・ウェッブ・ロバートソン
トーマス・O・メッツ13
TEDDY研究グループ
すべての著者を表示する

脚注を表示する
オープンアクセス掲載:2023年6月29日DOI:https://doi.org/10.1016/j.xcrm.2023.101093
PlumXメトリクス
ハイライト

184人を対象とした非標的プロテオミクスにより、376の制御タンパク質を同定

細胞外マトリックスと抗原提示は1型糖尿病前段階では制御されている

標的プロテオミクスにより、990人において83のバイオマーカーが検証される

膵島の自己免疫と1型糖尿病の発症を機械学習で予測
概要
1型糖尿病（T1D）は自己免疫によるβ細胞の破壊に起因する。バイオマーカーが十分に得られていないことは、疾患の原因および進行の理解における大きなギャップである。我々は、TEDDY研究において、T1D発症を予測するバイオマーカーを同定するために、盲検化された2相の症例対照血漿プロテオミクスを実施した。184人からの2,252検体を対象とした非標的プロテオミクスにより、376の制御蛋白が同定され、自己免疫発症以前から補体、炎症シグナル、代謝蛋白が変化していることが示された。細胞外マトリックスと抗原提示タンパク質は、T1Dに進行する個体と自己免疫に留まる個体で制御が異なっている。990人からの6,426サンプルにおける167タンパク質のターゲットプロテオミクス測定により、83のバイオマーカーが検証された。機械学習による解析では、自己抗体が出現する6ヵ月前に、自己免疫のままかT1Dを発症するかを予測し、受信者動作特性曲線下面積はそれぞれ0.871と0.918であった。本研究は、T1D発症時に影響を受ける経路を強調するバイオマーカーを同定し、検証するものである。

グラフ抄録
大きな画像を見る
高解像度画像のダウンロード
キーワード
1型糖尿病
バイオマーカー
血漿プロテオミクス
自己免疫反応
はじめに
1型糖尿病（T1D）は、世界中で約2,000万人が罹患している慢性代謝疾患である。T1Dは、心血管疾患、失明、腎不全などの罹患を伴い、平均余命を11年縮める、
1
治療法はまだない。T1Dは、自己免疫反応によってインスリンを産生するβ細胞が徐々に破壊され、膵島蛋白に対する自己抗体が出現することで発症する（以下、「セロコンバージョン」と呼ぶ）。
2
,
3
しかし、この自己免疫反応の引き金となる原因やそのメカニズムはまだ十分に解明されていない。若年者における糖尿病の環境要因（Environmental Determinants of Diabetes in the Young：TEDDY）研究は、膵島自己免疫（IA）またはT1Dに関与する因子を同定し、治療介入の開発を可能にするという野心的な目標を掲げている。
4
このプロセスにおける重要なボトルネックは、T1D発症の各段階を正確に予測できるバイオマーカーがないことである。
血漿プロテオミクス解析は、タンパク質バイオマーカーを発見するための有望なアプローチである、
5
,
6
,
7
T1D発症のバイオマーカーの同定にも応用されている。
8
,
9
,
10
,
11
プロテオミクス解析は、疾患のメカニズムに関する重要な知見も与えてくれる。これまでの努力にもかかわらず
10
,
11
T1D発症のさまざまな段階を予測できるバイオマーカーの開発が急務である。膵島自己抗体はIAの優れた診断バイオマーカーであり、膵島自己抗体の多値はT1Dのほぼ必然的な発症を予測する。しかし、IA発症を予測し、それをモニターできるバイオマーカーの開発が切望されている。さらに、T1Dを発症する個体と、IAを発症するが高血糖は発症しない個体とを区別して、治療法の可能性を疾患発症の適切な段階に適切に集中させることも重要である。
バイオマーカー開発は長いプロセスであり、多くの研究は、候補の系統的検証の欠如のために失敗に終わっている。
12
ここでわれわれは、T1D血漿タンパク質のバイオマーカー探索と検証研究を行った。
13
を実施した。機械学習解析を行い、T1Dの発症、あるいは6歳までIAであるかどうかを、自己免疫反応が出現する6ヵ月前という早い時期に、高い精度で予測できるバイオマーカーパネルを同定した。また、ヒト膵島やサイトカインで処理した培養β細胞を用いた既発表の不随膜炎のプロテオミクスモデルと比較することで、T1D発症のメカニズムに関する知見も得られた。
研究結果
実験デザインと探索段階の解析
本研究は、ネステッドケースコントロールデザインに基づいて行われた。
4
IAおよびT1D発症を予測するバイオマーカーを同定することを目的とし、サンプルを6歳までにT1Dを発症した個体（T1D群）またはIAのままであった個体（IA群）の血清変換前後の8群に分け、それぞれを対照群とした。以下の比較が検討された： I1、IA群と対照群のセロコンバージョン前、T1、T1D群と対照群のセロコンバージョン前、I2、IA群と対照群のセロコンバージョン後、T2、T1D群と対照群のセロコンバージョン後、I3、IA群のセロコンバージョン前とセロコンバージョン後、T3、T1D群のセロコンバージョン前とセロコンバージョン後である（図1）。
図1研究デザイン： ヒト血漿中のバイオマーカーを発見し検証するための2相研究デザイン。
キャプションの全文を表示
大きな画像を見る
高解像度画像のダウンロード
この研究は2つのフェーズで構成された。1つは、限られた数の個人からプールされたサンプルのディーププロテオミクス解析に焦点を当てた探索フェーズである。
5
(n=184）のディーププロテオミクス解析に焦点を当てた探索段階と、より大規模なコホートからの多数のサンプルを用いて標的プロテオミクス解析を行い、バイオマーカー候補を選択した検証段階である。
14
(n=990)の多くのサンプルを標的プロテオミクスで解析した。発見段階と検証段階の両方のコホートの特徴と人口統計学的情報を表1に示す。発見段階では、62の多重プロテオミクスセットから合計1,488の質量分析が行われた。18ヵ月にわたるデータ収集の質を保証するために、QC-ART（quality control analysis in real time）と名付けられた自動品質管理システムを開発し、導入した。
15
この厳密な品質管理分析により、研究全体で一貫したデータが収集されたことが保証された。データプロファイルは、異なるマルチプレックスセット間でペプチド存在量の分布が非常に類似しており（図S3A）、各グループで同定されたペプチドの数も類似していた（図S3B）。1,720個のタンパク質に由来する合計36,252個のペプチドが同定され、各多重プロテオミクスセットに含まれる参照サンプルに正規化した後、以下の基準に基づいてデータセットからペプチドを順次除去した： (1)どのグループでも2サンプル以下で検出されたもの、(2)分散係数が150%より大きいもの、(3)マッチした症例-対照ペアで2つ以下で検出されたもの、(4)異なる比較でp値が0.05を超えたもの。これらの基準により、最終的な発見段階のプロテオミクスデータセットには、p値閾値0.05以下の有意なタンパク質376個（ペプチド数が2個以上のものが373個、1個のものが3個）が含まれた（図2A；表S1）。
表1研究コホートの特徴
発見バリデーションT1DIAT1DIAC症例マッチした対照症例マッチした対照症例マッチした対照症例マッチした対照症例数464646469494401401症例セロコンバージョン年齢 (months)median12–23–12–22–Q19–14–10–12–Q318–33–19–33–Genderfemale252517174343179179male212129295151222222Clinical centerColorado884413135757Georgia/Florida––11662828Washington4455663737Finland232323233131113113Germany661113133333Sweden5512122525133133HLA- DR-DQ遺伝子型HLA不適格11--1312DR3/4262025175539211152DR4/47610913186571DR4/8758614106167DR3/316311594681FDR特異的48-36131728T1DGP282842426161309309FDRの家族歴： 母親311134151637FDR:父親1152120145440FDR:両親-----1-1-FDR:兄弟姉妹421-842115最初の自己抗体のタイプIA+-44-45-89-392IAAのみ27227-5341940GADAのみ8-1111411323IA-2Aのみ---1---6-2つ以上の自己抗体11-7-27-69---。
FDR、第一度近親者、GADA、グルタミン酸脱炭酸酵素自己抗体、GP、一般集団、HLA、ヒト白血球抗原、IA、膵島自己免疫群（6歳まで自己免疫のまま）、IA-2A、膵島抗原-2自己抗体、IAA、インスリン自己抗体、T1D、1型糖尿病群（6歳までに自己免疫性糖尿病に進行）。
新しいタブで表を開く
図2探索段階のデータ解析
キャプションを表示する
大きな画像を見る
高解像度画像のダウンロード
IAおよびT1D発症において制御される生物学的経路
発見段階のデータの機能強化解析から、376の異なるタンパク質とそのプロテオフォームの中で22のパスウェイが過剰発現していることが示された（図2B）。解釈を容易にするために、これらのパスウェイを、異なる比較において制御された各パスウェイの構成要素に基づいて、より少ない生物学的プロセスにさらにグループ化した。パスウェイを円としてプロットし、その大きさは濃縮度（fold enrichment）に比例し、濃縮度の有意性に基づいて色分けした（図2B）。補体および血液凝固、抗原提示、細胞外マトリックス、栄養の消化・吸収、細胞代謝、炎症性シグナル伝達の各プロセスは、異なる量のタンパク質で有意に濃縮されていた（図2B）。これらのプロセスがT1D発症中の膵島でも起こる可能性があるかどうかを調べるため、TEDDYプロテオミクスデータの機能濃縮解析の結果を、ヒト膵島のプロテオミクス解析の発表結果と比較した16。
16
およびβ細胞株EndoC-βH1
17
のプロテオミクス解析結果と比較した。各サンプルタイプは、IA中のinsulitisのモデルとして、炎症性サイトカインinterleukin-1β（IL-1β）＋インターフェロンγ（IFNγ）で処理された。補体および血液凝固、抗原提示、細胞外マトリックス、および炎症性シグナル伝達に関連するタンパク質も、ヒト膵島研究におけるIL-1β+IFNγ制御タンパク質の中に濃縮されていた（図2B）。EndoC-βH1細胞では、抗原提示、炎症性シグナル伝達、細胞代謝に関連する経路が、血漿中のシグネチャーと同様に制御されていた（図2B）。このことは、T1D発症時に血漿で起こる同様の炎症シグネチャーが、膵島でも不感症発症時に起こることを示している。
細胞外マトリックス
細胞外マトリックスに関連する経路は、異なる比較の間で共通して濃縮されていた。しかし、ヒートマップで示されるように、異なる比較間で有意なタンパク質の重複はわずかであった。血清転換前では、IA群では14個の制御されたタンパク質（12個はアップレギュレート）があった（比較I1、図3）が、T1D群では10個の制御されたタンパク質（全てアップレギュレート）があった（比較T1、図3）。血清転換後では、シナリオはより明瞭になり、IA群では25個の制御タンパク質のうち24個がダウンレギュレートされ、T1D群では17個の制御タンパク質のうち17個がアップレギュレートされた（それぞれ比較I2とT2、図3）。
図3制御されたパスウェイ
キャプションの全文を表示
大きな画像を見る
高解像度画像のダウンロード
抗原提示
抗原のプロセシングと提示は、T1D群とIA群を比較すると、血清転換前の時点で最も特徴的な経路であった。T1D群では、カテプシンL1（CTSL）（タンパク質名はUniProt遺伝子名で略記）およびプロテアソームサブユニットPSMA8、PSMB1、PSBM5、PSBM6を含む抗原処理タンパク質の高レベルが観察された（比較T1、図3）。カテプシンL1とプロテアソームサブユニットPSMA2、PSBM4、PSBM10も血清転換後に高値を示したが、抗原提示複合体であるヒト白血球抗原クラスI（HLA-B）とβ-2-マクロブロブリン（B2M）も伴っていた（比較T2、図3）。
炎症性シグナル伝達
4つのサイトカインとケモカインが異なる比較で制御されていた。C-Cモチーフケモカイン14（CCL14）はT1D群では対照群と比較して血清転換前に低下していた（比較T1、図3）。CCL5とプロ血小板塩基性タンパク質（PPBP；またはCXCL7）は、T1D群で対照群と比較して、血清転換後の時点でそれぞれアップレギュレートとダウンレギュレートされた（比較T2、図3）。血小板由来成長因子受容体β（PDGFRB）やマクロファージ受容体MARCOなどの受容体や、セリン/スレオニンプロテインホスファターゼ2A 65 kDa調節サブユニットAαアイソフォーム（PPP2R1A）などのシグナル伝達タンパク質も調節されていた（図3）。
補体と凝固
血清転換前では、補体因子C1QC、C3 C4A、C5、C8A、C8B、C9、CR1L、CFB、CFH、CFIおよび凝固因子F5、F12、フィブリノーゲンα、γ、フォンウィルブランド、アデニル酸キナーゼは、IA群で各コントロール群に対して高値を示したが（比較I1、図3）、F5およびフォンウィルブランド因子のプロテオフォームは、T1D群で発現が上昇した（比較T1、図3）。血清転換後は、両群ともほとんどの凝固因子と補体因子のレベルがそれぞれの対照群と比べて低かった。しかしながら、特定のプロテオフォームは逆の制御を受けており（比較I2およびT2、図3）、おそらくこれらのタンパク質のプロセッシングまたは翻訳後修飾を反映していると思われる。
代謝タンパク質
中心的な炭素代謝酵素のうち、グリセルアルデヒド-3-リン酸デヒドロゲナーゼ（GAPDH）、フルクトース-ビスリン酸アルドラーゼA、リボース-5-リン酸イソメラーゼは、T1D群では血清転換後に減少したが、IA群では減少しなかった（比較I2およびT2、図3）ことから、糖代謝異常が示唆される。リポ蛋白は、血漿中で制御される代謝蛋白のもう一つの分類を示す。アポリポ蛋白（Apo）A1は血清転換前の両群で増加していたが、血清転換後はコントロールと同レベルであった（図3）。逆に、Apo A2、A4、B、C1、C2、C3、D、E、H、Jは、血清転換前では両群とも対照群と同程度であったが、血清転換後は低下した（図3）。全体として、これらのデータは、高血糖に先行する代謝タンパク質の変化を示している。
タンパク質バイオマーカー候補の検証
探索段階で得られたバイオマーカー候補について、以下の基準に基づいて系統的な優先順位付けを行った： (1)Benjamini-Hochberg調整p値≦0.05における統計学的有意性、(2)タンパク質あたり同定されたペプチドが2個以上、スペクトルカウント（SpC）≧20、未調整p値＜0. 005；(3)1つのタンパク質につき同定されたペプチドが2つ以上、SpCが20以上、23以上のサンプルで検出され、機械学習（ML）により6つの比較のそれぞれについて最も予測的なタンパク質群を決定する；あるいは(4)文献でT1D発症のバイオマーカーとなりうるものとして以前に記載されたタンパク質
8
,
9
,
10
,
11
で、未調整のp値≦0.05であった（図4A）。この分析により、検証段階では167個のタンパク質が選択され、そのうち811個のペプチドが標的プロテオミクスアッセイ開発のために選択された（STAR Methodsに記載）。探索段階と同様に、我々はQ4SRM（quality control analysis for selected reaction monitoring）と名付けたインフォマティクスツールを開発した。
18
を開発した。研究終了まで、全167タンパク質から合計694ペプチドが正常にモニターされた（図4B；表S2）。追加的な事後品質管理分析では、実施された6,426件の標的プロテオミクス分析のほとんどすべてについて、驚くほど高い相関性（95%以上）が示された（図S4）。測定されたペプチドから、83（50%）のタンパク質からの127のペプチドが有意であり、比較I1、T1、I2、T2にわたって発見段階と同様の存在量パターンを示し、バイオマーカーとして検証された（図4、表S3、S4、S5）。検証された83のタンパク質は、発見段階でT1D発症において制御されていると観察されたすべての主要な生物学的プロセス（抗原提示、補体および血液凝固、細胞外マトリックス、炎症シグナル伝達、代謝タンパク質）に属していた。
図4バリデーション段階のデータ解析
キャプションの全文を表示
大きな画像を見る
高解像度画像のダウンロード
T1D発症予測のためのMLモデル
MLは、表現型を予測できるバイオマーカーを個別または組み合わせて同定するための強力なアプローチである。そこで我々は、血清転換前の6歳までにIAにとどまるかT1Dを発症するかを予測できるバイオマーカーを同定するためにML解析を行った。LASSOペナルティを用いたロジスティック回帰を用いて、異なる結果を予測できるMLモデルを構築した。この分析により、異なる転帰を最もよく予測するペプチドのパネルに基づくモデルを同定することができ、100回のブートストラップ反復を繰り返すクロスバリデーションによりテストした。この分析から得られた受信者動作特性曲線は、6歳時点でのIAとT1Dの両方の状態を、血清転換時期の6ヶ月前に高い精度で予測できることを示しており、平均曲線下面積はそれぞれ0.871と0.918、ブートストラップ95％信頼区間は（0.826、0.912）と（0.830、0.942）であった（図5A）。図5Bは、モデルを構築するためにML解析によって選択されたペプチドのパネルと相関するタンパク質を示している。最も重要なタンパク質、すなわちトレーニングモデル全体にわたってより高い頻度で出現したタンパク質の中には、補体および凝固カスケードに由来するタンパク質（例えば C4B、C5、C6、C8B、C9、F2、F5など）、細胞外マトリックス（MMP2、COL1A1、COL1A2、WVF、ADAMTS13など）、抗原のプロセシングと提示（HLA-A、HLA-B、B2Mなど）が挙げられ（図5B；表S6）、これらのタンパク質が疾患発症における重要なプロセスであることが示唆された。116個のペプチドのうち28個はI1とT1の両方で共通に選択され、81個はI1でのみ、7個はT1でのみ選択された（図5B；表S6）。全体として、ML解析は、6歳時点でのIAとT1Dの状態は、IA発症の6ヶ月前でも予測できることを示した。
図5機械学習解析による血清転換前の正常血糖またはT1D発症を伴う自己免疫の予測
キャプションの全文を表示
大きな画像を見る
高解像度画像のダウンロード
考察
我々はまず、TEDDY研究のコホートにおいて、正常血糖とT1D発症を伴うIAのさまざまな時点において、376の異なる豊富なタンパク質を同定した。これらのタンパク質は、補体や血液凝固、抗原提示、細胞外マトリックス、栄養素の消化吸収、細胞代謝、炎症シグナル伝達など、T1D発症に関連するプロセスで過剰発現していた（図6）。重要なことに、これらの過程は、ヒトの膵島や、炎症性サイトカインで刺激した培養β細胞でも制御されていた。このことは、これらのプロセスのいくつかは、T1D発症時に膵臓でも起こっていることを示唆している。全体として、我々のデータは補体および凝固カスケードにおける制御を示した。補体の多型はT1D発症の高いリスクと関連している。
19
,
20
T1D患者の膵臓では、補体の活性化と沈着が増加していることが示されている。
21
T1D患者では、血小板凝集能や凝固活性の上昇、線溶活性の低下など、凝固状態も亢進している。
22
補体はまた、病原体や死細胞（おそらくβ細胞）のオプソニン化に関与し、貪食に向かわせることができる（図6）。
図6自己免疫とT1D発症において制御される経路の概要
キャプションの全文を表示する
大きな画像を見る
高解像度画像のダウンロード
我々のデータでは、貪食とリソソームの構成要素も制御されていることが示された（図6）。このプロセスは、病原体や死細胞の破壊と抗原提示に関与している。その後のプロテアソームによる抗原処理とHLAによる提示の過程は、T1Dを発症した個体（比較T1、図6）の血清転換前の段階でのみアップレギュレートされており、疾患発症におけるこの過程の重要性を補強している。プロテアソームレベルが高くなると、抗原提示に異常が生じ、自己免疫が発達する可能性がある。抗原提示遺伝子HLAの多型は、まさにT1D発症の主要な危険因子である。
23
HLA変異体は膵島の自己抗原を異なって提示することができ、自己免疫の発症に関与していると考えられている。
24
IA中、炎症性サイトカインとケモカインが産生され、β細胞のアポトーシスを誘発し、白血球の動員を助け、不随膜炎を引き起こす。
25
このシグナル伝達は、遺伝子発現と細胞代謝の調節にもつながり、これは我々のデータでも観察されている（図6）。
我々のデータでは、血清転換前でも代謝タンパク質のシフトが見られる（図6）。代謝物プロファイルの変化は、血清転換の6ヵ月前に自己抗体の発現を予測することが示されている。
26
さらに、TEDDY研究の3～9ヵ月児で検出された代謝物プロファイルは、6歳までにT1Dを発症することを予測する。
27
さらに、プロインスリン対Cペプチド比の異常は、T1D発症の12ヵ月前に検出される、
28
は、高血糖を引き起こす以前から、インスリン処理の機能障害が身体の代謝に影響を及ぼしている可能性を示唆している。同様に、胆汁酸代謝は、T1D発症におけるセロコンバージョン以前に調節異常を起こしている。
29
さらに、血漿リポ蛋白のいくつかの成分は、血清転換後に低下した。血漿リポ蛋白の主要成分であるトリアシルグリセロールは、T1Dを発症した小児では、IAを発症したが正常血糖を維持した小児と比較して低いことが示されている30。
30
Apo CIIIなどのリポ蛋白サブユニットはT1D発症に関連している。Apo CIIIはβ細胞のアポトーシスを誘発することが示されている。
31
全体として、代謝の変化は病気の発症に先行し、T1Dの発症にも関与している可能性がある。
我々のデータで高度に制御されたもう一つの過程は細胞外マトリックスであった（図6）。血中細胞外マトリックス蛋白質は組織損傷の良い指標である
32
膵島の損傷を示している可能性がある。さらに、白血球が膵島に侵入する際、膵島の細胞外マトリックスは細胞の浸潤を可能にするために大きなリモデリングを受ける。
33
我々のデータは、T1Dを発症したIA患者と正常血糖のIA患者で、血漿中の細胞外タンパク質のプロフィールが異なっていることを示しており、おそらくβ細胞の破壊を可能にしているか、あるいは妨げているのであろう。
34
臨床診断では、T1Dは血糖値または糖化ヘモグロビンによって診断される。
3
予測バイオマーカーとしては、HLA遺伝子型や膵島蛋白に対する自己抗体が使用されているが、疾患の不均一性のために十分な識別力がない。
35
T細胞に基づくバイオマーカーが現在開発されているが、さらなる検証が必要である。
36
プロテオミクスはT1Dバイオマーカーの同定に応用されているが、その一部は発症後の疾患診断に焦点を当てたものである。
8
,
9
T1D発症前のバイオマーカー研究では、von Toerne et al.
10
は、IA発症とT1D発症を診断できるバイオマーカーを同定するため、血清転換後のサンプルを用いてプロテオミクスによる発見と検証を行った。彼らは、IAの循環バイオマーカーをいくつか同定し、肝細胞増殖因子活性化因子、補体因子H、セルロプラスミン、年齢からなるタンパク質パネルがT1Dへの進行時間を予測できることを見出した。
10
Moulderらは、T1Dを発症した13人と年齢をマッチさせた対照群との3ヵ月から12歳までの縦断的研究においてアンターゲットプロテオミクス解析を行い、補体タンパク質やAposなどのタンパク質のプロファイルからT1Dの発症を予測できることを見出した。
11
ここでは、異なる病期とT1D発症の可能性のバイオマーカーを同定し、検証する研究を行った。年齢に基づいて症例-対照ペアをマッチングさせたMoulderらの研究とは異なり、我々は血清転換に関連して比較を行った。我々は、発症前のIAとT1D発症に関する83のバイオマーカーを同定し、検証した。さらに、ML解析を行い、自己免疫反応が出現する6ヵ月前であっても、正常血糖を伴う持続性自己抗体の発現とT1Dの両方を予測できるタンパク質のパネルを同定した。我々は、ヒト集団における自己免疫とT1Dの発症に関する現在進行中の他の前向き研究において、これらの有望な予測タンパク質パネルを評価することで、予後予測や治療法の開発に役立つと確信している。
研究の限界
本研究の限界のひとつは、バリデーションが独立したサンプルコホートで行われなかったことである。独立した検体コホートでの検証は、地理的・集団的バイアスに基づく交絡因子をある程度排除することができる。しかし、われわれのコホートには米国と欧州の7つの異なる施設からの個人が含まれており、地域的な交絡因子をある程度減らすことができる。我々の研究のもう一つの限界は、MLモデルが独立したコホートのサンプルで検証されていないことである。しかし、解析の頑健性のために、100回のブートストラップ反復によるクロスバリデーションを繰り返している。またML分析では、実用化する前に対照となる個体のベースライン値を作成する必要がある。したがって、これら2つの限界は、我々の知見を臨床に導入する前に、独立したコホートの追加研究でさらに評価する必要がある点の1つである。最後に、性別や代謝マーカーのような従来の危険因子に基づくベースラインモデル性能は、症例と対照被験者のペアリングに用いられたか、あるいは利用できなかったため、明確には評価されなかった。しかし、本研究におけるモデル性能の曲線下面積（AUC）値は、以前に発表されたベースライン指標を上回ることがわかった。
37
,
38
これらの限界にもかかわらず、我々の結果は、T1D発症において制御される分子経路に関する生物学的洞察を提供し、この疾患のバイオマーカー候補を同定した。
STAR★方法
主要リソース表
REAGENT or RESOURCESOURCEIDENTIFIER生物学的サンプルヒト血漿The Environmental Determinants of Diabetes in the Young (TEDDY) studyhttps://teddy.epi.usf. edu/Chemicals, peptides, and recombinant proteinsCustom Synthesized Heavy Isotope-Labeled PeptidesNew England Peptides, now VivitideN/A4-(2-hydroxyethyl)-1-piperazineethanesulfonic acid (HEPES)Sigma - AldrichH3375アセトニトリル、HPLCグレードJ.T.Baker9829-03アセトニトリル、HPLCグレードJ.T.Baker9829-03アセトニトリル、HPLCグレードJ.T.Baker9829-03アセトニトリル、HPLCグレード。Baker9829-03無水アセトニトリルSigma - Aldrich271004水酸化アンモニウム水溶液Sigma - Aldrich338818プロチニンSigma - AldrichA6103マルチプルアフィニティ除去LCカラム用バッファーAAgilent5185-5987マルチプルアフィニティ除去LCカラム用バッファーBAgilent5185-5988クロロホルムSigma - AldrichC2432ジチニルアセトニトリル、HPLCグレード AldrichC2432ジチオスレイトールThermo Scientific20291エチレンジアミン四酢酸Sigma - AldrichE7889ギ酸Sigma - Aldrich33015ヨードアセトアミドThermo Scientific90034HPLCグレード水J. T. Baker4218-03Hydroxylamine Solution 50%Sigma - Aldrich467804メタノール、HPLCグレードFluka34966Sequencing grade modified trypsinPromegaV5117Tris (hydroxymethyl)aminomethane hydrochloride pH 8. 0Sigma - AldrichT2694トリフルオロ酢酸Sigma - Aldrich91707尿素Sigma - AldrichU0631重要な市販アッセイ8プレックスiTRAQキットApplied Biosystems4390811デポジットデータ探索段階の質量分析データMassIVEMSV000091560バリデーション段階の質量分析データMassIVEMSV000091562ソフトウェアとアルゴリズムRパッケージ（v3. 2.3)The R Project for Statistical Computinghttps://www.r-project.org/Decon2LS_V2Pacific Northwest National Laboratoryhttps://github.com/PNNL-Comp-Mass-SpecDTA RefineryPacific Northwest National Laboratoryhttps://github. com/PNNL-Comp-Mass-SpecMSGF+University of California - San Diegohttps://msgfplus.github.io/MASICPacific Northwest National Laboratoryhttps://github.com/PNNL-Comp-Mass-SpecQC-ARTPacific Northwest National Laboratoryhttps://github.com/PNNL-Comp-Mass-SpecQ4SRMPacific Northwest National Laboratoryhttps://github.com/PNNL-Comp-Mass-SpecSkylineUniversity of Washingtonhttps://skyline.ms/DAVIDNational Institutes of Healthhttps://david.ncifcrf.gov/OtherHu-14 4.6 × 100 mm MARSカラムAgilent5188-65583-kDa MWCO Amicon遠心フィルターMilliporeUFC5003BK逆相tC18 SepPak SPEカラムWatersWAT054925
新しいタブで表を開く
リソース
連絡先
リソースおよび試薬に関する詳細情報およびリクエストは、リードコンタクトであるThomas O. Metz (thomas.metz@pnnl.gov)までご連絡ください。
材料の入手可能性
利用可能な材料については、TEDDYのアクセスページ（https://teddy.epi.usf.edu/research/）をご参照ください。試料の入手には制限があり、TEDDY補助研究委員会の承認が必要である。
実験モデルと被験者の詳細
試験デザイン、サンプルコホート、バッチング、無作為化
本研究は、連邦規則に従い、南フロリダ大学（USF）およびパシフィック・ノースウェスト国立研究所（PNNL）の施設審査委員会の承認を得て実施された。この研究では、6歳までにT1Dを発症した人（T1D群）またはIAにとどまった人（IA群）の血清転換前後の検体を、それぞれの対照群と対にして分析した。以下の比較が行われた： I1：IA群と血清転換前の対照群、T1：T1D群と血清転換前の対照群： I1：IA群と対照群の血清転換前、T1：T1D群と対照群の血清転換前、I2：IA群と対照群の血清転換後、T2：T1D群と対照群の血清転換後、I3：IA群の血清転換前と血清転換後、T3：T1D群の血清転換前と血清転換後である（図1）。
TEDDY研究参加者はT1D発症の遺伝的リスクが高く、研究を管理可能な規模に縮小するため、サンプルは臨床施設、性別、T1Dの家族歴に基づいて事前にマッチングされた。
4
サンプルは2004年9月から2012年5月にかけて収集された。EMLA局所麻酔薬で30～40分間処置した後、EDTAチューブを用いて前上腕静脈から採血した。血漿は遠心分離により細胞から分離され、2014年9月のプロテオミクスプロジェクト開始までNIDDKのリポジトリで-70℃で保存された。膵島細胞（IA-2A）、インスリン（IAA）、グルタミン酸デカルボキシラーゼ（GADA）および亜鉛トランスポーター8A（ZnT8A）に対する自己抗体のスクリーニングにより、既述のように血清転換を判定した。
39
T1Dは、世界保健機関（WHO）と米国糖尿病学会（American Diabetes Association）の勧告に従って、血糖値と経口ブドウ糖負荷試験に基づいて診断された。
40
このネステッド症例対照研究において、TEDDYは7施設（欧州ではドイツ、スウェーデン、フィンランド、米国ではデンバー、ジョージア、フロリダ、ワシントン）から8,000人以上の0〜6歳の患者をモニターした。この中から418人がIAを発症し、114人がT1Dに進行した。
4
プロテオミクス解析のために、IA群には401人、T1D群には94人を選び、それぞれマッチさせた対照とペアにした。症例対照サンプルのサブセットの特徴を表1に示す。
プロテオミクス研究は、綿密かつ頑健な解析を保証するために、発見段階と検証段階を設けてデザインされ、検証段階の終了まで盲検化された方法で実施された。サンプルの選択、バッチング、無作為化はUSFで行われ、プロテオミクス測定はPNNLで行われた。無作為化は、試験エンドポイントと患者時点が試験全体にわたって適切に分散していること、また、統計的デザインに合致するように、ネステッド症例対照ペアが処理中に同じバッチ内で解析されることを保証するために行われた。
方法の詳細
探索段階-非標的プロテオミクス解析
著者らの研究室で収集された類似の血漿プロテオミクスデータセット（複数の時点にわたって12人で測定された16,928ペプチドから成る）を用いて、各研究群で必要とされる症例対照ペアの数を決定するために統計的検出力分析を行った。Rパッケージ(v3.2.3)のpower.t.test関数を用いて、プロテオミクスデータの全測定ペプチドの75パーセンタイルに関連する分散推定値を用いて2倍の差を検出する検出力80％に達するには、23組の症例-対照ペアが必要であると決定された。アンターゲット・プロテオミクス解析で頻繁に遭遇する欠損データを考慮し、この数を2倍の46組の症例対照とした。この結果、2252の血漿サンプル（複数の時点を考慮）が得られ、コストとロジスティクスの関係から、血清変換前または変換後のドナーごとに368のプールサンプルにまとめられた。使用したサンプルの詳細な分布については、図S1を参照。分析では、Hu-14 4.6 × 100 mm MARS カラム（Agilent Technologies, Palo Alto, CA）を 1200 シリーズ HPLC（Agilent）に接続して、各サンプル中の最も豊富なタンパク質 14 種を除去し、Amicon 遠心フィルター（3-kDa MWCO, Millipore, Burlington, MA）で濃縮した。タンパク質は96ウェルプレートで消化した、
41
ペプチドは、製造元の推奨に従って、8-plex iTRAQ 試薬（Applied Biosystems, Foster City, CA）で標識した。各サンプルのアリコートを混合してプール参照サンプルを作成し、異なるデータセット間の正規化に使用した。多重化 iTRAQ 標識サンプルは、高 pH 逆相クロマトグラフィーで分取され、LTQ Orbitrap Velos 質量分析計（Thermo Scientific）に接続された nanoAquity UPLC® システム（Waters）で分析された。
15
,
42
マススペクトルはDecon2LS_V2とDTA Refineryを用いて処理した、
43
,
44
を用いて同定した。
45
Uniprot KnowledgebaseのヒトSwissProt配列と検索することにより同定した。パラメータは以下の通り： (1)6ppmの親イオン質量の許容範囲、(2)部分的なトリプシン消化、(3)静的修飾としてシステインのカルバミドメチル化(+57.0215)とN末端/リジン8-plex iTRAQ (+304.2053)の付加、(4)メチオニン、システイン、チロシンの酸化(+15.9949 Da)。 メチオニン、システイン、チロシン、トリプトファン上の酸化（+15.9949 Da）、システイン上の二酸化（+31.9898 Da）、アスパラギン、グルタミン、アルギニン残基上の脱アミド/脱アミド（+0.9840 Da）を可変修飾とした。同定は、スペクトル、ペプチド、タンパク質レベルで、それぞれ≤1.0 × 10-9、≤7 × 10-11、≤2 × 10-12のMSGF確率スコアでフィルタリングされ、その結果、偽発見率は1%未満となった。 iTRAQレポーターイオン強度は、MASICで抽出された、
46
で抽出し、同じペプチドから得られた複数のMS/MSスペクトルの強度を合計して冗長性を取り除いた。
検証段階 - ターゲットプロテオミクス解析
発見段階で同定されたバイオマーカー候補タンパク質の代理として、物理化学的特性（両末端のトリプシン消化に由来する8～20アミノ酸残基、翻訳後修飾アミノ酸残基や化学合成に問題となる残基の欠如）に基づいて最大5個のペプチドを選択し、ベイジアンネットワークが生成した確率的スコアを用いて、標的プロテオミクスアッセイに成功する可能性の高いペプチドを選択した。プロテオフォームの可能性を考慮し、統計的に有意でない同じタンパク質からのペプチドも含まれた。サンプルは、96ウェルプレートに約80サンプルずつ調製し、分析した。症例と対照のペアは同じバッチに限定され、プレート全体で無作為化された。各個体の時点を図S2に示す。品質管理サンプルは、TEDDYのプール血漿6サンプルとBioIVT（ニューヨーク州Westbury）の市販プール血漿1サンプルで構成され、これらも各バッチ内で無作為化された。6,426検体の全血漿を96ウェルプレートで80バッチ消化した。
41
で消化し、C末端残基に重同位体を含むカスタム合成ペプチド（New England Peptides、現Vivitide）をスパイクした。ターゲット・プロテオミクス分析は、TSQ Altisトリプル四重極質量分析計（Thermo Fisher Scientific）に接続したNano M-class UPLC（Waters）を用いて行った。ヒト血漿をニワトリ血漿に希釈することにより、アッセイの直線性をチェックした。データの質はQ4SRMツールを用いて評価した。
18
データはSkylineソフトウェアで解析され、適切なアライメントとバックグラウンドの閾値が手動で検査された。
定量および統計解析
統計解析
アンターゲットプロテオミクスデータの統計的品質管理には、1群につき1サンプルでしか観察されなかったペプチドの除去と、マハラノビス距離法を用いた異常値同定が含まれた47。
47
,
48
ペプチドレベルのデータからのタンパク質定量は、標準定量とスケール中央値定量に基づいた
48
,
49
統計は、分散分析モデルを用いて、タンパク質とプロテオフォーム（遺伝子のアイソフォーム、プロセッシング、翻訳後修飾に起因する同じタンパク質の異なる形態）について行った。p値はその後、Benjamini-Hochberg多重比較調整で補正された。
50
で補正した。参加者の性別と年齢は、ペアリングによって除去されなかった影響を説明するために、潜在的な共変量として組み入れられた。多重検定のp値補正の結果、いずれの因子も有意な証拠は認められなかった。p値の閾値を満たさないが、多変量モデルにおいて転帰を予測する可能性のある検証候補タンパク質を同定するために、機械学習も行われた。これはRを使用し、Random Forestによるデータインピュテーションで構成された、
51
リスク関連付けは、Probabilistic Conditional Logistic Regression（確率的条件付きロジスティック回帰）と、特徴選択（clogitLasso）のための最小絶対縮小・選択演算子（LASSO）を統合して行った。
52
疾患発症を予測する早期バイオマーカーパネルを同定するための機械学習分析
検証段階のデータは、セロコンバージョン前の3時点のうち少なくとも1時点において50％未満のサンプルで観察された3つのペプチドを除去するためにフィルタリングされた。残りの欠損値はRandom Forestでインプットされた。
51
インピュテーションを行った。ペアリング補正
53
を適用した。LASSOペナルティ関数を用いたロジスティック回帰が、症例/対照ステータスを説明変数としてデータに適合された。機械学習モデルは、100回のブートストラップ反復を繰り返す4重クロスバリデーションを用いて、各時点のデータに個別に適合させた。
機能強化分析
DAVIDを用いて、機能エンリッチメント解析のために、差分的に豊富なタンパク質をフィルタリングした、
54
KEGGアノテーションを含むパスウェイのみを使用した。生物学的解釈は、サンプルとデータ解析における無意識のバイアスを避けるため、標的プロテオミクスデータ解析が完了した後にのみ行った。
データの利用可能性
データの利用可能性については、TEDDYデータサマリーhttps://teddy.epi.usf.edu/research/。質量分析生データファイルは、MSV000091560（非標的プロテオミクス）およびMSV000091562（標的プロテオミクス）のアクセッション番号でMassIVE（https://massive.ucsd.edu/）に寄託された。

この論文で報告されたデータの再解析に必要な追加情報は、要請があれば主担当者から入手可能である。
謝辞
著者らは、PNNLのNathan Johnson氏とShannon Colson氏に図解を、Jennifer Van Eyk博士（Cedars-Sinai Medical Center）とMichael McCoss博士（University of Washington）に洞察に満ちたディスカッションを提供していただいた。本研究の一部は、ワシントン州リッチランドにあるパシフィック・ノースウェスト国立研究所（PNNL）の米国DOE国立科学ユーザー施設である環境分子科学研究所（Environmental Molecular Sciences Laboratory）で行われた。Battelle社は、DE-AC05-76RLO01830契約に基づき、DOEのためにPNNLを運営している。TEDDY Studyは、U01 DK63829、U01 DK63861、U01 DK63821、U01 DK63865、U01 DK63863、U01 DK63836、U01 DK63790、UC4 DK63829、UC4 DK63861、UC4 DK63821から資金提供を受けている、 UC4 DK63865, UC4 DK63863, UC4 DK63836, UC4 DK95300, UC4 DK100238, UC4 DK106955, UC4 DK112243, UC4 DK117483, U01 DK124166, U01 DK128847, and contract no. 国立糖尿病・消化器・腎臓病研究所（NIDDK）、国立アレルギー・感染症研究所（NIAID）、ユニス・ケネディ・シュライバー国立小児保健・人間発達研究所（NICHD）、国立環境保健科学研究所（NIEHS）、疾病対策予防センター（CDC）、およびJDRFからの契約番号HHSN267200700014C。本研究の一部は、フロリダ大学（UL1 TR000064）およびコロラド大学（UL1 TR002535）に対するNIH/NCATS Clinical and Translational Science Awardsの支援を受けている。内容は著者らの責任によるものであり、必ずしもNational Institutes of Healthの公式見解を表すものではない。T.O.M.、B.-J.M.W.-R.、E.S.N.、W.-J.Q.は、NIDDKプロジェクトU01 DK127505、U01 DK127786、U01 DK124020の支援も受けている。プロテオミクスの測定は、米国国立衛生研究所（National Institutes of Health）の助成金P41GM103493により部分的に開発された機能を用いて行われた。
著者貢献
E.S.N.、C.A.、M.A.G.、A.A.S.、L.M.B.、P.D.P.、W.-J.Q.、B.I.F.、S.S.、J.T.、A.-G.Z.、A.L.、W.H.、B.A.、R.D.S.、B.-。 J.M.W.-R.、M.J.R.、T.O.M.、およびTEDDY研究グループ（TSG）は、本研究を発案し、試験デザインに参加した。TSGはサンプルを収集した。M.A.G.、A.A.S.、T.R.C.、P.D.P.、T.L.F.、D.J.O.およびR.J.M.は試料を調製し、液体クロマトグラフィー質量分析（LC-MS）分析を行った。E.S.N.、C.A.、L.M.B.、P.D.P.、Y.G.、B.A.S.、D.J.O.、W.J.Q.、B.I.F.、R.D.S.、B.-J.M.W.-R.、M.J.R.、T.O.M.、T.S.G.がデータ解析を行った。E.S.N.、C.A.、M.A.G.、A.A.S.、L.M.B.、P.D.P.、D.W.E.、T.L.F.、W.-J.Q.、R.D.S.、B.-J.M.W.-R.、M.J.R.、T.O.M.、およびTSGは、バイオマーカー候補を検証するための標的MSアッセイを開発した。E.S.N.、L.M.B.、A.A.S.、P.D.P.、T.R.C.、B.-J.M.W.-R.、T.O.M.が原稿を執筆した。著者全員が最終原稿を読み、修正し、承認した。
利害関係
著者らは、競合する利益はないと宣言している。
インクルージョンと多様性
我々は、包括的で多様性のある、公平な研究実施を支持する。
補足情報
pdfをダウンロードする (.64 MB)
pdfファイルのヘルプ
資料S1. 付録S1および図S1-S4
ダウンロード .xlsx (.51 MB)
xlsxファイルのヘルプ
表S1. 探索段階で定量されたタンパク質の統計解析（図2に関連
ダウンロード .xlsx (.02 MB)
xlsxファイルのヘルプ
表S2. 検証フェーズで選択されたバイオマーカー候補（図4関連
ダウンロード .xlsx (.29 MB)
xlsxファイルのヘルプ
表S3. 図4に関連する、1型糖尿病を発症した個体の検証段階で測定されたペプチドの統計解析
ダウンロード .xlsx (.58 MB)
xlsxファイルのヘルプ
表S4. 図4に関連した、膵島自己免疫はあるが高血糖を発症しなかった個体についての検証段階で測定されたペプチドの統計解析
.xlsxをダウンロードする (.02 MB)
xlsxファイルのヘルプ
表S5. 図4に関連する有効なバイオマーカーのリスト
ダウンロード .xlsx (.02 MB)
xlsxファイルのヘルプ
表S6. 正常血糖と1型糖尿病発症を伴う膵島自己免疫の多変量パネル予測に使用したペプチドのパネル、血清転換の6ヶ月前の時点、図5関連
参考文献
Livingstone S.J.
Levin D.
ルッカーH.C.
Lindsay R.S.
ワイルド S.H.
ジョス N．
リース G．
レスリー P．
マクリモン R.J.
メトカーフW．
et al.
2008-2010年、スコットランドの1型糖尿病コホートにおける推定余命。
JAMA. 2015; 313: 37-44https://doi.org/10.1001/jama.2014.16425
論文で見る
スコープス (384)
PubMed
Crossref
グーグル奨学生
アトキンソン M.A.
アイゼンバースG.S.
ミケルスA.W.
1型糖尿病。
ランセット。2014; 383: 69-82https://doi.org/10.1016/S0140-6736(13)60591-7
記事で見る
スコープス (1474)
PubMed
要旨
全文
全文PDF
グーグル奨学生
ディメリオL.A.
エヴァンス・モリーナC.
オーラムR.A.
1型糖尿病。
Lancet. 2018; 391: 2449-2462https://doi.org/10.1016/S0140-6736(18)31320-5
論文で見る
スコープス (622)
PubMed
要旨
全文
全文PDF
グーグル奨学生
リー・H.S.
ブルクハルトB.R.
マクラウドW.
スミス S.
エバーハルトC.
リンチ K．
ハドレー D．
リワーズ M.
シメル O．
シェJ.X.
他。
若年者における糖尿病の環境的決定因子（Environmental Determinants of Diabetes in the Young：TEDDY）研究における1型糖尿病のバイオマーカー探索研究デザイン。
Diabetes. Metab. Res. Rev. 2014; 30: 424-434https://doi.org/10.1002/dmrr.2510
論文で見る
スコープス (35)
PubMed
クロス
グーグル奨学生
ケシシアン H.
バージェスM.W.
シュペヒトH.
ウォレス L.
クラウザー K.R.
ジレット M.A.
カー S.A.
質量分析によるヒト血漿の深部分析とバイオマーカー探索のための定量的多重化ワークフロー。
Nat. Protoc. 2017; 12: 1683-1701https://doi.org/10.1038/nprot.2017.054
論文で見る
スコープス (97)
PubMed
クロス
グーグル奨学生
ガイヤー P.E.
クラックN.A.
ピヒラーG.
ホルト L.M.
テュプサーD.
マンM.
ヒトの健康と病気を評価するための血漿プロテオームプロファイリング。
Cell Syst. 2016; 2: 185-195https://doi.org/10.1016/j.cels.2016.02.015
論文で見る
スコープス (405)
PubMed
概要
全文
全文PDF
グーグル奨学生
リュー Y.
Buil A.
コリンズ B.C.
ジレットL.C.J.
ブルーム L.C.
チェン・L.Y.
ヴィテック O．
ムーリツェン J.
ラシャンス G.
スペクターT.D.
他。
ヒト双生児集団における342種類の血漿タンパク質の定量的変動性。
Mol. Syst. Biol. 2015; 11: 786https://doi.org/10.15252/msb.20145728
論文で見る
スコープス (228)
PubMed
クロス
グーグル奨学生
Zhang Q.
フィルモア T.L.
シェプモエス A.A.
クラウス T.R.W.
グリセンコ M.A.
ミューラー P.W.
リワーズM.
アトキンソン M.A.
スミス R.D.
メッツT.O.
血清プロテオミクスにより、1型糖尿病における自然免疫の全身的調節異常が明らかになった。
J. Exp. Med. 2013; 210: 191-203https://doi.org/10.1084/jem.20111843
記事で見る
スコープス (65)
パブコメ
クロス
グーグル奨学生
Zhi W.
シャルマ A.
Purohit S.
ミラー E.
ボーデ B．
アンダーソン S.W.
リード J.C.
スティード R.D.
スティード L．
ホプキンス D．
She J.X.
高スループット二次元液体クロマトグラフィー質量分析法と免疫測定法を用いた1型糖尿病患者における血清タンパク質の変化の発見と検証。
Mol. Cell. Proteomics. 2011; 10 (M111.012203)https://doi.org/10.1074/mcp.M111.012203
論文で見る
スコープス (50)
パブコメ
要旨
全文
全文PDF
グーグル・スカラー
フォン・トアーネC.
ライミーゴーファー M.
アッヘンバッハP.
バイヤーライン A.
デ・ラス・ヘラス・ガラ T.
クルムシーク J．
テイス F.J.
ジーグラー A.G.
Hauck S.M.
膵島自己抗体陽性小児におけるペプチド血清マーカー。
Diabetologia. 2017; 60: 287-295https://doi.org/10.1007/s00125-016-4150-x
論文で見る
スコープス（13）
PubMed
クロス
グーグル奨学生
モルダー R.
Bhosale S.D.
Erkkilä T.
ラヤラ E.
サルミ J.
グエン E.V.
カリオンパー H.
ミッカネン J.
ヴァハ＝マキラ M.
Hyöty H.
et al.
血清プロテオームにより、HLAに感受性のあるコホートで1型糖尿病を発症した小児が区別される。
Diabetes. 2015; 64: 2265-2278https://doi.org/10.2337/db14-0983
論文で見る
スコープス (32)
PubMed
クロス
グーグル奨学生
マクレーンE.
ブロガーT.
イェルリカヤS.
フェルナンデス-カルバロB.L.
パイ M.
デンキンガー C.M.
活動性結核を検出するバイオマーカーの系統的レビュー。
Nat. Microbiol. 2019; 4: 748-758https://doi.org/10.1038/s41564-019-0380-2
論文で見る
スコープス (113)
PubMed
クロス
グーグル奨学生
中安 E.S.
グリセンコ M.
Piehowski P.D.
ガオ Y.
オートン D.J.
シェプモエス A.A.
フィルモア T.L.
フローナート B.I.
リワーズ M.
クリッシャーJ.P.
他
チュートリアル：質量分析に基づくタンパク質バイオマーカーの探索と検証のためのベストプラクティスと考察。
Nat. Protoc. 2021; 16: 3737-3760https://doi.org/10.1038/s41596-021-00566-6
論文で見る
論文リスト(40)
PubMed
クロス
グーグル奨学生
Shi T.
フィルモアT.L.
孫 X.
Zhao R.
Schepmoes A.A.
Hossain M.
Xie F.
ウー S.
Kim J.S.
ジョーンズ N.
他
ヒト血漿/血清中のピコグラム/ミリリットルレベルの低タンパク質を定量するための、抗体を用いない標的質量分析法。
Proc. Natl. Acad. Sci. USA. 2012; 109: 15395-15400https://doi.org/10.1073/pnas.1204366109
論文で見る
スコープス(175)
PubMed
クロス
グーグル奨学生
スタンフィルB.A.
中安 E.S.
ブラマーL.M.
トンプソン A.M.
アンソン C.K.
クラウス T.R.
グリセンコ M.A.
モンロー M.E.
ムーア R.J.
オートンD.J.
他
QC-ART：質量分析ベースのプロテオミクスデータのリアルタイム品質管理評価ツール。
Mol. Cell. Proteomics. 2018; 17: 1824-1836https://doi.org/10.1074/mcp.RA118.000648
論文で見る
スコープス (19)
PubMed
要旨
全文
全文PDF
グーグル奨学生
中安 E.S.
サイード F.
テルシー S.A.
グリセンコ M.A.
ミッチェル H.D.
チャン C.Y.
ディリス E．
トゥラツィンゼ J.V.
キュイ Y.
クルカルニ R.N.
他。
ストレス下のヒト膵島の包括的プロテオミクス解析により、GDF15が1型糖尿病治療の標的であることが明らかになった。
Cell Metab. 2020; 31: 363-374.e6https://doi.org/10.1016/j.cmet.2019.12.005
論文で見る
スコープス(53)
PubMed
要旨
全文
全文PDF
グーグル奨学生
ラモス-ロドリゲスM.
ラウレル-ビラH.
コッリ M.L.
アルベロス・M.I.
スビラナ-グラネスM.
ファン-マテューJ.
ノリス・R.
トゥラツィンゼ J.V.
中安 E.S.
ウェッブ-ロバートソンB.J.M.
他
炎症性サイトカインがβ細胞制御に及ぼす影響から、1型糖尿病の遺伝学的知見が得られた。
Nat. Genet. 2019; 51: 1588-1595https://doi.org/10.1038/s41588-019-0524-6
論文で見る
スコープス（71）
PubMed
クロス
グーグル奨学生
ギボンズB.C.
フィルモア T.L.
ガオ Y.
ムーア R.J.
リュー T.
ナカヤス E.S.
メッツ T.O.
ペイン S.H.
安定同位体標識標準物質のモニタリングによる標的プロテオミクス実験の迅速な品質評価。
J. Proteome Res. 2019; 18: 694-699https://doi.org/10.1021/acs.jproteome.8b00688
論文で見る
スコープス（4）
Crossref
グーグル奨学生
マーセリ＝バージュ A.
ポワリエJ.C.
シャントームR.
デシャン I.
Hors J.
Colombani J.
インスリン依存性糖尿病患者におけるC4B DNA多型の著しい不足。
Res. Immunol. 1990; 141: 117-128https://doi.org/10.1016/0923-2494(90)90131-h
論文で見る
クロスリファレンス
グーグル奨学生
トルン C.
リュー X.
ハゴピアンW.
レーンマルク Å.
シメル O.
リワーズ M.
ジーグラー A.G.
シャッツ D.
アコルカー B.
オネングット-グムスクS.
他
TEDDY研究におけるβ細胞特異抗原に対する自己抗体と1型糖尿病との関連における補体遺伝子の変異。
Sci. Rep. 2016; 627887https://doi.org/10.1038/srep27887
論文で見る
スコープス(25)
クロス
グーグル奨学生
ロウ P.
ワッサーフォールC.
クロッカーB.
キャンベル・トンプソンM.
プグリーゼA.
アトキンソン M.
シャッツD.
ヒト1型糖尿病膵臓における補体活性化の亢進。
糖尿病ケア。2013; 36: 3815-3817https://doi.org/10.2337/dc13-0203
記事で見る
スコープス (36)
PubMed
クロス
グーグル奨学生
タルガーG.
チョンチョルM.
ゾッピーニG.
フランキーニM.
1型糖尿病における止血障害。
Semin。血栓。Hemost. 2011; 37: 58-65https://doi.org/10.1055/s-0030-1270072
論文で見る
スコープス (22)
PubMed
クロス
グーグル奨学生
ネジェンツェフ S.
ハウソンJ.M.M.
ウォーカーN.M.
スゼスコ J.
フィールド S.F.
スティーブンス H.E.
レイノルズ P．
ハーディ M．
キング E．
マスターズ J．
他。
1型糖尿病感受性のMHCクラスI遺伝子HLA-BおよびHLA-Aへの局在。
Nature. 2007; 450: 887-892https://doi.org/10.1038/nature06406
記事で見る
スコープス(429)
PubMed
クロス
グーグル奨学生
ファン・ルンメルM.
ファン・ヴィーレンP.A.
デ・ルーA.H.
プールJ.
ニコリック T.
ラバン S.
ヨーステン A.
ドリフトJ.W.
ゴメス・トゥリーニョ I.
アリフ S.
他
最もリスクの高いHLA-DQ8trans分子が提示する選択的膵島ペプチドームの発見。
Diabetes. 2016; 65: 732-741https://doi.org/10.2337/db15-1031
論文で見る
スコープス (29)
PubMed
クロス
グーグル奨学生
エイジリック D.L.
コッリ M.L.
オルティスF.
1型糖尿病における髄膜炎とβ細胞喪失における炎症の役割。
Nat. Endocrinol. 2009; 5: 219-226https://doi.org/10.1038/nrendo.2009.21
論文で見る
スコープス (749)
PubMed
クロス
グーグル奨学生
ウェッブ-ロバートソンB.J.M.
ブラマーL.M.
スタンフィルB.A.
リーエル S.M.
ナカヤス E.S.
メッツ T.O.
フローナート B.I.
ノリス J.M.
ジョンソン R.K.
リッチ S.S.
リワーズ M.J.
環境・遺伝・代謝マーカーの統合による膵島自己抗体の発症予測。
J. Diabetes. 2021; 13: 143-153https://doi.org/10.1111/1753-0407.13093
論文で見る
スコープス (9)
クロス
グーグル奨学生
ウェッブ・ロバートソン B.J.M.
中安 E.S.
フローナート B.I.
ブラマー L.M.
エイカーズ S.M.
ノリス J.M.
ヴェヒク K.
ジーグラー A.G.
メッツ T.O.
リッチ S.S.
リワーズ M.J.
6歳までに1型糖尿病を予測するための乳児の代謝物、遺伝、膵島自己免疫シグネチャーの統合。
J. Clin. Endocrinol. Metab. 2022; 107: 2329-2338https://doi.org/10.1210/clinem/dgac225
論文で見る
クロス
グーグル奨学生
シムズ E.K.
チャウドリーZ.
ワトキンス R.
サイードF.
ブルーム J.
ウーヤン F.
パーキンス S.M.
ミルミラ R.G.
ソセンコ J.
ディメリオ L.A.
エバンス-モリーナC.
空腹時血清プロインスリン対Cペプチド比の上昇は1型糖尿病の発症に先行する。
Diabetes Care. 2016; 39: 1519-1526https://doi.org/10.2337/dc15-2849
記事で見る
スコープス（83）
PubMed
クロス
グーグル奨学生
ラミチェーン S.
センP.
ディケンズ A.M.
アルベス M.A.
ハルコーネン T.
ホンカネン J.
ヴァタネン T.
ザビエル R.J.
ヒョティライネン T.
クニップ M.
オレシッチ M.
二次胆汁酸代謝異常は膵島の自己免疫と1型糖尿病に先行する。
Cell Rep. Med. 2022; 3100762https://doi.org/10.1016/j.xcrm.2022.100762
論文で見る
Scopus (1)
要旨
全文
全文PDF
グーグル奨学生
ラミチェーン S.
アホネン L.
ディルルンド T.S.
ケンパイネン E.
Siljander H.
ヒョーティ H.
イロネン J.
トッパリ J.
ヴェイヨラ R.
ヒョティライネンT.
他
膵島自己免疫と1型糖尿病への進展における血漿リピドームの動態-1型糖尿病予測・予防研究（DIPP）。
Sci. Rep. 2018; 810635https://doi.org/10.1038/s41598-018-28907-8
論文で見る
スコープス（38）
Crossref
グーグル奨学生
バリャドリッド・アセベス I.
ベルグレンP.O.
ユンティ-ベルグレンL.
アポリポ蛋白CIIIは、1型糖尿病のジグソーパズルの重要なピースである。
Int. J. Mol. Sci. 2021; 22932https://doi.org/10.3390/ijms22020932
論文で見る
スコパス（5）
クロス
グーグル奨学生
モリヤス P.
キレスJ.
デ・アンドラーデ H.
カスティーリョ J.
タラゾン E.
ロセロ E.
ポルトレス M.
リベラ M.
ベルトメウ-マルティネスV.
動脈性高血圧におけるコラーゲン代謝の循環バイオマーカー：標的臓器障害の関連性。
J. Hypertens. 2013; 31: 1611-1617https://doi.org/10.1097/HJH.0b013e3283614c1c
論文で見る
スコープス (17)
PubMed
クロス
グーグル奨学生
メディナ C.O.
ナギーN.
ボリキーP.L.
自己免疫性不随意筋炎における細胞外マトリックスと末梢免疫寛容の維持および喪失。
Curr. Opin. Immunol. 2018; 55: 22-30https://doi.org/10.1016/j.coi.2018.09.006
論文で見る
スコープス (10)
PubMed
クロス
グーグル奨学生
Lu G.
ラウセル-パラモスF.
Zhang J.
Zheng Z.
Zhang T.
Valle S.
ロセロット C.
Berrouet C.
コンデ P.
スピンドラーM.P.
他
デキストラン硫酸は膵β細胞を保護し、自己免疫を低下させ、1型糖尿病を改善する。
Diabetes. 2020; 69: 1692-1707https://doi.org/10.2337/db19-0725
論文で見る
スコープス (6)
クロス
グーグル奨学生
マチュー C.
ラヘスマーR.
ボニファシオ E.
アシェンバッハP.
ツリーT.
1型糖尿病の発症と進行に関する免疫学的バイオマーカー。
Diabetologia. 2018; 61: 2252-2258https://doi.org/10.1007/s00125-018-4726-8
論文で見る
スコープス（37）
PubMed
Crossref
グーグル奨学生
アーメド S.
セロサレッティ K.
ジェームズE.
ロング S.A.
マナーリングS.
スピーク C．
中山雅史
ツリー T．
ロエップ B.O.
ヘロルド K.C.
Brusko T.M.
1型糖尿病におけるT細胞バイオマーカーの標準化：課題と最近の進歩。
Diabetes. 2019; 68: 1366-1379https://doi.org/10.2337/db19-0119
論文で見る
スコープス（35）
PubMed
クロス
グーグル奨学生
フローナートB.I.
ウェッブ-ロバートソンB.J.
ブラマーL.M.
リーエル S.M.
ワウ K.
ステック A.K.
ノリス J.M.
Rewers M.
異種データソースを用いた1型糖尿病病期の予測モデリング。
Diabetes. 2020; 69: 238-248https://doi.org/10.2337/db18-1263
論文で見る
スコープス (13)
パブコメ
クロス
グーグル奨学生
ウェッブ-ロバートソンB.J.M.
中安 E.S.
フローナートB.I.
ブラマー L.M.
エイカーズ S.M.
ノリス J.M.
ヴェヒク K.
ジーグラー A.G.
メッツ T.O.
リッチ S.S.
Rewers M.J.
6歳までに1型糖尿病を予測するための乳児の代謝物、遺伝、膵島自己免疫シグネチャーの統合。
J. Clin. Endocrinol. Metab. 2022; 107: 2329-2338https://doi.org/10.1210/clinem/dgac225
論文で見る
スコープス (3)
クロス
グーグル奨学生
Vehik K.
ボニファシオ E.
レーンマーク Å.
ユー L.
ウィリアムズ A.
シャッツ D.
リワーズ M.
シェ J.X.
トッパリ J.
ハゴピアンW.
他。
TEDDY研究における自己抗体の拡散と1型糖尿病への進展の階層的順序。
Diabetes Care. 2020; 43: 2066-2073https://doi.org/10.2337/dc19-2547
論文で見る
スコープス (28)
PubMed
クロス
グーグル奨学生
Vehik K.
カスバートソンD.
ブルウェアD.
ビームC.A.
ロドリゲス H.
ルゴー L.
ハイティネン M.
リワーズ M.J.
シャッツ D.A.
クリッシャーJ.P.
他
小児および若年者における1型糖尿病の早期診断指標としてのHbA1cの性能。
Diabetes Care. 2012; 35: 1821-1825https://doi.org/10.2337/dc12-0111
記事で見る
スコープス (34)
クロス
グーグル奨学生
Piehowski P.D.
ペチュクV.A.
オートン D.J.
Xie F.
ムーア R.J.
ラミレス・レストレポ M.
エンゲル A.
リーバーマンA.P.
アルビン R.L.
キャンプD.G.
他。
定量的LC-MSプロテオミクスにおける技術的変動要因：ヒト脳組織サンプル分析。
J. Proteome Res. 2013; 12: 2128-2137https://doi.org/10.1021/pr301146m
論文で見る
スコープス(127)
PubMed
クロス
グーグル奨学生
グリセンコ M.A.
シューZ.
リュー T.
スミス R.D.
二次元LC-MS/MSを用いた同重量体標識による大規模かつ深い定量的プロテオームプロファイリング。
Methods Mol. Biol. 2016; 1410: 237-247https://doi.org/10.1007/978-1-4939-3524-6_14
論文で見る
スコープス (7)
Crossref
グーグル奨学生
Mayampurath A.M.
ジャイトリーN.
パーヴィン S.O.
モンロー M.E.
オーベリー K.J.
アドキンス J.N.
Smith R.D.
DeconMSn：タンデムマススペクトルの正確な親イオンモノアイソトピック質量決定のためのソフトウェアツール。
Bioinformatics. 2008; 24: 1021-1023https://doi.org/10.1093/bioinformatics/btn063
論文で見る
(126件)
PubMed
クロスリファレンス
グーグル奨学生
ペチュクV.A.
マヤンプラスA.M.
モンローM.E.
ポルピティヤA.D.
パーバイン S.O.
アンダーソン G.A.
キャンプ2nd、D.G.
スミス R.D.
DtaRefinery, タンデムマススペクトルデータセットの親イオン質量測定からシステマティックエラーを除去するためのソフトウェアツール。
Mol. Cell. Proteomics. 2010; 9: 486-496https://doi.org/10.1074/mcp.M900217-MCP200
論文で見る
スコープス (45)
PubMed
要旨
全文
全文PDF
グーグル奨学生
キム S.
ペフズナー P.A.
MS-GF+はプロテオミクスのための普遍的なデータベース検索ツールに向けて前進している。
Nat. Commun. 2014; 5: 5277https://doi.org/10.1038/ncomms6277
論文で見る
スコープス (667)
PubMed
クロス
グーグル奨学生
モンロー M.E.
ショウ J.L.
ダリー D.S.
アドキンス J.N.
スミス R.D.
MASIC：検出されたLC-MS(/MS)フィーチャーからのクロマトグラフィープロファイルの高速定量と柔軟な可視化のためのソフトウェアプログラム。
Comput. Biol. Chem. 2008; 32: 215-217https://doi.org/10.1016/j.compbiolchem.2008.02.006
論文で見る
スコープス(108)
PubMed
クロス
グーグル奨学生
マツケ M.M.
ウォーターズK.M.
メッツT.O.
ジェイコブズ J.M.
シムズ A.C.
バリック R.S.
パウンズ J.G.
Webb-Robertson B.J.M.
ペプチド中心のLC-MSプロテオミクスデータの品質管理処理の改善。
Bioinformatics. 2011; 27: 2866-2872https://doi.org/10.1093/bioinformatics/btr479
論文で見る
論文リスト(64)
PubMed
クロスリファレンス
グーグル奨学生
ウェッブ-ロバートソンB.J.M.
マッツケM.M.
ダッタ S.
ペイン S.H.
カン J.
ブラマー L.M.
ニコラ C.D.
シュクラ A.K.
メッツ T.O.
ロッドランドK.D.
他
ベイズプロテオフォームモデリングにより、グローバルプロテオミクス測定におけるタンパク質定量が改善された。
Mol. Cell. Proteomics. 2014; 13: 3639-3646https://doi.org/10.1074/mcp.M113.030932
論文で見る
スコープス (32)
PubMed
要旨
全文
全文PDF
グーグル奨学生
マツケ M.M.
ブラウン J.N.
グリセンコ M.A.
メッツT.O.
パウンズ J.G.
ロッドランド K.D.
シュクラ A.K.
スミス R.D.
ウォーターズ K.M.
マクダーモット J.E.
Webb-Robertson B.J.
ラベルフリーLC-MSプロテオミクス実験におけるペプチドピーク強度を用いた相対的タンパク質定量への計算機的アプローチの比較分析。
Proteomics. 2013; 13: 493-503https://doi.org/10.1002/pmic.201200269
論文で見る
論文リスト(62)
PubMed
クロス
グーグル奨学生
ベンジャミニ Y.
Hochberg Y.
偽発見率のコントロール：多重検定への実用的で強力なアプローチ。
J. J. Roy. Stat. Soc. B. 1995; 57: 289-300
論文で見る
グーグル奨学生
Liaw A.
Wiener M.
ランダムフォレストによる分類と回帰。
R. ニュース。2002; 2: 18-22
記事で見る
グーグル・スカラー
アバロス M.
Pouyes H.
Grandvalet Y.
オリオール L.
Lagarde E.
疫学研究からの大規模マッチデータを分析するためのスパース条件付きロジスティック回帰：シンプルなアルゴリズム。
BMC Bioinf. 2015; 16: S1https://doi.org/10.1186/1471-2105-16-S6-S1
論文で見る
スコープス（13）
Crossref
グーグル奨学生
スタンフィル B.
リーエルS.
ブラマーL.
ナカヤス E.S.
リッチ S.S.
メッツ T.O.
リワーズ M.
ウェブ-ロバートソンB.J.
TEDDY研究グループ
分類アルゴリズムの症例対照研究への拡張。
Biomed. Eng. Comput. Biol. 2019; 101179597219858954https://doi.org/10.1177/1179597219858954
論文で見る
Crossref
グーグル・スカラー
ホアン・D.W.
シャーマン B.T.
Lempicki R.A.
バイオインフォマティクスの濃縮ツール：大規模遺伝子リストの包括的機能解析への道。
Nucleic Acids Res. 2009; 37: 1-13https://doi.org/10.1093/nar/gkn923
論文で見る
遺伝子発現
PubMed
クロスリファレンス
グーグル奨学生
論文情報
出版履歴
出版 2023年6月29日
受理 受理：2023年6月1日
改訂版受理 2023年4月14日
受理：2023年4月14日 2022年12月27日受理
出版段階
インプレス、修正校正
識別
DOI: https://doi.org/10.1016/j.xcrm.2023.101093
著作権
エルゼビア社発行
ライセンス
クリエイティブ・コモンズ 表示 - 非商用 - 改変禁止 (CC BY-NC-ND 4.0) | ja.wikipedia.orgで無料でダウンロードできます。
再利用方法
サイエンスダイレクト
ScienceDirectでこの記事にアクセスする
図表
図1研究デザイン
図1研究デザイン： ヒト血漿中のバイオマーカーを発見し検証するための2相研究デザイン。
図2探索段階のデータ解析
図3制御されたパスウェイ
図4検証段階のデータ解析
図5機械学習解析による正常血糖または血清転換前のT1D発症を伴う自己免疫の予測
図6自己免疫およびT1D発症において制御されるパスウェイのまとめ
表
表1研究コホートの特徴
関連論文

本サイトのコンテンツは、あらゆる分野の医療従事者および研究者を対象としています。
研究ジャーナル
細胞
癌細胞
細胞化学生物学
細胞ゲノム
細胞宿主と微生物
細胞代謝
細胞レポート
セルレポーツ医学
セルレポーツ・メソッド
セルレポート 物理科学
セルレポート サステイナビリティ
細胞幹細胞
細胞システム
化学
化学触媒
カレントバイオロジー
発生細胞
デバイス
ヘリオン
免疫
アイサイエンス
ジュール
マター
医学
分子細胞
ニューロン
一つの地球
パターン
STARプロトコル
構造
トレンドレビュージャーナル
生化学
バイオテクノロジー
癌
細胞生物学
化学
認知科学
生態学・進化学
内分泌学・代謝学
遺伝学
免疫学
微生物学
分子医学
神経科学
寄生虫学
薬理学
植物科学
パートナージャーナル
AJHG
生物物理ジャーナル
生物物理学レポート
HGGアドバンス
分子植物
分子治療ファミリー
ネクサス
植物通信
幹細胞レポート
イノベーション
コレクション
ベスト・オブ・セルプレス
セルプレスレビュー
セルプレスセレクション
コンソーシアムハブ
Nucleusコレクション
スナップショット・アーカイブ
ジャーナルを超えて
セルキャリアネットワーク
セルメンター
細胞シンポジウム
ラボリンク
ウェビナー
記事を進化させる
コミュニティ・レビュー
図360
スニークピーク
STARメソッド
社会における科学
セル・ピクチャー・ショー
セルプレスポッドキャスト
セルプレスビデオ
ぬりえ＆コミック
リサーチ・アーク
コネクト
セルプレスについて
採用情報
お問い合わせ
ヘルプ＆サポート
ニュースルーム
出版アラート
アクセス
購読申し込み
今すぐ読む
司書に薦める
インフォメーション
広告主の皆様へ
リクルーターの方へ
図書館員の方へ
利用規約
プライバシーポリシー
アクセシビリティ

当サイトでは、サービスの提供・向上およびコンテンツのカスタマイズのためにクッキーを使用しています。クッキーの設定を更新するには、このサイトのクッキー設定をご覧ください。
著作権 © 2023 Elsevier Inc.第三者が提供する一部のコンテンツを除く。