《Journal of Thrombosis and Haemostasis》：Development of novel plasma proteomic biomarkers for cancer-associated thrombosis in an advanced cancer cohort
编辑推荐：
普里蒂·普里蒂（Preeti Preeti）| 米rail·兰詹（Mrinal Ranjan）| 当·帕姆（Dang Pham）| 胡安·L·布埃诺（Juan L. Bueno）| 米谢琳·M·雷森德（Micheline M. Resende）| 迈克尔·E·谢勒（Michael
普里蒂·普里蒂（Preeti Preeti）| 米rail·兰詹（Mrinal Ranjan）| 当·帕姆（Dang Pham）| 胡安·L·布埃诺（Juan L. Bueno）| 米谢琳·M·雷森德（Micheline M. Resende）| 迈克尔·E·谢勒（Michael E. Scheurer）| 克里斯托弗·I·阿莫斯（Christopher I. Amos）| 曾成（Chao Cheng）| 安·李（Ang Li）
德克萨斯州休斯顿贝勒医学院（Baylor College of Medicine）医学系血液肿瘤科（Section of Hematology-Oncology）
摘要
背景
现有的癌症相关血栓形成（Cancer-Associated Thrombosis, CAT）风险模型在特定高风险癌症人群中的预测性能不尽如人意。基于亲和力的血浆蛋白质组学为检测CAT风险提供了一种新方法。
目的
通过邻近扩展测定（proximity extension assays）在晚期癌症患者队列中识别CAT的血浆生物标志物。
患者/方法
我们使用Olink Explore HT面板进行了一项嵌套病例对照研究。最终队列包括57例CAT患者和113例匹配的对照组患者，这些患者来自五种选定的癌症类型，其样本采集时间介于癌症诊断和化疗开始之间。我们采用随机生存森林模型（random survival forest model）评估了5,416个标准化蛋白质表达值和8个临床变量与CAT之间的非线性关联。评估指标包括时间依赖的接收者操作特征曲线（Time-Dependent Receiver Operating Characteristic Curve, TD-ROC）、校准图以及高风险组与低风险组之间的累积发病率。我们使用SHapley Additive Explanation（SHAP）方法来解释各个特征的重要性。此外，还进行了过表达分析（Overrepresentation Analysis, ORA）和基因集富集分析（Gene Set Enrichment Analysis, GSEA）以评估生物学途径的合理性。
结果
我们内部验证的模型能够很好地预测早期血栓事件（30天时的TD-ROC为0.83，90天时为0.73），但随着随访时间的延长，预测准确率逐渐下降（180天时为0.67）。校准曲线也呈现出类似的趋势。在ORA和GSEA分析中，发现与止血过程相关的关键蛋白质，包括血小板活化、纤维蛋白凝块形成以及补体级联调节途径中的蛋白质。
结论
基于亲和力的血浆蛋白质组学可以作为一种新的策略来识别CAT的生物标志物。为了验证风险预测模型的有效性，需要在更大的样本量下进行外部验证。
