CLIN CHEM：载脂蛋白AI相关脂蛋白蛋白组的开发和验证，用于预测胆固醇外排能力和冠状动脉疾病

胆固醇外排能力(CEC)是一种衡量HDL功能的指标，在以细胞为基础的研究中，目前已证明HDL与心血管疾病呈负相关。基于细胞的CEC测量通量低而且复杂。研究人员假设，对脂蛋白蛋白组的评估可以实现准确、高通量的CEC预测。

采用LC-MS/MS法从血清中分离脂蛋白颗粒，定量测定21种脂蛋白相关蛋白。利用生物信息学用于识别与基于细胞的CEC测量具有单变量相关性的蛋白质，并生成用于CEC预测(pCE)的多变量算法。采用logistic回归方法，对pCE模型中的蛋白系数进行加权，得到一种新的预测冠心病(pCAD)的算法。

结果显示，通过对105个训练样本和测试样本进行靶向LC-MS/MS分析，发现pCE模型包含5个蛋白(Spearman r = 0.86)。对健康个体和冠心病患者的231例标本进行pCE病例对照研究，结果显示pCE较低(P = 0.03)。在同一研究中，pCAD模型显著改善了分类(P < 0.0001)。在对多路复用蛋白组学方法进行分析验证后，我们对137名绝经后妇女进行了心肌梗死病例对照研究，证实了pCE (P = 0.015)和pCAD (P = 0.001)模型中标本组的显著分离。

结果表明，蛋白组学pCE的开发提供了一种可重复的高通量CEC检测方法。pCAD模型改善了病例组和对照组的分层，随着进一步研究建立临床有效性，可为心血管健康评估提供了新的机会。

原始出处：

Zhicheng Jin, Timothy S. Collier, Darlene L.Y. Dai, Development and Validation of Apolipoprotein AI-Associated Lipoprotein Proteome Panel for the Prediction of Cholesterol Efflux Capacity and Coronary Artery Disease

本文系梅斯医学（MedSci）原创编译整理，转载需授权！