UKB-PPP将产生更全面的蛋白组学数据集以解锁人类蛋白组

MG：UKB-PPP雄心勃勃的规模也带来了许多技术挑战。主要障碍之一是需要分析的样本数量庞大。这需要一个能够扩大通量的解决方案，同时将资源、成本和手工时间降到最低。例如，某些蛋白组学方法可能具有良好的可扩展性，但手工时间、涉及的耗材数量和/或总体成本可能会使它们难以用于如此大规模的项目。

重要的是，由于生成的数据量巨大，用于分析的方法必须产生一致、可靠的数据。这包括在样本中只有少数蛋白占主导地位的情况下，测量低丰度蛋白质的能力。类似于在既有明亮光线又有黑暗阴影的场景中拍摄出好照片，解决方案必须具有出色的动态范围。这些具体挑战影响了技术的选择。

AM：Olink Explore HT平台如何应对这些挑战？为什么它能被选中用于这个项目？

MG：经由全球制药企业的研究团队进行严格审查之后，赛默飞旗下Olink Explore HT平台被选中，因为它最能克服UKB-PPP项目带来的挑战。

由于这些数据覆盖非常全面，它反映了人体中随时间变化的蛋白水平，对于如此大规模的项目来说，高效分析样本至关重要。Olink Explore HT平台将使UKB-PPP能够每周分析数千个样本，并每周生成数千万个数据点。一旦完全实施，该项目预计将每周分析超过9,000个样本，仅需一名专职科学家，最大限度地提高通量，同时最大限度地减少成本、浪费和可能导致额外错误的手工时间。

重要的是，生成的数据必须高度可靠。Olink Explore HT采用了创新的邻位延伸分析技术（PEA），该技术使用双重抗体识别和DNA偶联标记，以提供行业的特异性，消除可能的靶标错误识别和后续资源浪费。每个检测指标都要经过严格的验证过程，蛋白选择策略针对从蛋白注释、发表刊物、临床试验、批准疗法和研究人员请求中，选出的功能性、可操作性、可成药性的循环蛋白。这种策略使研究人员能够获得更深入的生物学见解，进一步影响我们如何诊断、监测和治疗疾病。

AM：确保此类数据集的完整性和可重复性的关键考虑因素是什么？

MG：必须考虑一些关键因素，以确保如此大规模数据集的蛋白组数据的完整性和可重复性。一个考虑因素是，数据需要可靠且可规模化，以帮助促进对大规模数据集中的蛋白进行详细分析。另一个考虑因素是，数据应具有完整的细节，并存储在集中位置，以便在各种研究应用中使用标准化和一致的信息。

PEA技术的稳健性和一致性已在相应的一致性研究中得到了彻底分析，该研究比较了相同样本在所有Olink产品和不同读出平台上的数据。对于使用不同Panel测量的相同蛋白，包括从Olink Explore HT的高通量蛋白组学到Olink Target 48的细胞因子分析，都看到了高度的一致性。此外，超过2,500篇经过同行评审的文章都引用了Olink PEA技术，这为Olink Explore HT的基础方法提供了严格验证和深入理解。

AM：这个项目如何支持药物发现？

GM：UKB-PPP旨在通过创建人体中5,400多种蛋白的全面图谱来支持未来的药物发现。这张图谱可以帮助研究人员识别在疾病发生发展中发挥作用的新蛋白，并找到更精确地靶向这些蛋白以治疗疾病的方法。UKB-PPP的数据可以帮助验证新的药物靶标，增强诊断，并加速靶向药物发现，从而带来更安全、更有效的药物。它还可能有助于识别现有治疗的额外用途。

UKB-PPP的数据将作为共享资源提供给全球范围内得到英国生物样本库批准的研究人员，以确保未来的药物发现基于对蛋白组的理解。

AM：这个项目对未来的医疗健康可能产生什么影响？

MG: 这项研究的结果有可能从根本上改变我们诊断和治疗疾病的方式。除了支持新疗法的发现和开发外，我们希望这些数据能帮助研究人员更好地理解遗传差异、生活方式和环境因素对健康的影响。我们可能会看到这些数据被用来帮助识别可用于预测和诊断一系列疾病的新蛋白生物标志物，并支持识别与疾病的新途径关联，从而更深入地理解不同疾病之间的共性。

我们已经看到了UKB-PPP的强大潜力。早期的试点研究使用英国生物样本库提供的54,000个样本的蛋白组学数据，识别出一系列癌症的蛋白风险因素，这些因素可帮助将癌症诊断提前七年。

AM：需要哪些技术创新来进一步推进蛋白组学研究？

MG：像许多科学领域一样，蛋白组学研究有可能从机器学习和人工智能中大大受益。事实上，这些技术已经在预测人类疾病方向，突显了其在早期干预方面的潜力。UKB-PPP的大量蛋白组学数据可帮助进一步增强机器学习和人工智能确定疾病亚型的能力，帮助在诊断时指导治疗决策。