Identification de biomarqueurs moléculaires liés au système immunitaire dans les troubles du spectre autistique à l’aide de la protéomique d’acquisition indépendante des données et de l’apprentissage automatique

Jun He; Qingqing Hu; Sifeng Wang; Xiaohui Gong; Ni Gan; Li Huang; Haofeng Chen; Jie Dai; Hong Yu; Shuanglin Xiang; Xiangwen Peng

doi:10.3791/68949

Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Identification de biomarqueurs moléculaires liés au système immunitaire dans les troubles du spectre autistique à l’aide de la protéomique d’acquisition indépendante des données et de l’apprentissage automatique

600 vues

⸱

DOI :

10.3791/68949

⸱

26 septembre 2025

Jun He^*¹^,² , Qingqing Hu^*³ , Sifeng Wang^*¹^,² , Xiaohui Gong^*¹ , Ni Gan¹ , Li Huang³ , Haofeng Chen⁴ , Jie Dai⁴ , Hong Yu⁴ , Shuanglin Xiang¹ , Xiangwen Peng¹^,²

¹College of Life Sciences, Hunan Normal University, ²Changsha Maternal and Child Health Hospital, Affiliated to Hunan Normal University, ³Changsha Central Hospital, Affiliated to University of South China, ⁴Shanghai Bioprofile Technology Co., Ltd.

^* These authors contributed equally

Dans cet article

Résumé

Ici, nous présentons un protocole utilisant la spectrométrie de masse d’acquisition indépendante des données et l’apprentissage automatique qui a identifié huit protéines liées au système immunitaire comme biomarqueurs précis pour le diagnostic précoce des troubles du spectre autistique, validé par un test immuno-enzymatique.

Résumé

Cette étude présente un protocole reproductible pour identifier les biomarqueurs protéiques sériques associés aux troubles du spectre autistique (TSA) à l’aide de la spectrométrie de masse d’acquisition indépendante des données (DIA) combinée à l’apprentissage automatique (ML). La DIA permet un profilage non biaisé et à haute résolution du protéome sérique, y compris des protéines de faible abondance, tout en garantissant la reproductibilité d’un échantillon à l’autre. Des approches d’apprentissage automatique ont été appliquées pour sélectionner des panels de protéines informatives sur le plan diagnostique et améliorer la robustesse du modèle. L’analyse a porté sur le sérum de 99 enfants atteints de TSA et de 70 témoins du même âge. Les protéines à haute abondance ont été épuisées, les peptides ont été préparés à l’aide de procédures normalisées de digestion et de fractionnement, et l’analyse divisionnaire a été réalisée sur un spectromètre de masse à haute résolution. Le traitement et la quantification des données ont permis d’identifier des protéines exprimées de manière différentielle, qui ont fait l’objet d’une analyse d’enrichissement fonctionnel. Huit protéines liées au système immunitaire sont apparues comme de solides candidats pour le développement de biomarqueurs. Un modèle de régression logistique entraîné sur ces protéines a atteint une précision de 95,27 %, une valeur Kappa de 0,9025 et une AUC de 1,000 en validation croisée. Ces résultats démontrent le potentiel de la protéomique basée sur la DIA, combinée à l’apprentissage automatique, en tant que cadre solide pour la découverte de biomarqueurs dans les TSA et pour l’adaptation dans la recherche clinique plus large.

Introduction

Le trouble du spectre autistique (TSA) est un groupe de troubles neurodéveloppementaux précoces caractérisés par une hétérogénéité d’étiologie et de présentation clinique. Les caractéristiques principales comprennent des déficits persistants dans la communication et l’interaction sociales, ainsi que des comportements, des intérêts ou des activités restreints et répétitifs. Aux États-Unis, la prévalence est d’environ 2,3 % chez les enfants de 8 ans et d’environ 2,2 % chez les adultes, ce qui souligne son impact sur la santé publique 1,2,3,4.