$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Plasma, het celvrije bestanddeel van bloed, krijgt steeds meer erkenning als een reservoir van biologische informatie die relevant is voor ziektestudies. Het bevat een overvloed aan diverse circulerende biomoleculen, variërend van eiwitten en metabolieten tot lipiden en nucleïnezuren, wat een spiegel is van de fysiologische en pathologische status van het organisme. Deze systemische aard van plasma maakt het een ideaal biospecimen voor onderzoek naar ziektepathofysiologie, variërend van kanker tot metabole en ontstekingsziekten. Een groot voordeel van het gebruik van plasma als monster ligt in de minimaal invasieve verzamelmethode, waardoor herhaalde bemonstering in klinische omgevingen mogelijk is, wat belangrijk is voor het observeren van ziekteprogressie of therapeutische respons. Plasma vertoont echter een uiterst complexe proteomische matrix, waarbij eiwitten zoals albumines en immunoglobulineniveaus meer dan tien ordes van grootte beslaan, wat identificatie1 maskeert.
In de afgelopen twee decennia heeft plasmaproteomica de identificatie mogelijk gemaakt van klinisch relevante biomarkers zoals bèta-menselijke choriongonadotropine (β-hCG) en troponine I, gedreven door vooruitgang in grootschalige eiwitanalysetechnologieën2. Deze tools accepteren als invoer zeer gevoelige informatie en bieden dankzij hun hoge doorvoersnelheid grootschalige profilering van plasma-eiwitten. Met de komst van vloeistofchromatografie-massaspectrometrie (LC-MS/MS) platforms is het nu mogelijk om duizenden eiwitsoorten te analyseren met slechts 10-50 μL plasma-input, met een dynamisch detectiebereik dat meerdere ordes van grootte 3,4 beslaat. Dit heeft het gebruik van plasmaproteomica in translationeel onderzoek vergroot: vroege ziektedetectie, verbeterde prognostische modellen en de ontdekking van nieuwe therapeutische doelen5.
Een belangrijke mijlpaal op dit gebied was de oprichting van het Human Plasma Proteome Project (HUPO-HPPP), dat systematisch plasma-eiwitten catalogiseerde en de haalbaarheid van plasmaproteomica als een gevestigd vakgebiedaantoonde. Daarna nam het Clinical Proteomic Tumor Analysis Consortium (CPTAC) rigoureus gevalideerde protocollen en laboratoriumoverschrijdende studies aan om kwesties rond reproduceerbaarheid aan te pakken die eerder proteomisch onderzoek in de war warengestaan 7. Deze initiatieven benadrukten de noodzaak van standaardisatie en benadrukten belangrijke procedures, waaronder uniforme plasmabehandeling, uitputting van overvloedige eiwitten, enzymatische vertering en consistente LC-MS/MS-parameters. Recente studies van Geyer en collega's toonden aan dat plasmaproteomische signaturen betrouwbaar kunnen worden gegenereerd bij veel individuen wanneer gestandaardiseerde methodologieën worden gebruikt, wat een basis biedt voor populatiestudies en biomarkervalidatieprocessen8.
De ontwikkeling van plasmaproteomica is in aanzienlijke mate gevormd door de erkenning van kwaliteitscontrole (QC) en prestatiemetrieken als cruciale componenten van het experimentele ontwerp. Conventioneel hebben verschillen in verteringsefficiëntie, peptide-identificatiesnelheden en instrumentprestaties geleid tot inconsistenties tussen onderzoeksstudies, wat de reproduceerbaarheid beïnvloedt. Er zijn veel studies uitgevoerd om deze problemen aan te pakken. Gawor et al. beschreven meetbare kwaliteitsindicatoren voor monstervoorbereiding en prestaties van massaspectrometrie, waarmee ze een systematische methode bieden om de robuustheid van de eiwitprofileringspijplijn9 te beoordelen. Tsantilas et al. presenteerden geautomatiseerde benchmarkingtools waarmee onderzoekers datasets over platforms en laboratoria kunnen vergelijken, waardoor de transparantie in de presentatie van proteomics-datatoeneemt. Bovendien hebben methodologische ontwikkelingen, zoals immunodepletie, grootte-uitsluitingsfractionering en Data-onafhankelijke acquisitie (DIA), de proteoomdekking verbeterd en de technische bias verminderdmet 11,12. Dergelijke kwaliteitsborgingsmaatregelen zorgen ervoor dat plasmaproteomische data reproduceerbaar zijn en dienen als een steiger voor toekomstige klinische vertaalstudies.
Ondanks deze belangrijke vooruitgang blijft de inherente complexiteit van plasma uitdagingen met zich meebrengen. Het is gebruikelijk dat directe analyse van ruwe plasma suboptimale proteoomdekking oplevert, omdat zeer overvloedige eiwitten de laag-abundantie analyten overweldigen, waarvan vele de meest veelbelovende biomarkerkandidaten zijn. Bovendien kunnen technische variaties door variabele eiwitkwantificatie, onvolledige vertering en onvoldoende schoonmaak bijdragen aan batchartefacten en verminderde cohortvergelijkbaarheid13. Deze beperkingen onderstrepen de noodzaak van sterk geoptimaliseerde workflows die proteoomdiepte, reproduceerbaarheid en schaalbaarheid in balans brengen. Dit studieprotocol pakt deze behoefte aan door een geoptimaliseerde plasmaproteomica-workflow aan te tonen die immunodepletie, filtratie met moleculaire gewichtsafkap, lyofilisatie, eiwitnormalisatie en -kwantificatie, enzymatische vertering en LC-MS/MS-profilering combineert. Door de proteoomdekking te vergroten en technische variatie te verminderen, maakt het methodologische kader consistente relatieve kwantificatie mogelijk tussen de door ziekten getroffen en controlegroepen. Door schaalbaarheid te introduceren en downstream-analyses mogelijk te maken, biedt de workflow een bruikbare, reproduceerbare methode om klinisch significante informatie uit plasmaproteomics te extraheren.