질량 분석법(MS) 기반 단백질체 분석은 환자 샘플로부터 깊은 분자 통찰을 제공하지만, 결측값, 정적 바이오마커 패널 및 표적 분석 개발의 필요성으로 인해 임상 사용이 제한되어 있습니다. 우리는 발견 모드 단백질체 데이터의 개별 샘플 수준에서 직접적인 진단 및 예후 해석을 가능하게 하는 프레임워크인 질량 분석을 통한 개인화 테스트를 위한 적응 진단 아키텍처(ADAPT-MS)를 제시합니다. ADAPT-MS는 각 샘플에서 정량화된 단백질을 기반으로 간단하고 견고한 분류기를 동적으로 재훈련하여 보간이나 고정 패널의 필요성을 제거합니다. 여러 질병 및 임상 센터에서 혈장 및 뇌척수액 데이터셋에 적용하여 견고하고 투명하며 일반화 가능한 통계 모델을 사용하여 높은 성능과 일반화 가능성을 달성합니다. 단일 단백질체 측정으로 여러 진단 질문을 지원할 수 있으며, 각 분류에 걸리는 시간은 몇 초에 불과합니다. 인구 규모의 단백질체 데이터셋이 증가함에 따라, 이 접근 방식은 단백질체 전반의 데이터에서 직접적인 규모 확장 가능하고 실시간이며 개인화된 진단을 위한 토대를 마련합니다. 이러한 공동 노력은 발견 단백질체 분석을 일상 임상 도구로 변환하는 데 도움을 줄 수 있습니다.
Müller-Reif et al. (화요일)이 이 질문을 연구했습니다.