多组学整合背景下 Olink 蛋白组学研究范式的构建与验证

蛋白质作为生命功能的主要执行者，其研究价值已得到广泛共识。当下蛋白质研究技术层出不穷，在项目启动阶段，若想借助蛋白组学技术为科研探索及产业转化赋能，需要在课题设计中深思熟虑，深入理解技术特性，并遵循既定的研究范式。本文将分享 Olink 蛋白组学的研究模式，解析如何通过该技术产出研究成果。

   

1、Olink 发现 + Elisa 验证

研究框架

研究背景

炎症被广泛认为与先兆子痫（PE）的病理进程相关，但其具体作用机制尚不明确。本研究采用高灵敏度和特异性的邻位延伸分析（PEA）技术，基于 Olink 炎症检测 panel，对 PE 患者及正常妊娠对照的血浆样本进行蛋白表达分析。

研究方法

• 选取 15 例 PE 患者与 15 例正常妊娠晚期女性作为研究队列，检测血浆中 92 种炎症相关蛋白的表达水平。
• 利用 ELISA 技术，在更大样本量中验证关键标志物：晚期妊娠组（43 例 PE vs. 44 例对照）和早期妊娠组（37 例 PE vs. 37 例对照）。

研究发现

• PE 组与对照组存在 28 个差异表达的炎症标志物，其中成纤维细胞生长因子 21（FGF-21）和半胱氨酸 - 半胱氨酸基序趋化因子配体 20（CCL20）的变化幅度最大。
• ELISA 验证显示，CCL20 在 PE 患者妊娠早晚期血浆中均显著上调，曲线下面积（AUC）分别为 0.753（晚期）和 0.668（早期），为首次发现的 PE 潜在标志物。

研究结论

PE 患者血浆中多数炎症标志物呈高表达状态，CCL20 有望成为 PE 早期预测与诊断的新型生物标志物。

   

2、Olink + 队列研究

研究框架

研究背景

当前 ASCVD 风险评估模型难以精准识别复发高风险患者，亟需更优化的分层策略。基于机器学习算法的高通量血浆蛋白质组学分析，为提升风险分层效能提供了新思路。

研究方法

运用 Olink 蛋白组学技术，对 1570 例确诊动脉疾病患者的双队列进行分析，筛选预测 ASCVD 复发事件的蛋白标志物。

研究发现

• 鉴定出 50 个蛋白标志物，其预测效能显著优于传统临床风险模型。
• 蛋白质组学模型在发现队列与验证队列中均表现出更高的鉴别能力，AUC 提升显著。
• 在低 CRP 患者中发现中性粒细胞相关通路，提示存在 NLRP3 通路以外的残余炎症风险。

   

3、Olink+RNAseq + 免疫组化

研究框架

研究背景

免疫检查点阻断剂（ICBs）在肿瘤治疗中应用广泛，但应答率有限，亟待发掘可靠的耐药生物标志物以优化治疗决策。

研究方法

• 分析两个前瞻性队列（发现队列 n=95，验证队列 n=292）中 ICB 治疗前的血浆样本蛋白组。
• 采用 Cox 比例风险模型，关联蛋白血浆水平与临床获益率、无进展生存期及总生存期。

研究发现

• 无偏 Olink 蛋白组学分析显示，基线白血病抑制因子（LIF）水平升高与 ICB 治疗患者的不良预后独立相关。
• 循环 LIF 水平与肿瘤微环境中三级淋巴结构的存在呈负相关。
• 该发现为 LIF 作为抗肿瘤免疫抑制因子提供了临床证据，提示靶向 LIF 通路可能增强 ICB 疗效。

   

4、研究范式总结

综上，本次梳理了 Olink 蛋白组学的三类典型研究范式：「Olink 发现 + ELISA 验证」聚焦标志物筛选与验证，「Olink + 队列研究」依托大样本提升预测效能，「多组学联合分析」则通过蛋白组与转录组、病理检测的整合深化机制解析。

---