IF31.7｜儿童青少年血浆蛋白质组变异及其遗传决定因素

2147名儿童青少年血浆蛋白质组揭示70%蛋白受年龄、性别、BMI或遗传变异调控。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

血浆蛋白水平受遗传、年龄、性别、BMI及发育阶段等多种因素影响。既往大规模血浆蛋白质组研究多采用亲和力平台，虽通量高但特异性有限，且主要聚焦成人或婴幼儿，对青春期前后这一关键发育阶段的覆盖不足。质谱技术虽特异性高，但受限于通量和灵敏度，难以在大型儿科队列中实现深度覆盖。儿童肥胖率上升及其代谢后果使该人群的血浆蛋白决定因素研究尤为迫切。

科学问题

卡在哪里： 现有质谱蛋白质组研究样本量小、蛋白覆盖浅，且缺乏对青春期前后血浆蛋白遗传调控的全面刻画。亲和力平台虽样本量大，但存在表位效应等偏倚，且pQTL验证不足。

本文要回答： 在大型儿童青少年队列中，利用高通量质谱技术系统描绘血浆蛋白质组变异，并解析其遗传与非遗传决定因素。

技术路线

作者主要用了：DIA质谱、Orbitrap Astral、GWAS、pQTL定位、孟德尔随机化、共定位分析。

作者纳入2147名5-20岁丹麦儿童青少年，采用Evosep One液相与Orbitrap Astral质谱联用的DIA策略，实现单针深度血浆蛋白质组检测。经严格质控获得1216个蛋白，并整合基因分型数据，通过线性回归评估年龄、性别、BMI-SDS等对蛋白水平的影响；同时开展全基因组关联分析鉴定pQTL，利用肽段水平证据排除假阳性，并在独立儿童及成人队列中验证。

图 1　Fig. 1。图1展示研究设计与工作流程。发现队列2147名儿童青少年，复制队列1000名儿童及558名成人。采用DIA质谱结合Orbitrap Astral，经样本制备、数据采集和生物信息学分析，最终定量1216个蛋白。分析流程包括关联分析、质量控制排除假阳性pQTL，以及基于蛋白水平预测年龄、BMI和基因型。

核心亮点

亮点 1｜70%血浆蛋白受年龄、性别或BMI影响

在1216个定量蛋白中，58%与年龄、性别、BMI-SDS至少一个因素显著相关。其中40%与年龄相关，32%与性别相关，22%与BMI-SDS相关。年龄相关蛋白包括已知的F9、RBP4、COL1A1及新发现的GPLD1、APCS、IGFALS。性别相关蛋白中CD5L和IGHM差异最显著，与女性IgM水平较高一致。BMI-SDS相关蛋白以炎症蛋白为主，如CRP、补体C3、CFH、CFI及急性期蛋白A2M、APCS、SAA1、LBP。此外，发现24个蛋白存在年龄与BMI交互作用，18个存在性别与BMI交互作用，149个存在年龄与性别交互作用。

图 2　Fig. 2。图2展示年龄、性别、BMI-SDS对血浆蛋白的影响。a显示定量蛋白参与的生物学过程，以补体与凝血级联、代谢和炎症反应为主。c显示58%蛋白与至少一个因素相关。d-f火山图分别展示年龄、性别、BMI-SDS相关蛋白，其中年龄相关蛋白如F9、RBP4、COL1A1，性别相关蛋白如CD5L、IGHM，BMI-SDS相关蛋白如CRP、补体C3等。

亮点 2｜血浆蛋白可准确预测年龄和BMI

利用50个最预测性蛋白，在独立测试集中年龄预测误差仅±1.2岁（Pearson r=0.85）。年龄预测蛋白主要参与IGF1受体信号、软骨与骨骼发育、成纤维细胞生长因子响应及细胞粘附。BMI预测蛋白包括脂联素、CRP、IGFBP1、IGFBP2、PRG4、SHBG、APOA4、APOF及炎症蛋白A2M、APCS、LBP、HSPG2、HP、AOC3、ITGB1、VNN1。前5-10个蛋白即可达到接近全部50个蛋白的预测精度（MAE 1.5-1.6 vs 1.2岁）。

图 3　Fig. 3。图3展示pQTL的基因组分布与特征。a为全基因组pQTL曼哈顿图。b显示pQTL相对蛋白编码基因转录起始位点的位置。c显示变异注释，主要为非编码区。d显示基于肽段证据的pQTL分类，77%有至少两个支持肽段。e-f显示顺式与反式pQTL数量及蛋白分布。g-h显示SNP与蛋白的多效性关系。i-k显示蛋白丰度、技术重复性和肽段数量与pQTL检出率正相关。

亮点 3｜鉴定1947个pQTL，覆盖443个蛋白

全基因组关联分析在P<5×10-8阈值下鉴定出1947个主要pQTL，涉及443个蛋白。其中62%为顺式pQTL，60%的蛋白至少有一个顺式pQTL。肽段水平证据显示77%的pQTL有至少两个支持肽段，且94%的肽段方向一致。与35项已发表研究比较，发现643个新pQTL，涉及213个蛋白，其中140个蛋白此前无任何遗传调控报道。独立队列中儿童复制率97%，成人复制率91%，效应方向高度一致（r=0.97-0.98）。

图 4　Fig. 4。图4展示方差分解结果。a显示独立pQTL、年龄、性别、肥胖和BMI-SDS对每个蛋白水平变异的贡献比例，蛋白按pQTL解释方差降序排列。b-d比较三个年龄组间pQTL解释方差的相关性，Pearson相关系数0.95-0.98，表明遗传效应在儿童青少年期高度稳定。

亮点 4｜pQTL解释蛋白水平变异的平均11%

方差分解显示独立pQTL解释蛋白水平变异的1%-66%，平均11%。对于63%的蛋白，pQTL贡献的方差超过年龄、性别、BMI-SDS和肥胖的总和。按年龄分组（5-9、10-14、15-20岁）比较，pQTL解释方差高度稳定（Pearson r=0.95-0.98）。部分蛋白如SHBG主要受年龄和肥胖影响，PRG4主要受肥胖影响，IGF1和RBP4主要受年龄影响。

图 5　Fig. 5。图5展示效应量最大的六个蛋白的基因型-蛋白水平关系。箱线图显示不同基因型下蛋白log2强度分布，包括MST1、PROCR、BST1、IL1RAP、APOE和LPA。这些蛋白的pQTL效应量超过两倍差异，提示其临床和生物标志物研究中的重要性。

亮点 5｜孟德尔随机化发现41个因果基因关联33种心脏代谢性状

利用267个蛋白的顶级顺式pQTL对47个心脏代谢GWAS结局进行两样本孟德尔随机化，发现345个因果关联（P<2.3×10-6），涉及106个蛋白和36个性状。其中101个关联（41个基因、33个性状）通过共定位验证（后验概率>70%）。例如SHH与身高因果关联，APOE-ε4等位基因与SPTBN4水平降低相关，可能参与阿尔茨海默病机制。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： DIA质谱、Orbitrap Astral、GWAS、pQTL定位、孟德尔随机化、共定位分析
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事蛋白质组学、pQTL分析、儿科疾病或心脏代谢遗传学研究的科研人员。

带走一句

质谱蛋白质组学在大型儿科队列中可系统解析蛋白变异的遗传与非遗传因素，肽段水平证据可有效排除假阳性pQTL，为生物标志物和药物靶点研究提供可靠资源。