AART实现快速而准确的跨平台蛋白质组学转换

血浆蛋白质组学谱分析已被广泛用于生物标志物发现、疾病预测与诊断以及患者分层。然而，不同检测平台之间的技术差异常常导致低到中等程度的一致性，从而限制了研究的可重复性、数据整合以及模型的可迁移性。在此，我们提出了AART，这是一种跨平台蛋白质组学转换框架，整合了匹配蛋白岭回归与全蛋白质组残差学习。 我们在三个使用三大主流平台进行谱分析的独立队列中对AART进行了基准评估，这些平台包括Olink、SomaScan和质谱。对于全部六种转换方向，AART在重叠蛋白和非重叠蛋白转换任务中，相较于基线方法均取得了最佳性能：与直接映射相比，平均相对提升为92.0%；与最强基线方法cpiVAE相比，最高提升达31.6%。被AART准确转换且获得改进的蛋白富集于细胞外、囊泡相关以及组织限制性血浆生物学过程。 在下游应用中，相较于直接跨平台比较，AART将2型糖尿病蛋白质组关联分析的可重复性提高了75.5%，将阿尔茨海默病的可重复性提高了370.6%。与非整合分析相比，AART支持的队列整合使肌萎缩侧索硬化症的诊断准确率提高了92.6%。总体而言，AART的运行速度比cpiVAE快1到3个数量级，从而有助于生物样本库规模的应用。 综上，这些结果确立了AART作为一种快速、准确且可扩展的跨平台蛋白质组学转换框架的地位，使蛋白质组学研究能够实现更高的可重复性、可迁移性和整合性。

血浆蛋白质组分析已被广泛用于生物标志物发现、疾病预测与诊断以及患者分层。然而，不同检测平台之间的技术差异往往导致较低至中等程度的一致性，从而限制了研究的可重复性、数据整合以及模型迁移能力。在此，我们提出AART，这是一种跨平台蛋白质组翻译框架，将匹配蛋白岭回归与全蛋白质组残差学习相结合。我们在三个使用三大主流平台进行分析的独立队列中对AART进行了基准评估，这些平台包括Olink、SomaScan和质谱。与基线方法相比，在全部六个翻译方向上，AART在重叠蛋白和非重叠蛋白翻译中均取得了最佳性能；相较于直接映射，平均相对提升为92.0%，相较于最强基线方法cpiVAE，最高提升达31.6%。能够被准确翻译且经AART改进的蛋白富集于细胞外、囊泡相关以及组织限制性血浆生物学过程。在下游应用中，相较于直接跨平台比较，AART将蛋白质组关联分析的可重复性提高了75.5%（2型糖尿病）和370.6%（阿尔茨海默病）。与非整合分析相比，AART支持的队列整合将肌萎缩侧索硬化症的诊断准确率提高了92.6%。总体而言，AART的运行速度比cpiVAE快1至3个数量级，从而有助于生物样本库规模的应用。综上，这些结果确立了AART作为一种快速、准确且可扩展的跨平台蛋白质组翻译框架的地位，可促进更具可重复性、可迁移性和整合性的蛋白质组研究。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.29.735313v1?rss=1

🏷️ 蛋白质组学 跨平台转换 残差学习 岭回归 生物标志物分析 队列整合