企业官网建设流程全解析

更新于2026年10月14日

类风湿关节炎（Rheumatoid Arthritis，RA）具有显著的临床与免疫学异质性，不同患者在自身抗体水平、炎症活动度、关节损伤及治疗应答方面均可能存在差异。长期以来，类风湿因子（RF）和抗环瓜氨酸肽抗体（抗CCP抗体）是RA血清学研究中的重要指标，为疾病识别和风险评估提供了有价值的信息。然而，单一自身抗体往往只能反映特定抗原相关的免疫反应，难以完整描述患者体内复杂的自身抗体谱。尤其是在ACPA阴性RA患者中，传统指标的检测局限性进一步推动了新型自身抗体的发现与组合研究。近年来，高通量人类蛋白质组芯片的发展，使研究者能够同时评估大量蛋白抗原相关的自身抗体反应，并尝试将多个候选指标整合成联合分析模型，以探索RA疾病识别和患者分层的新策略。

从单一候选抗体到多抗体联合分析

2024年，《MedComm》发表研究《An autoantibody profile identified by human genome-wide protein arrays in rheumatoid arthritis》，采用HuProt人类蛋白质组芯片，对RA患者及对照者的自身抗体反应进行系统研究[1]。研究采用两阶段策略，首先通过包含19,275种重组人蛋白的蛋白芯片，筛选出51种候选自身抗原相关抗体，再在更大样本人群中评估候选指标。研究发现，anti-ANAPC15在全部RA患者中的敏感度为41.8%，特异度为91.5%，同时anti-LSP1、anti-APBB1、anti-parathymosin及anti-UBL7等抗体也在ACPA阴性RA患者中呈现值得关注的表达特征。这些结果说明，高通量筛选能够发现传统RF及ACPA检测之外的候选分子，但单一抗体的检测性能仍然存在局限。不同候选抗体可能覆盖部分不同的患者亚群，因此，将多个抗体指标进行组合分析，是值得进一步探索的研究方向。

44种自身抗体组合模型表现如何？

为了进一步评估多指标联合分析的价值，研究团队基于44种自身抗体构建了RA分类预测模型[1]。在独立测试患者中，当模型采用较高判定阈值时，其特异度达到90.8%，总体敏感度为66.1%。但进一步分析发现，该模型对ACPA阳性RA患者的敏感度达到87.8%，对ACPA阴性RA患者的敏感度仅为23.8%。这一结果具有重要的方法学意义：增加检测指标数量并不意味着模型一定能够在所有患者亚群中获得理想表现。多抗体组合虽然能够整合不同抗原相关的免疫反应信息，但其实际价值仍取决于入选抗体的独立贡献、训练与测试人群的组成、模型阈值及外部验证结果。特别是在ACPA阴性RA患者中，模型表现仍然有限，提示新型自身抗体发现和联合模型优化仍有较大的研究空间。对于科研研究而言，这种结果也强调，不能只关注总体准确率，而应同时报告敏感度、特异度及不同患者亚组中的检测性能。

20K蛋白芯片如何支持多抗体组合研究？

HuProt 20K类蛋白芯片的价值首先体现在发现阶段，通过高覆盖度人类重组蛋白阵列，可以在较广泛的候选抗原范围内筛选血清自身抗体反应，并根据实验组与对照组的信号差异识别潜在候选标志物。针对RA标志物研究，可建立早期RA、ACPA阳性RA、ACPA阴性RA、其他风湿免疫疾病及健康对照队列，结合蛋白芯片信号、阳性检出率和统计学分析筛选差异自身抗体。后续可通过ELISA等独立方法验证候选指标，并进一步建立多变量分类模型，分析不同抗体组合对患者分层及疾病鉴别的增量价值。在模型研究中，还应预先设置独立验证队列，控制候选特征数量，避免模型过拟合，并与传统RF和抗CCP抗体检测结果进行比较。常规20K蛋白芯片本身属于研究性筛选工具，筛选出的候选抗体不能未经验证就作为临床诊断标志物。总体而言，从单一抗体到多抗体组合，不仅是检测指标数量的增加，更是从传统靶向检测走向大规模抗原发现、候选验证和模型评价的研究路径。

参考文献

[1] Liu X, et al. An autoantibody profile identified by human genome-wide protein arrays in rheumatoid arthritis. MedComm. 2024;5:e679.