肾纤维化是各种慢性肾脏病（CKD）的常见后果，导致肾功能丧失，甚至终末期肾衰竭。

已有研究表明细胞外囊泡（EV）参与CKD和肾纤维化的发展。致病原因刺激EV的分泌，其诱导细胞因子的释放和促炎细胞的聚集，从而促进肾纤维化，EV相关蛋白和微小RNA也被认为是CKD生物标志物的良好来源。

目前对于慢性肾病和肾纤维化的诊断主要基于肾活检。研究和探讨使用EV作为生物标志物通过无创方法筛查或监测疾病进展具有积极意义。

本研究通过PBA技术在单EV水平上分析肾EV蛋白组学图谱，基于无监督机器学习聚类分析，对EV亚群进行分类，所识别出的与肾纤维化有关的亚群作为生物标志物，在CKD和肾纤维化的无创筛查和疾病监测种具有潜在的应用价值。

•不同时长的UUO诱导小鼠

•I, II, III and IV级的肾纤维化小鼠各4只

•假手术对照组小鼠4只

•邻近编码技术（PBA)：用于检测EV表面蛋白，本研究同时检测112种蛋白，并在单囊泡水平上进行定量分析

EV表征

总蛋白表达水平分析

单EV水平蛋白组合分析

FlowSOM 无监督学习算法聚类分析

各样本组数据集比较

本研究通过邻近编码分析技术（Proximity barcoding assay，PBA）和无监督机器学习FlowSOM算法，发现与总蛋白表达分析相比，蛋白组合和EV亚群分析提供了更好的样品组分离，证明了蛋白质组合和EV亚群在发现生物标志物应用中的潜力。

全文链接：https://www.biorxiv.org/content/10.1101/2020.08.28.271825v1.abstract