Proteomic predictors of preterm birth

Cover Page


Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

To date, the methods based on the detection of isolated biomarkers have been ineffective in predicting preterm birth. Probably, a reason for this is that these predictors are associated with any one link in pathogenesis and do not take into account another “scenario” for the pathological events. It is becoming increasingly clear that in order to improve the prediction of preterm birth, it is necessary to apply an approach that shall combine the acquisition of data on different biological levels of regulation.

Thus, the rapidly developing areas of genomics, transcriptomics, and metabolomics open up broad prospects for predicting preterm birth. These methods allow for not only measuring thousands of biomarkers in biological samples during pathology, but also evaluating biological changes that precede clinical manifestations. Meanwhile, a number of studies have demonstrated the leading role of proteins in all cellular reactions of the body, which has determined proteome-wide evaluation as one of the most promising areas of omic research. Proteomics can provide additional information about complex biochemical processes at the molecular level, the understanding of which is critical for predicting the various clinical phenotypes of preterm birth.

The studies presented in this literature review have shown promise in examining the maternal blood proteome to identify potentially effective predictors of preterm birth.

About the authors

Olga V. Pachuliia

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott

Author for correspondence.
Email: for.olga.kosyakova@gmail.com
ORCID iD: 0000-0003-4116-0222
SPIN-code: 1204-3160

MD, Cand. Sci. (Med.)

Russian Federation, Saint Petersburg

Elena S. Vashukova

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott

Email: vi_lena@list.ru
ORCID iD: 0000-0002-6996-8891
SPIN-code: 2811-8730

Cand. Sci. (Biol.)

Russian Federation, Saint Petersburg

Roman A. Illarionov

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott;
St. Petersburg State University

Email: r.a.illarionov@gmail.com
ORCID iD: 0000-0003-2711-748X
SPIN-code: 6901-3640
Russian Federation, Saint Petersburg; Saint Petersburg

Tatyana B. Postnikova

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott

Email: ptb20@mail.ru
ORCID iD: 0000-0002-8227-2629
SPIN-code: 5354-4640

MD

Russian Federation, Saint Petersburg

Anastasia R. Maltseva

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott

Email: nastya.chentsova@gmail.com
ORCID iD: 0000-0002-5647-6783
SPIN-code: 9514-5746
Russian Federation, Saint Petersburg

Anastasia K. Popova

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott

Email: stassi1997@mail.ru
ORCID iD: 0009-0008-3512-2557
Russian Federation, Saint Petersburg

Ekaterina A. Kornyushina

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott

Email: hapacheva@yandex.ru
SPIN-code: 5844-1975

MD, Cand. Sci. (Med.)

Russian Federation, Saint Petersburg

Kristina A. Oganyan

The Research Institute of Obstetrics, Gynecology, and Reproductology named after D.O. Ott; Saint Petersburg State University

Email: 2743856@mail.ru
ORCID iD: 0000-0002-1206-6029
SPIN-code: 6276-4279

MD, Cand. Sci. (Med.)

Russian Federation, Saint Petersburg; Saint Petersburg

Olesya N. Bespalova

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott; Saint Petersburg State University

Email: shiggerra@mail.ru
ORCID iD: 0000-0002-6542-5953
SPIN-code: 4732-8089

MD, Dr. Sci. (Med.)

Russian Federation, Saint Petersburg; Saint Petersburg

Andrey S. Glotov

The Research Institute of Obstetrics, Gynecology and Reproductology named after D.O. Ott; Saint Petersburg State University

Email: anglotov@mail.ru
ORCID iD: 0000-0002-7465-4504
SPIN-code: 1406-0090

Dr. Sci. (Biol.)

Russian Federation, Saint Petersburg; Saint Petersburg

References

  1. Daskalakis G, Psarris A, Koutras A, et al. Maternal infection and preterm birth: from molecular basis to clinical implications. Children. 2023;10(5):907. doi: 10.3390/children10050907
  2. Manukhin IB, Firichenko SV, Mikailova LU, et al. Prediction and prevention of preterm birth: state-of-the-art. Russian Bulletin of Obstetrician-Gynecologist. 2016;(3):9–15. (In Russ.) doi: 10.17116/rosakush20161639-15
  3. Rizzo G, Mappa I, Bitsadze VO, et al. Prediction of preterm birth: the role cervical assessment by ultrasound and cervico-vaginal biomarkers. Annals of the Russian academy of medical sciences. 2020;75(4):269–277. (In Russ.) doi: 10.15690/vramn1275
  4. Oskovi Kaplan ZA, Ozgu-Erdinc AS. Prediction of preterm birth: maternal characteristics, ultrasound markers, and biomarkers: an updated overview. J Pregnancy. 2018;2018. doi: 10.1155/2018/8367571
  5. Wadon M, Modi N, Wong HS, et al. Recent advances in the genetics of preterm birth. Ann Hum Genet. 2020;84(3):205–213. doi: 10.1111/ahg.12373
  6. Gupta JK, Alfirevic A. Systematic review of preterm birth multi-omic biomarker studies. Expert Rev Mol Med. 2022;24:1–24. doi: 10.1017/erm.2022.13
  7. Nikitina NA, Kiryanova MA, Ageev MB. Modern proteomic technologies in the study of pre-eclampsia. Gynecology, Obstetrics and Perinatology. 2022;21(6):86–92. (In Russ.) doi: 10.20953/1726-1678-2022-6-86-92
  8. Kacerovsky M, Lenco J, Musilova I, et al. Proteomic biomarkers for spontaneous preterm birth: a systematic review of the literature. Reprod Sci. 2014;21(3):283–295. doi: 10.1177/1933719113503415
  9. Zhang Z, Wu S, Stenoien DL, et al. High-throughput proteomics. Annu Rev Anal Chem. 2014;7:427–454. doi: 10.1146/annurev-anchem-071213-020216
  10. Sazonova NG, Makarenko TA, Olovyannikova RY, et al. Proteomic analysis methods and their role in the diagnosis of obstetric and gynecological pathology. Journal of Obstetrics and Women’s Diseases. 2019;68(1):69–82. (In Russ.) doi: 10.17816/JOWD68169-82
  11. Lo JO, Reddy AP, Wilmarth PA, et al. Proteomic analysis of cervical vaginal fluid proteins among women in recurrent preterm labor. J Matern Fetal Neonatal Med. 2014;27(12):1183–1188. doi: 10.3109/14767058.2013.852172
  12. Chien CW, Lo YS, Wu HY, et al. Transcriptomic and proteomic profiling of human mesenchymal stem cell derived from umbilical cord in the study of preterm birth. Proteomics Clin Appl. 2020;14(1). doi: 10.1002/prca.201900024
  13. Tiensuu H, Haapalainen AM, Tissarinen P, et al. Human placental proteomics and exon variant studies link AAT/SERPINA1 with spontaneous preterm birth. BMC Med. 2022;20(1):141. doi: 10.1186/s12916-022-02339-8
  14. Romero R, Espinoza J, Rogers WT, et al. Proteomic analysis of amniotic fluid to identify women with preterm labor and intra-amniotic inflammation/infection: the use of a novel computational method to analyze mass spectrometric profiling. J Matern Fetal Neonatal Med. 2008;21(6):367–388. doi: 10.1080/14767050802045848
  15. Gomes J, Au F, Basak A, et al. Maternal blood biomarkers and adverse pregnancy outcomes: a systematic review and meta-analysis. Crit Rev Toxicol. 2019;49(6):461–478. doi: 10.1080/10408444.2019.1629873
  16. Klein J, Buffin-Meyer B, Mullen W, et al. Clinical proteomics in obstetrics and neonatology. Expert Rev Proteomics. 2014;11(1):75–89. doi: 10.1586/14789450.2014.872564
  17. Hornaday KK, Wood EM, Slater DM. Is there a maternal blood biomarker that can predict spontaneous preterm birth prior to labour onset? A systematic review. PLoS One. 2022;17(4). doi: 10.1371/journal.pone.0265853
  18. Esplin MS, Merrell K, Goldenberg R, et al. Proteomic identification of serum peptides predicting subsequent spontaneous preterm birth. Am J Obstet Gynecol. 2011;204(5):391–398. doi: 10.1016/j.ajog.2010.09.021
  19. Parry S, Zhang H, Biggio J, et al. Maternal serum serpin B7 is associated with early spontaneous preterm birth. Am J Obstet Gynecol. 2014;211(6):678.e1–678.e12. doi: 10.1016/j.ajog.2014.06.035
  20. Gunko VO, Pogorelova TN, Linde VA. Proteomic profiling of the blood serum for prediction of premature delivery. Bull Exp Biol Med. 2016;161(6):829–832. doi: 10.1007/s10517-016-3522-z
  21. D’Silva AM, Hyett JA, Coorssen JR. Proteomic analysis of first trimester maternal serum to identify candidate biomarkers potentially predictive of spontaneous preterm birth. J Proteomics. 2018;178:31–42. doi: 10.1016/j.jprot.2018.02.002
  22. Huang J, Yang Y, He P. Serum apolipoprotein A-II and alpha-2-antiplasmin levels in midtrimester can be used as predictors of preterm delivery. J Int Med Res. 2020;48(9). doi: 10.1177/0300060520952280
  23. Markenson GR, Saade GR, Laurent LC, et al. Performance of a proteomic preterm delivery predictor in a large independent prospective cohort. Am J Obstet Gynecol MFM. 2020;2(3). doi: 10.1016/j.ajogmf.2020.100140
  24. Lynch AM, Wagner BD, Deterding RR, et al. The relationship of circulating proteins in early pregnancy with preterm birth. Am J Obstet Gynecol. 2016;214(4):517.e1–517.e8. doi: 10.1016/j.ajog.2015.11.001
  25. Hong S, Park KH, Kim YM, et al. A protein microarray analysis of plasma proteins for the prediction of spontaneous preterm delivery in women with preterm labor. Reprod Sci. 2020;27(5):1187–1196. doi: 10.1007/s43032-019-00114-4
  26. Lee JE, Park KH, Kim HJ, et al. Proteomic identification of novel plasma biomarkers associated with spontaneous preterm birth in women with preterm labor without infection/inflammation. PLoS One. 2021;16(10). doi: 10.1371/journal.pone.0259265
  27. Bai K, Li X, Zhong J, et al. Placenta-derived exosomes as a modulator in maternal immune tolerance during pregnancy. Front Immunol. 2021;12. doi: 10.3389/fimmu.2021.671093
  28. Ezrin AM, Brohman B, Willmot J, et al. Circulating serum-derived microparticles provide novel proteomic biomarkers of spontaneous preterm birth. Am J Perinatol. 2015;32(6):605–614. doi: 10.1055/s-0035-1547322
  29. Cantonwine DE, Zhang Z, Rosenblatt K, et al. Evaluation of proteomic biomarkers associated with circulating microparticles as an effective means to stratify the risk of spontaneous preterm birth. Am J Obstet Gynecol. 2016;214(5):631.e1–631.e11. doi: 10.1016/j.ajog.2016.02.005
  30. Menon R, Dixon CL, Sheller-Miller S, et al. Quantitative proteomics by SWATH-MS of maternal plasma exosomes determine pathways associated with term and preterm birth. Endocrinology. 2019;160(3):639–650. doi: 10.1210/en.2018-00820

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2023 Eсо-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».