Существующее методы диагностики новообразований щитовидной железы (ЩЖ) не всегда являются достоверными, что указывает на необходимость поиска альтернативных решений. Для диагностики онкологических заболеваний всё чаще применяется метод восходящего протеомного анализа, что является наиболее эффективным для мультиплексного анализа. В исследование включили 372 образца плазмы крови пациентов с гистологически подтверждёнными патологиями ЩЖ, находившихся на лечении в ГНЦ НМИЦ эндокринологии с 2019 по 2021 гг. Образцы получали до хирургического вмешательства. Пробоподготовка образцов включала восстановление и алкилирование дисульфидных связей, протеолиз, очистку на специализированных картриджах. Протеомный анализ выполняли методом нанопотоковой ВЭЖХ с масс-спектрометрическим детектированием высокого разрешения. Детекцию проводили в режиме ненаправленного анализа, зависимого от поступающих данных. После пептиды идентифицировали в программе FragPipe и оценивали их пригодность. Для дальнейшего исследования отбирали 60 белков-кандидатов в биомаркеры заболеваний ЩЖ, у которых оценивали последовательности 2930 пептидов. В результате идентификации для 9 белков-кандидатов был выявлен 31 пептид с высокой оценкой пригодности для количественного определения. Полученная выборка может быть объединена в единую панель, которая в дальнейшем будет применена для стратификации рисков пациентов с заболеваниями ЩЖ.

The reliability of existing diagnostic methods for thyroid neoplasms remains questionable, necessitating the exploration of alternative approaches. The use of non-target proteomic analysis for diagnosing oncological diseases is gaining traction and represents an efficient method for multiplex analysis. This study analyzed 372 blood plasma samples collected from patients with histologically confirmed thyroid pathologies treated at National Medical Research Centre for Endocrinology between 2019 and 2021. These samples were obtained prior to surgical intervention. Sample preparation involved the reduction and alkylation of disulfide bonds, followed by proteolysis and purification using specialized cartridges. Proteomic analysis was performed using nanoflow high-performance liquid chromatography coupled with high-resolution mass spectrometry in a data-dependent acquisition mode. Peptides were identified using FragPipe software, and their suitability for biomarker discovery was assessed. From this analysis, 60 candidate proteins for thyroid disease biomarkers were identified, and sequences of 2930 peptides were evaluated. Further evaluation of nine candidate proteins revealed 31 peptides with high suitability scores for quantification. These peptides can be consolidated into a single biomarker panel, which will be further developed for the risk stratification of patients with thyroid diseases.