今天，复旦团队在 Cell 发表了题为 Atlas of the plasma proteome in health and disease in 53,026 adults 的研究，公布了团队全面绘制的人类健康与疾病蛋白质组图谱，揭示了血浆蛋白在疾病诊断、预测和治疗中的潜在应用价值。
图源：Cell
复旦大学附属华山医院郁金泰、毛颖团队联合复旦大学类脑智能科学与技术研究院程炜、冯建峰团队，敏锐觉察到蛋白质组学研究对阿尔茨海默病（AD）预防、诊断和治疗的意义，先后通过血浆及脑脊液蛋白质组学研究发现了 AD 诊断生物标志物，联合诊断精度高达 98.7%。
在前期蛋白质组学研究的基础上，团队发现，尚缺乏全面的健康与疾病蛋白质组图谱，这引出了许多尚未解决的问题。例如：
● 前期所发现的 AD 相关蛋白质是否特异性地与 AD 相关，抑或同时与其他疾病有关联？
● 这些蛋白对理解疾病的病理生理机制有何贡献，是否能够促进对人类疾病的生物学分类？
● 血浆蛋白对人类疾病的预测诊断效能如何，是否能作为疾病的潜在治疗靶点？
回答这些问题是极大的挑战。
全面绘制健康与疾病蛋白质组图谱
研究团队通过深入分析 53,026 名个体的血浆蛋白质组数据，跨越了 14.8 年的中位随访期，建立了全面的蛋白质组图谱。
该图谱涵盖了 2,920 种血浆蛋白质与 406 种既往患病、660 种随访新发疾病以及 986 种健康相关特征，揭示了 168,100 个蛋白质-疾病关联和 554,488 个蛋白质-表型关联。
研究中，团队发现超过 650 种蛋白质与至少 50 种疾病存在联系，而超过 1000 种蛋白质表现出性别和年龄的异质性，这些发现深化了对疾病间共享和特异分子机制的理解，揭示了不同人群在疾病易感性上的差异，为精准诊疗提供了科学依据。
人类健康与疾病血浆蛋白质组图谱，图源：该论文
研究发现，免疫系统相关通路在绝大部分疾病中富集，强调了炎症在人类健康中的重要作用。此外，团队对不同疾病之间的生物学通路的比较完善了对疾病病理生理学相似性和异质性的理解。
此外，团队还进一步揭示了该亚群的特征性生物学功能，将生物学上相关的疾病联系在一起，有助于解释为何患者身上会同时出现看似不相关的症状，并进一步加深对机制的理解和提高治疗的有效性。
人工智能助力全疾病谱预测/诊断
为了精准评估血浆蛋白质组学在疾病预测和诊断中的临床价值，团队利用机器学习等人工智能大数据分析技术，识别出了具有潜在诊断和预测价值的生物标志物，发现基于蛋白质的模型在 183 种疾病中的 AUC 值超过 0.80，明显优于基于人口统计学的模型，将有助于提高疾病的早期诊断率。
值得一提的是，GDF15 被发现是预测和诊断多种疾病的关键蛋白，其在对 200 种疾病的预测中的重要度均排名第一，这表明 GDF15 在疾病的早期识别和风险评估中具有重要作用，可能成为一个重要的生物标志物。
蛋白质在疾病预测和诊断中的性能（A～B.血浆蛋白、人口统计学及综合模型预测[A]和诊断[B]疾病的 AUC 值；C～D.蛋白质在疾病预测[C]和诊断[D]中的重要度排序），图源：该论文
致谢：本文经 复旦大学附属华山医院神经内科主任医师、博士生导师 郁金泰教授 专业审核
研究团队分享
复旦大学附属华山医院郁金泰教授强调：「本研究全面绘制了人类健康与疾病蛋白质组图谱，系统研究了人类疾病和健康相关蛋白，发现了一系列老年痴呆、帕金森、肿瘤和心脑血管疾病等重大疾病早期预测和诊断的蛋白生物标志物。研究构建了开放可获取的蛋白资源数据库，供广大科研人员使用，这将加速疾病早期预测、精准诊断、生物标志物挖掘及相关药物研发，从而推进精准医学的进步。」
复旦大学类脑智能科学与技术研究院尤佳青年研究员指出：「正是借助人工智能技术，研究团队得以在五万余人的海量高通量测序蛋白质组学数据中深度挖掘，精准捕捉到与人类健康和疾病相关的关键蛋白信息。这一发现为进一步深入开展蛋白质临床研究奠定了坚实的理论基础。」
针对未来研究方向，复旦大学类脑智能科学与技术研究院程炜研究员表示：「未来我们将进一步整合遗传组学，代谢组学、影像组学等人类多组学生物医学大数据，构建全维度智能大模型，实现对疾病发生发展更精准的预测。另一方面，我们将基于目前图谱发现，加速药物开发进程。」
参考论文：
https://doi.org/10.1016/j.cell.2024.10.045
编辑：ifhealth 来源：丁香园
