大規(guī)模蛋白質(zhì)組學(xué)研究能夠深化對健康和疾病的理解，但現(xiàn)有研究仍集中于有限的疾病結(jié)局，蛋白與健康和疾病之間的關(guān)系仍然存在許多未解之謎。疾病相關(guān)的蛋白質(zhì)是特異性的還是共同的？這些蛋白質(zhì)能否啟示疾病的生物學(xué)分類？它們能否作為疾病預(yù)測和診斷的生物標(biāo)志物及潛在的治療靶點？
2024年11月22日，復(fù)旦大學(xué)附屬華山醫(yī)院郁金泰、毛穎團隊與復(fù)旦大學(xué)類腦智能科學(xué)與技術(shù)研究院程煒、馮建峰團隊合作，在國際頂尖學(xué)術(shù)期刊 Cell 在線發(fā)表了題為：Atlas of the plasma proteome in health and disease in 53,026 adults 的研究論文。
這項研究全面繪制了人類健康與疾病蛋白質(zhì)組圖譜，并結(jié)合人工智能大數(shù)據(jù)分析方法，構(gòu)建了疾病診斷預(yù)測模型以及發(fā)現(xiàn)了26個藥物治療新靶點，為精準醫(yī)學(xué)的實施提供了重要科學(xué)依據(jù)。
該研究于2025年1月9日，登上了 Cell 期刊封面，該封面描繪了一個由蛋白質(zhì)構(gòu)成的人類，正在借助人工智能（由芯片和二進制代碼代表）的幫助來檢查自己的健康狀況（通過心電圖監(jiān)測界面來體現(xiàn)）。
封面圖片來自郁金泰、程煒
該研究的核心突破：
該研究通過深入分析53026名個體的血漿蛋白質(zhì)組數(shù)據(jù)，納入了2920種血漿蛋白質(zhì)與406種既往患病、660種隨訪新發(fā)疾病以及986種健康相關(guān)特征，跨越了14.8年的中位隨訪期，揭示了168100個蛋白質(zhì)-疾病關(guān)聯(lián)和554488個蛋白質(zhì)-表型關(guān)聯(lián)。研究中發(fā)現(xiàn)超過650種蛋白質(zhì)與至少50種疾病存在聯(lián)系，而超過1000種蛋白質(zhì)表現(xiàn)出性別和年齡的異質(zhì)性，這些發(fā)現(xiàn)深化了對疾病間共享和特異分子機制的理解，揭示了不同人群在疾病易感性上的差異。
人類健康與疾病血漿蛋白質(zhì)組圖譜
研究團隊發(fā)現(xiàn)免疫系統(tǒng)相關(guān)通路在絕大部分疾病中富集，強調(diào)了炎癥在人類健康中的重要作用。此外，對不同疾病之間的生物學(xué)通路的比較完善了對疾病病理生理學(xué)相似性和異質(zhì)性的理解。例如，阿爾茨海默?。ˋD）和血管性癡呆（VaD）相關(guān)的蛋白質(zhì)在與神經(jīng)系統(tǒng)相關(guān)的共同通路中富集，而AD特異性通路大多與脂質(zhì)代謝有關(guān)，VaD特異性通路與心肌有關(guān)。傳統(tǒng)的疾病分類策略通?；谙嗨频呐R床癥狀和表型特征，而忽略了共同的分子病因。利用蛋白質(zhì)組學(xué)特征對660種疾病進行聚類，能夠根據(jù)其共享的生物學(xué)特性將這些疾病聯(lián)系起來，從而重新審視疾病的類別和亞型。例如，各種癡呆亞型被劃分到同一疾病亞群，該亞群還包含精神、內(nèi)分泌、心血管等系統(tǒng)疾病，基于此，研究團隊進一步揭示了該亞群的特征性生物學(xué)功能，將生物學(xué)上相關(guān)的疾病聯(lián)系在一起，有助于解釋為何患者身上會同時出現(xiàn)看似不相關(guān)的癥狀，并進一步加深對機制的理解和提高治療的有效性。
血漿高通量測序蛋白質(zhì)數(shù)據(jù)存在復(fù)雜交互作用，往往難以單獨處理，而人工智能算法，能夠高效提取關(guān)鍵特征，構(gòu)建精確預(yù)測/診斷模型。研究團隊利用機器學(xué)習(xí)等人工智能大數(shù)據(jù)分析技術(shù)，識別出了具有潛在診斷和預(yù)測價值的生物標(biāo)志物，發(fā)現(xiàn)基于蛋白質(zhì)的模型在183種疾病中的AUC值超過0.80，明顯優(yōu)于基于人口統(tǒng)計學(xué)的模型，將有助于提高疾病的早期診斷率。
值得一提的是，GDF15被發(fā)現(xiàn)是預(yù)測和診斷多種疾病的關(guān)鍵蛋白，其在對200種疾病的預(yù)測中的重要度均排名榜首，這表明GDF15在疾病的早期識別和風(fēng)險評估中具有重要作用，可能成為一個重要的生物標(biāo)志物。此外，EDA2R、NTproBNP、COL9A1和NEFL等蛋白也在多個疾病中表現(xiàn)出良好的預(yù)測和診斷性能，表明它們在多種生物過程中發(fā)揮著核心作用，具有廣泛的臨床應(yīng)用潛力。
對歷史藥物開發(fā)項目數(shù)據(jù)的評估顯示，有遺傳證據(jù)支持的靶點-適應(yīng)癥對在藥物開發(fā)中更有可能獲得成功。該研究通過整合蛋白質(zhì)數(shù)量性狀位點（pQTL）和疾病全基因組關(guān)聯(lián)研究（GWAS）數(shù)據(jù)，使用孟德爾隨機化分析（MR）確定了474個具有潛在因果關(guān)聯(lián)的蛋白質(zhì)-疾病對。通過檢索DrugBank和Therapeutic Target Database中的藥物靶點信息以及進行安全性評估，該研究提供了對25個已知靶點的37種潛在藥物重新利用機會，并確立了26個具有治療潛力且安全性良好的新靶點，為老藥新用和新藥開發(fā)提供了重要線索。
為了進一步推動科學(xué)研究和精準醫(yī)療的發(fā)展，該研究建立了一個可開放訪問的蛋白質(zhì)組-表型組資源數(shù)據(jù)庫Proteome-Phenome Atlas（https://proteome-phenome-atlas.com/）。
這個數(shù)據(jù)庫不僅有助于科學(xué)家們更好地理解疾病的生物學(xué)機制，還將加速疾病生物標(biāo)志物、預(yù)測診斷模型和治療靶點的開發(fā)，為精準醫(yī)學(xué)的實施提供強有力的支持。
Proteome-Phenome Atlas數(shù)據(jù)庫首頁
總的來說，這項研究繪制的人類健康與疾病蛋白質(zhì)組圖譜揭示了血漿蛋白在疾病診斷、預(yù)測和治療中的潛在應(yīng)用價值。該研究為臨床實踐提供了科學(xué)依據(jù)，有助于疾病的早期檢測、精準分層和個性化治療。
未來，基于這一開放獲取的蛋白質(zhì)組學(xué)圖譜，研究人員將能夠更深入地探索疾病發(fā)病機制，推動生物標(biāo)志物和預(yù)測/診斷模型開發(fā)，并探尋全新治療靶點，為精準醫(yī)學(xué)發(fā)展奠定了基礎(chǔ)。
論文鏈接：
https://www.cell.com/cell/fulltext/S0092-8674(24)01268-6
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
