▎药明康德内容团队编辑
虽然不同疾病的病理病程各有差异，但大部分慢性疾病从首次发现症状开始到最终确诊，通常会间隔数月或数年。如何在发病前准确地识别高风险人群，达到“早发现、早诊断、早治疗”的目的，改善患者预后，是精准医疗需要解决的核心问题之一。近日，《自然-医学》（Nature Medicine）发表一项研究，发现仅需简单验血，测量和分析不同蛋白质“特征”，就能够预测多发性骨髓瘤、非霍奇金淋巴瘤、肺纤维化等多达67种疾病。![]()
截图来源：Nature Medicine
过去的几十年间，单一血浆蛋白已被用于对少数疾病的特异性诊断，如诊断心衰的B型利钠肽（BNP）、诊断急性冠脉综合征的肌钙蛋白等。蛋白质组学则可通过了解数千种蛋白质“特征”，帮助我们理解“我们的身体正在发生什么变化”，如一个稀疏的蛋白质“特征”，至少含有3种蛋白质，可协助发现当前筛查策略下被遗漏的糖尿病高危人群。基于上述背景，研究人员选取了英国生物样本库药物蛋白质组学项目（UKB-PPP）的数据开展分析。通过随机选择4万多例参与者的约3000种血浆蛋白进行分析，并将分析结果与临床信息结合，研究人员搭建了包含218种常见疾病和部分罕见病10年发病率的模型。针对每种疾病，研究人员确定了5~20种对疾病预测最有价值的蛋白质“特征”。![]()
▲实验设计流程（图片来源：参考文献[1]）
通过对比蛋白质组学模型与基于临床基本信息或临床检测数据（如血细胞计数、胆固醇、肾功能、糖化血红蛋白等）开发的模型，研究人员发现：- 67种疾病预测能力：蛋白质组学模型优于基于临床基本信息模型，特别是多发性骨髓瘤、非霍奇金淋巴瘤、肺纤维化、乳糜泻、扩张型心肌病、运动神经元疾病等疾病。
- 中位检测率：蛋白质组学模型为45.5%，高于临床基本信息模型的25%。蛋白质组学模型67种疾病的中位似然比（LR）为4.55，相比于临床模型改善了0.12~6.92，以乳糜泻（LR=8.08）为例，应用蛋白质组学模型可预测到80.8%的病例，同时包含了10%假阳性的可能（可接受的范围）。
研究主要作者，来自玛丽皇后伦敦大学精准医疗研究所的Claudia Langenberg教授表示：“未来我们还需开展不同人群的蛋白组学研究，开展有效测试，以进一步验证我们的发现”。总之，这项研究结果表明，利用稀疏的蛋白质“特征”来预测广泛疾病、甚至是罕见病是具有可行性的，为临床及时诊断疾病提供了新的选择。点击文末“阅读原文/Read more”，即可访问Nature Medicine官网阅读完整论文。
![]()
![]()
![]()
![]()
![]()
![]()
[1]Carrasco-Zanini, J., Pietzner, M., Davitte, J.et al. Proteomic signatures improve risk prediction for common and rare diseases. Nat Med (2024). https://doi.org/10.1038/s41591-024-03142-z[2]Queen Mary
University Of London. Blood proteins predict the risk of developing more than
60 diseases. https://www.eurekalert.org/news-releases/1051948免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。
版权说明：本文来自药明康德内容团队，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「医学新视点」微信公众号留言联系。
如有其他合作需求，请联系wuxi_media@wuxiapptec.com
