引言
本研究文章聚焦于蛋白质组学标志物在提高常见及罕见疾病风险预测中的潜力。研究基于英国生物样本库制药蛋白质组学项目（UKB-PPP），探讨了血浆蛋白，特别是稀疏蛋白模型，如何在疾病发病率预测中优于传统临床模型。研究目标是提供工具，帮助那些由于缺乏客观生物标志物而常常被延迟诊断的疾病，进行及时诊断和早期干预。
主要发现
1. 蛋白质组学数据改善风险预测：在对41,931名个体的研究中，研究团队整合了大约3,000种血浆蛋白的数据，开发出预测218种疾病10年发病率的模型。这些疾病涵盖了从高血压等常见疾病到多发性骨髓瘤等罕见疾病。
2. 蛋白质模型的卓越表现：研究表明，使用蛋白质组学数据的预测模型明显比仅使用基本临床信息的模型更为有效。在67种疾病中，加入血浆蛋白显著提高了风险预测，C指数中值提高了0.07，部分疾病的预测改进高达0.31。
3. 具体改善的预测案例：在多发性骨髓瘤的研究中，发现作为强预测因子的五种蛋白中有四种在血浆细胞中高度表达，这支持了其强大的预测能力。同样，蛋白质组学特征也改进了非霍奇金淋巴瘤、运动神经元疾病、肺纤维化和扩张型心肌病的预测。
4. 结果的可推广性：在EPIC-Norfolk研究中的外部验证表明，这些模型在六种疾病中具有很好的推广性，证明蛋白质模型在不同人群中具有稳健性。
5. 稀疏蛋白模型：对许多疾病来说，加入5到20种蛋白已足以显著提高预测效果，这为临床上提供了一种成本效益更高的方法。
6. 多重疾病和共享蛋白：一些蛋白在多种疾病中显示出预测性，表明了潜在的共同生物学通路，这对理解看似不同但实质上有共同病因机制的疾病具有重要意义。
结论
研究得出结论，整合血浆蛋白组学数据与临床信息能够显著提高常见及罕见疾病的预测，有助于早期诊断和治疗。稀疏蛋白模型不仅改进了现有的临床实践，还为疾病特异性机制提供了新的见解，为个性化医学的进一步发展铺平了道路。
启示
1. 改进早期诊断：稀疏蛋白模型的开发可能大大减少难以早期检测的疾病的诊断延误。
2. 广泛的临床应用潜力：鉴于该模型在多种疾病预测中的成功，蛋白质组学模型可能广泛应用于临床，提高患者的治疗效果。
3. 未来研究方向：在不同群体中进一步验证，并开发临床级蛋白质定量检测方法是实现血浆蛋白质组学在医疗保健中潜力的关键步骤。
参考文献
Julia Carrasco Zanini et al. Proteomic signatures improve risk prediction for common and rare diseases. Nature medicine. 2024
