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，但蛋白質(zhì)與健康和疾病之間的關(guān)系仍然存在許多未解之謎。

蛋白質(zhì)能否作為疾病預(yù)測和診斷的生物標(biāo)志物及潛在治療靶點(diǎn)？復(fù)旦大學(xué)附屬華山醫(yī)院郁金泰、毛穎團(tuán)隊(duì)聯(lián)合復(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(tuán)隊(duì)聯(lián)合攻關(guān)，全面繪制了人類健康與疾病蛋白質(zhì)組圖譜，結(jié)合人工智能大數(shù)據(jù)分析方法構(gòu)建疾病診斷預(yù)測模型，發(fā)現(xiàn)了26個(gè)藥物治療新靶點(diǎn)，為精準(zhǔn)醫(yī)療和新藥開發(fā)提供了重要科學(xué)依據(jù)。

11月23日，相關(guān)成果以《健康與疾病血漿蛋白質(zhì)組圖譜》（Atlas of the plasma proteome in health and disease in 53,026 adults）為題在《細(xì)胞》（Cell）雜志發(fā)表

多學(xué)科融合創(chuàng)新，為精準(zhǔn)醫(yī)學(xué)實(shí)施提供支撐

隨著全球人口的快速增長和老齡化，健康需求和疾病負(fù)擔(dān)日益增加。疾病預(yù)防和治療面臨的主要挑戰(zhàn)包括缺乏可靠的個(gè)體化風(fēng)險(xiǎn)預(yù)測模型以及現(xiàn)有治療方法的療效和不良反應(yīng)仍有待改善，這突顯了精準(zhǔn)醫(yī)學(xué)的重要性。

基于基因組學(xué)的精準(zhǔn)醫(yī)學(xué)研究已取得初步成效，但基因轉(zhuǎn)錄和翻譯過程的復(fù)雜性阻礙了因果基因的識(shí)別，進(jìn)而限制了精準(zhǔn)醫(yī)學(xué)的發(fā)展。蛋白質(zhì)能夠直接反映人體的生物過程和病理變化，是理解疾病機(jī)制和開發(fā)新療法的關(guān)鍵。

郁金泰教授和程煒教授多學(xué)科融合交叉團(tuán)隊(duì)敏銳覺察到蛋白質(zhì)組學(xué)研究對阿爾茨海默?。ˋD）預(yù)防、診斷和治療的意義，先后通過血漿及腦脊液蛋白質(zhì)組學(xué)研究發(fā)現(xiàn)了AD新的診斷生物標(biāo)志物，聯(lián)合診斷精度高達(dá)98.7%。系列成果早期發(fā)表在Nature Human Behaviour、Nature Aging等期刊，并受到Nature主刊的高度評價(jià)。

在前期蛋白質(zhì)組學(xué)研究的基礎(chǔ)上，團(tuán)隊(duì)發(fā)現(xiàn)，尚缺乏全面的健康與疾病蛋白質(zhì)組圖譜，而這引出了許多尚未解決的問題。例如，前期所發(fā)現(xiàn)的AD相關(guān)蛋白質(zhì)是否特異性地與AD相關(guān)，抑或同時(shí)與其他疾病有關(guān)聯(lián)？這些蛋白在疾病的病理生理機(jī)制中有何貢獻(xiàn)，是否能夠促進(jìn)對人類疾病的生物學(xué)分類？血漿蛋白對人類疾病的預(yù)測診斷效能如何，是否能作為疾病的潛在治療靶點(diǎn)？回答這些問題是極大的挑戰(zhàn)。人類健康狀態(tài)與蛋白間存在復(fù)雜作用關(guān)系，此外，高維度蛋白測序數(shù)據(jù)內(nèi)部也存在錯(cuò)綜復(fù)雜的交互作用，這使得數(shù)據(jù)的處理與分析過程變的異常繁瑣且充滿挑戰(zhàn)。

全面繪制健康與疾病蛋白質(zhì)組圖譜，深度解析疾病發(fā)病機(jī)制

該研究通過深入分析53,026名個(gè)體的血漿蛋白質(zhì)組數(shù)據(jù)，跨越了14.8年的中位隨訪期，建立了全面的蛋白質(zhì)組圖譜。該圖譜涵蓋了2,920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)表型，揭示了168,100個(gè)蛋白質(zhì)-疾病關(guān)聯(lián)和554,488個(gè)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)加深了我們對疾病間共享和特異分子機(jī)制的理解，揭示了不同人群在疾病易感性上的差異，為精準(zhǔn)診療提供了科學(xué)依據(jù)。

人類健康與疾病血漿蛋白質(zhì)組圖譜

研究還發(fā)現(xiàn)免疫系統(tǒng)相關(guān)通路在絕大部分疾病中富集，強(qiáng)調(diào)了炎癥在人類健康中的重要作用。此外，不同疾病間生物學(xué)通路的比較分析，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， AD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基礎(chǔ)。利用蛋白質(zhì)組學(xué)特征對660種疾病進(jìn)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(tuán)隊(duì)進(jìn)一步揭示了該亞群的特征性生物學(xué)通路，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(huì)同時(shí)出現(xiàn)看似不相關(guān)的癥狀，并進(jìn)一步加深對疾病機(jī)制的理解和提高治療的有效性。

人工智能助力全疾病譜預(yù)測/診斷，挖掘疾病診療新靶點(diǎn)

為了精準(zhǔn)評估血漿蛋白質(zhì)組學(xué)在疾病預(yù)測和診斷中的臨床價(jià)值，我們需要結(jié)合人工智能和大數(shù)據(jù)分析技術(shù)。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(dú)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。

研究利用人工智能與大數(shù)據(jù)分析技術(shù)，識(shí)別出了具有潛在診斷和預(yù)測價(jià)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(jì)學(xué)的模型，將有助于提高疾病的早期診斷精度。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第一，這表明GDF15在疾病的早期識(shí)別和風(fēng)險(xiǎn)評估中具有重要作用，可能成為一個(gè)重要的生物標(biāo)志物。此外，EDA2R、NTproBNP、COL9A1和NEFL等蛋白也在多個(gè)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。

蛋白質(zhì)在疾病預(yù)測和診斷中的性能（A-B.血漿蛋白、人口統(tǒng)計(jì)學(xué)及綜合模型預(yù)測[A]和診斷[B]疾病的AUC值；C-D.蛋白質(zhì)在疾病預(yù)測[C]和診斷[D]中的重要度排序）

同時(shí)，通過整合蛋白質(zhì)數(shù)量性狀位點(diǎn)（pQTL）和疾病全基因組關(guān)聯(lián)研究（GWAS）數(shù)據(jù)，本研究使用孟德爾隨機(jī)化分析（MR）確定了474個(gè)具有潛在因果關(guān)聯(lián)的蛋白質(zhì)-疾病對，其中與神經(jīng)精神疾病相關(guān)的蛋白質(zhì)有18個(gè)。通過檢索DrugBank和Therapeutic Target Database兩個(gè)數(shù)據(jù)庫中的藥物靶點(diǎn)信息，本研究提供了對25個(gè)已知靶點(diǎn)的37種潛在藥物重新利用機(jī)會(huì)，如將BSG重定位作為治療抑郁癥的潛在靶點(diǎn)。最后，通過對MR發(fā)現(xiàn)的潛在靶點(diǎn)進(jìn)行安全性評估，本研究確立了26個(gè)具有治療潛力且安全性良好的新靶點(diǎn)，為新藥開發(fā)提供了重要線索。

血漿蛋白在疾病的發(fā)病機(jī)制中發(fā)揮關(guān)鍵作用，是治療靶點(diǎn)主要來源。對歷史藥物開發(fā)項(xiàng)目數(shù)據(jù)的評估顯示，有遺傳證據(jù)支持的靶點(diǎn)-適應(yīng)癥對在藥物開發(fā)中更有可能獲得成功。本研究發(fā)現(xiàn)的蛋白質(zhì)-疾病因果關(guān)系將為疾病的藥物重新利用和新藥開發(fā)提供極大的助力。

 資源開放共享，助力精準(zhǔn)醫(yī)學(xué)研究

為了進(jìn)一步推動(dòng)科學(xué)研究和精準(zhǔn)醫(yī)療的發(fā)展，本研究建立了一個(gè)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(gè)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(jī)制，還將加速疾病生物標(biāo)志物的識(shí)別、預(yù)測診斷模型和治療靶點(diǎn)的開發(fā)，為精準(zhǔn)醫(yī)學(xué)的實(shí)施提供強(qiáng)有力的支持。

Proteome-Phenome Atlas數(shù)據(jù)庫首頁

這項(xiàng)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(jià)值。同時(shí)，該研究也為臨床實(shí)踐提供了科學(xué)依據(jù)，有助于疾病的早期檢測、精準(zhǔn)分層和個(gè)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(jī)制，推動(dòng)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(diǎn)，為精準(zhǔn)醫(yī)學(xué)發(fā)展奠定了基礎(chǔ)。

由神經(jīng)臨床醫(yī)生、人工智能、數(shù)學(xué)、腦科學(xué)等專家組成的多學(xué)科交叉融合創(chuàng)新團(tuán)隊(duì)

復(fù)旦大學(xué)附屬華山醫(yī)院博士生鄧悅婷、復(fù)旦大學(xué)類腦智能科學(xué)與技術(shù)研究院青年研究員尤佳等為共同第一作者。復(fù)旦大學(xué)附屬華山醫(yī)院郁金泰、毛穎教授，復(fù)旦大學(xué)類腦智能科學(xué)與技術(shù)研究院程煒、馮建峰教授為論文共同通訊作者。該研究得到了科技創(chuàng)新2030“腦科學(xué)與類腦研究”重大項(xiàng)目、國家重點(diǎn)研發(fā)計(jì)劃、國家自然科學(xué)基金、上海市市級科技重大專項(xiàng)等經(jīng)費(fèi)支持。

論文鏈接：https://www.cell.com/cell/fulltext/S0092-8674(24)01268-6

相關(guān)知識(shí)

Cell發(fā)文！復(fù)旦華山科學(xué)家繪制人類健康與疾病蛋白質(zhì)組圖譜
科學(xué)家全面繪制人類健康與疾病蛋白質(zhì)組圖譜
科學(xué)家全面繪制人類健康與疾病蛋白質(zhì)組圖譜—新聞—科學(xué)網(wǎng)
預(yù)測上百種疾病風(fēng)險(xiǎn)，發(fā)現(xiàn)26個(gè)潛力新靶點(diǎn)！《細(xì)胞》：復(fù)旦團(tuán)隊(duì)繪制人類健康與疾病蛋白質(zhì)組圖譜
《自然》重磅專題：“人類細(xì)胞圖譜”40余篇論文齊發(fā)，重新認(rèn)識(shí)人體！一文看懂三大新進(jìn)展
剛剛！中國研究登上 Cell
【Cell子刊】西湖大學(xué)鄭鉅圣團(tuán)隊(duì)：繪制中國健康人群衰老過程中腸道微生物結(jié)構(gòu)變異的圖譜
如何老當(dāng)益壯？科學(xué)家繪制迄今最完整肌肉衰老圖譜—新聞—科學(xué)網(wǎng)
再度創(chuàng)新！Nature：劍橋大學(xué)科學(xué)家首次描繪胎盤發(fā)育全貌，推進(jìn)胎盤類器官及妊娠疾病的研究！
【Cell】Olink聯(lián)合多組學(xué)揭秘嬰幼兒感染新冠后系統(tǒng)免疫圖譜

網(wǎng)址: Cell發(fā)文！復(fù)旦科學(xué)家繪制人類健康與疾病蛋白質(zhì)組圖譜 http://www.u1s5d6.cn/newsview524687.html