血浆蛋白质组学提升早期疾病诊断：从骨髓瘤到肺纤维化的精准预测

在疾病诊断的过程中，因缺乏客观的生物标志物，常导致诊断延迟。精准医学的重要挑战之一是开发临床工具以识别高风险个体，从而实现及时诊断和早期治疗，并改善患者预后。当前，心脏病和中风的风险预测工具已被广泛使用，但其他疾病的预测工具尚未普及。从症状初现到确诊，许多疾病的诊断可能需要几个月甚至数年。近年来，一些单一血浆蛋白被确立为特定疾病的诊断标志物，如B型钠尿肽（BNP）用于心力衰竭，肌钙蛋白用于急性冠状动脉综合征，泛素C末端水解酶L1（UCH-L1）和胶质纤维酸性蛋白（GFAP）用于创伤性脑损伤。血浆蛋白质组学技术能捕获数千种蛋白质，并进行不局限于单一疾病的无偏发现研究，被认为是应对这一挑战的有前景技术。

7月22日，Nature Medicine发表了题为“Proteomic signatures improve risk prediction for common and rare diseases”的研究，研究团队在英国生物银行的Pharma Proteomics项目中，整合了41,931名个体的约3,000种血浆蛋白数据与临床信息，建立了针对218种常见和罕见疾病的10年发病率预测模型。结果显示，包含5到20种蛋白质的模型在67种疾病中，其预测性能优于仅使用基础临床信息的模型。对于包括多发性骨髓瘤、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在内的52种疾病，蛋白质模型的预测性能也优于结合临床检测数据和基础信息的模型。

该研究使用了UK Biobank的EDTA血浆样本，通过Olink Explore 1536和Explore Expansion平台进行蛋白质组学分析。通过LASSO回归和正则化Cox模型，研究团队开发了包含5至20种蛋白质的预测模型，并进行了1,000次自助法估计。

为了验证模型的普遍性，研究还在EPIC-Norfolk研究中进行了外部验证。结果表明，蛋白质模型在67种疾病中优于仅使用临床信息的模型。例如，多发性骨髓瘤的单细胞RNA测序显示，新诊断患者的骨髓中，预测蛋白FCRLB、QPCT、SLAMF7和TNFRSF17主要在浆细胞中表达，与其预测能力一致。

研究还发现，某些蛋白质在多个疾病中可作为预测因子，显示其广泛适用性。研究结果表明，血浆蛋白质组学在疾病风险预测、早期诊断和干预中具有巨大潜力，并有望成为精准医学的重要工具。未来，随着技术进步和数据积累，蛋白质组学在临床实践中的应用将不断扩展和深入，为疾病早期预测和诊断提供新动力。