UKB研究：发现疾病风险的新途径

研究背景

UBK研究是一项大规模人群队列研究，于2006年至2010年在英国招募了约50万名年龄在40至59岁之间的参与者。该研究通过细致的表型和基因数据，深入探讨了参与者的健康状况，其中包括血液和尿液生物标记物、全身成像、生活方式指标、体格和人体测量、全基因组基因分型、外显子组和基因组测序等信息。

蛋白组学分析

UKB-PPP项目对大约54,000名UKB参与者的EDTA血浆样本进行了系统的蛋白组学分析。研究设计包含三个主要部分：(1) 从46,595人中随机挑选的子集；(2) 由UKB-PPP联合体成员选择的6,356人参与基线评估的样本分析；(3) 1,268人参与了COVID-19成像研究，并接受了多次影像学检查。

疾病预测模型的构建

作者随机挑选了41,931名参与者，利用OlinkExplore技术检测2,923种蛋白质，构建了218种疾病的预测模型。同时，研究验证并比较了含蛋白和不含蛋白的预测模型性能差异。在67种罕见及常见疾病中，增加5至20个蛋白质显著改善临床模型的性能（C指数的中位增加值=0.07，范围=0.02-0.31）。与传统的血液化验临床模型相比，52种疾病的预测模型基于蛋白特征获得了更高的似然比（Likelihood Ratio, LRs），其范围为0.13到5.17。

动态蛋白特征的优势

研究中所报道的蛋白特征筛查指标在某些情况下超过了现有的诊断测试血液测试。在特定疾病预测中，特异性强的预测蛋白模型揭示了潜在的疾病风险路径。例如，在确诊前10年，高水平的TNFRSF17和TNFRSF13B（BAFF和APRIL的受体）分别被视为多发性骨髓瘤和单克隆性淋巴瘤患者病患风险增加的有效预测因子。此外，与传统“静态”多基因风险评分相比，循环蛋白特征的动态特性更有效地反映了环境暴露的风险变化，因此展现出更优的预测性能。

总结与展望

人生就是博-尊龙凯时致力于推动生物医疗领域的创新。通过深入的蛋白组学研究，我们不仅能够提高对多种疾病的预测能力，还能为现代医学提供新的思路。未来，利用这些发现来改善疾病预防和控制的策略，将是我们共同的目标。