科學家全面繪制人類健康與疾病蛋白質組圖譜

復旦大學附屬華山醫院教授郁金泰、毛穎團隊與復旦大學類腦智能科學與技術研究院研究員程煒、教授馮建峰團隊合作，全面繪制了人類健康與疾病蛋白質組圖譜，并結合人工智能大數據分析方法構建了疾病診斷預測模型以及發現了26個藥物治療新靶點，為精準醫學的實施提供了重要科學依據。11月22日，相關研究發表于《細胞》。

大規模蛋白質組學研究能夠深化對健康和疾病的理解，但現有研究仍集中于有限的疾病結局，蛋白與健康和疾病之間的關系仍然存在許多未解之謎。

研究團隊深入分析了53026名個體的血漿蛋白質組數據，納入了2920種血漿蛋白質與406種既往患病、660種隨訪新發疾病以及986種健康相關特征，跨越了14.8年的中位隨訪期，揭示了168100個蛋白質-疾病關聯和554488個蛋白質-表型關聯。其中，超過650種蛋白質與至少50種疾病存在聯系，而超過1000種蛋白質表現出性別和年齡的異質性。

人類健康與疾病血漿蛋白質組圖譜。圖片來源于《細胞》

利用蛋白質組學特征對660種疾病進行聚類，能夠重新審視疾病的類別和亞型。例如，按照傳統疾病分類策略，各種癡呆亞型被劃分到同一疾病亞群，而亞群還包含精神、內分泌、心血管等系統疾病。結合蛋白質組學特征，研究團隊揭示了該亞群的特征性生物學功能，進而解釋了患者身上同時出現看似不相關癥狀的緣由。

進一步地，研究團隊識別出了具有潛在診斷和預測價值的生物標志物，發現基于蛋白質的模型在183種疾病中的AUC值超過0.80，將有助于提高疾病的早期診斷率。值得一提的是，GDF15被發現是預測和診斷多種疾病的關鍵蛋白，可能成為一個重要的生物標志物。EDA2R、NTproBNP、COL9A1和NEFL等蛋白也在多個疾病中表現出良好的預測和診斷性能。

同時，研究人員確定了474個具有潛在因果關聯的蛋白質-疾病對，提供了對25個已知靶點的37種潛在藥物重新利用機會，并確立了26個具有治療潛力且安全性良好的新靶點，為老藥新用和新藥開發提供了重要線索。基于研究結果，研究團隊也建立了一個可開放訪問的蛋白質組-表型組資源數據庫Proteome-Phenome Atlas，以期幫助科學家更好地理解疾病的生物學機制，加速疾病生物標志物、預測診斷模型和治療靶點的開發。