7月10日，Biogen的研究团队与爱丁堡大学学者共同在 Nature Aging 发文，利用英国生物银行（UK Biobank）中的蛋白质水平数据，研究人员评估了这些蛋白质与23种年龄相关疾病及死亡率的关系。
图1 论文截图
- 提纲挈领 -
研究利用UK Biobank数据，分析了47,600名年龄在40至70岁之间的个体的1,468种血浆蛋白质水平，发现963种蛋白质与21种疾病（如2型糖尿病、COPD、阿尔茨海默病等）和全因死亡率有3,209个显著关联。通过Cox回归模型开发的ProteinScore在预测10年内疾病发生风险方面表现优异，尤其在2型糖尿病风险评估中，ProteinScore的AUC值为0.89，显著优于HbA1c（0.85）和多基因风险评分（0.68），显示了蛋白质在疾病风险分层中的巨大潜力。
结果1：
蛋白质与事件结果的关联
研究发现，不同的血浆蛋白水平与23种疾病（包括导致残疾和健康预期寿命缩短的主要原因）和全因死亡率的发生有关。
在调整年龄和性别后，共发现1,211种独特蛋白与23种结果之间有5,273个显著关联；进一步调整健康和生活方式因素后，发现963种独特蛋白与21种结果有3,209个显著关联。
54种蛋白与八种或更多疾病显著相关，其中生长分化因子15（GDF15）与11种疾病相关。敏感性分析显示，这些关联在10年和5年的随访中大多仍然显著。进一步分析还考察了药物使用对结果的影响，发现大部分蛋白与缺血性心脏病的关联在调整药物使用后仍然显著。
图2 英国生物银行中单个蛋白质与事件结果的关联（n=47,600）
结果2：
ProteinScore的开发
研究人员开发了ProteinScores并评估了它们在19种疾病中的性能（每种疾病至少有150个事件病例）。
ProteinScore的AUC值在多种情况下优于或等同于最大集合的26个协变量。六种疾病（包括2型糖尿病、COPD、死亡、阿尔茨海默病、缺血性心脏病和帕金森病）的ProteinScore在包括所有协变量的模型中仍显著提高了预测性能。
结果3：
ProteinScore对2型糖尿病的探索
研究人员以2型糖尿病为案例对ProteinScore进行探索。
通过比较ProteinScore与糖化血红蛋白A1c（HbA1c）在测试样本中的表现，研究人员发现ProteinScore在预测10年内发病的2型糖尿病方面表现优异（AUC=0.89），优于单独使用HbA1c（AUC=0.85）和PRS（多基因风险评分）（AUC=0.68）。
ROC模型比较显示，将ProteinScore与HbA1c结合使用显著提高了预测性能（ROC P<0.0026）。这些结果表明了ProteinScore在2型糖尿病风险评估中的重要性。
图3 ProteinScore对2型糖尿病的探索
结果4：
代谢组评分比较
在对比代谢组学和蛋白质组学特征生成的评分时，研究人员选择了2型糖尿病和全因死亡率进行分析。共有12,050人拥有蛋白质和代谢组学数据。
结果显示，ProteinScore在全因死亡率的预测中（AUC=0.82）优于MetaboScore（AUC=0.69），而两者结合的MetaboProteinScore表现最佳（AUC=0.83）。
在2型糖尿病的预测中，ProteinScore（AUC=0.87）和MetaboScore（AUC=0.85）表现相当，结合后的MetaboProteinScore表现最佳（AUC=0.89）。
总 结
通过大规模蛋白质分析，研究揭示了多种年龄相关疾病的早期生物标志物，并开发了有效的风险评分模型（ProteinScore），显示出蛋白质在疾病风险分层中的巨大潜力。
研究结果表明，结合多种蛋白质数据可以显著提高疾病风险预测的精度，甚至在疾病正式诊断前十年就能提供有价值的风险评估。
特别是，在2型糖尿病和全因死亡率的风险评估中，ProteinScore的表现优于传统的临床标志物和多基因风险评分。研究还强调了蛋白质和代谢组数据结合使用的潜力，为未来的多组学数据整合提供了有价值的参考。
