复旦大学附属华山医院教授郁金泰、毛颖团队与复旦大学类脑智能科学与技术研究院研究员程炜、教授冯建峰团队合作，全面绘制了人类健康与疾病蛋白质组图谱，并结合人工智能大数据分析方法构建了疾病诊断预测模型以及发现了26个药物治疗新靶点，为精准医学的实施提供了重要科学依据。11月22日，相关研究发表于《细胞》。

大规模蛋白质组学研究能够深化对健康和疾病的理解，但现有研究仍集中于有限的疾病结局，蛋白与健康和疾病之间的关系仍然存在许多未解之谜。

研究团队深入分析了53026名个体的血浆蛋白质组数据，纳入了2920种血浆蛋白质与406种既往患病、660种随访新发疾病以及986种健康相关特征，跨越了14.8年的中位随访期，揭示了168100个蛋白质-疾病关联和554488个蛋白质-表型关联。其中，超过650种蛋白质与至少50种疾病存在联系，而超过1000种蛋白质表现出性别和年龄的异质性。

人类健康与疾病血浆蛋白质组图谱。图片来源于《细胞》

利用蛋白质组学特征对660种疾病进行聚类，能够重新审视疾病的类别和亚型。例如，按照传统疾病分类策略，各种痴呆亚型被划分到同一疾病亚群，而亚群还包含精神、内分泌、心血管等系统疾病。结合蛋白质组学特征，研究团队揭示了该亚群的特征性生物学功能，进而解释了患者身上同时出现看似不相关症状的缘由。

进一步地，研究团队识别出了具有潜在诊断和预测价值的生物标志物，发现基于蛋白质的模型在183种疾病中的AUC值超过0.80，将有助于提高疾病的早期诊断率。值得一提的是，GDF15被发现是预测和诊断多种疾病的关键蛋白，可能成为一个重要的生物标志物。EDA2R、NTproBNP、COL9A1和NEFL等蛋白也在多个疾病中表现出良好的预测和诊断性能。

同时，研究人员确定了474个具有潜在因果关联的蛋白质-疾病对，提供了对25个已知靶点的37种潜在药物重新利用机会，并确立了26个具有治疗潜力且安全性良好的新靶点，为老药新用和新药开发提供了重要线索。基于研究结果，研究团队也建立了一个可开放访问的蛋白质组-表型组资源数据库Proteome-Phenome Atlas，以期帮助科学家更好地理解疾病的生物学机制，加速疾病生物标志物、预测诊断模型和治疗靶点的开发。

相关论文信息：https://doi.org/10.1016/j.cell.2024.10.045