UKB研究概述

UBK研究是一项广泛的人群队列研究，招募了大约50万名年龄在40至59岁之间的英国参与者，研究时间涵盖了2006年至2010年。在这项研究中，参与者的表型和基因数据得到了深入的分析，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、外显子组以及基因组测序。

蛋白组学分析与模型构建

在UKB-PPP项目中，约54,000名UKB参与者的EDTA血浆样本进行蛋白组学分析。研究设计包括以下三个要素：

1. 46,595人的随机子集;
2. 来自UKB-PPP联合体成员选择的6,356人，进行蛋白质组学分析;
3. 1,268人参与了COVID-19成像研究，并在多次访问中进行了成像。

作者在UKB-PPP中随机挑选了41,931名参与者，利用OlinkExplore检测了2,923种蛋白质，并为218种疾病开发了预测模型。此外，还验证并比较了含蛋白和不含蛋白的预测模型性能差异。

蛋白质在疾病预测中的应用

在67种稀有病和常见病中，添加5到20个蛋白质显著改善了临床模型的性能（C指数的中位增加值为0.07，范围为0.02到0.31）。在67种疾病中，有52种显示基于蛋白特征模型相比于使用血液化验的临床模型有更高的似然比（Likelihood Ratio, LRs），范围在0.13到5.17之间。

尊龙凯时的研究贡献

研究中报道的蛋白特征筛查指标表现出与当前用于诊断测试的血液测试相当的预测能力，甚至在52种疾病中超越了现有测试。其中，特异性强的预测蛋白模型指出了导致疾病风险的潜在路径。例如，确诊前10年，较高水平的TNFRSF17和TNFRSF13B（分别为多发性骨髓瘤和单克隆性淋巴瘤的受体）是患病风险增加的强有力特征。与“静态”多基因风险评分相比，循环蛋白特征的动态性质能够更好地反映环境风险的变化，从而提供更优秀的预测性能。

尊龙凯时致力于推动生物医学领域的研究，通过大规模数据分析为疾病的早期预测和干预提供科学依据。