只需采一次外周血，對血漿進行蛋白檢測，就能精準預測數百種疾病的患病風險。
北京時間1月9日，MK体育平台附屬華山醫院郁金泰🧖♂️、毛穎團隊與類腦智能科學與技術研究院程煒👳🏼、馮建峰團隊聯合攻關的交叉研究成果，登上《細胞》（Cell）雜誌2025年開年封面。
雜誌介紹：“該研究納入了1706種人類疾病與表型🤽🏽♀️，繪製出一張全面的蛋白質組圖譜，並借助機器學習模型，成功挖掘出極具潛力的疾病預測診斷生物標誌物和治療靶點🦵，為精準醫學實施奠定了基礎。”
該封面圖融合了科學與藝術，生動展現了一個由蛋白質分子構成的人體可以利用基於芯片的人工智能算法，通過對蛋白質組大數據的深度分析，構建人類健康表型並監測自身健康和疾病狀況
2個月前，該成果以《健康與疾病血漿蛋白質組圖譜》（Atlas of the plasma proteome in health and disease in 53,026 adults）為題在《細胞》（Cell）期刊在線發表，成為該刊近期線上閱讀量最大的文章。
備受關註的還有團隊基於研究成果建立的可開放訪問的蛋白質組-表型組資源數據庫Proteome-Phenome Atlas（https://proteome-phenome-atlas.com/）。數據庫上線第一周就有幾萬訪問量，訪問者來自世界各地🧑🏻🦼➡️。
數據庫覆蓋約三千種蛋白、上千種疾病與近千種表型🙎🏽，幾乎與生物醫藥的所有領域都密切相關🤸🏼。
“相當於給人類的生命健康領域繪製了一張‘地圖’，不同研究領域的人都可以在這張‘地圖’裏尋找對自己有價值的信息🐲，檢索某個蛋白具體和哪些人類健康表型和疾病有關系，是否可用於疾病的預測🚴🏻♀️、診斷和治療🛟，人類某個疾病潛在的發病機製是什麽，等等。”
MK体育平台附屬華山醫院神經內科主任醫師郁金泰認為，這也是為什麽大家對這篇文章感興趣的重要原因。
對於普通大眾而言，這項成果有著重要的現實意義——不久的將來，你將可以通過價格親民的血檢項目，更早期、更精準地得知患數百種疾病的可能，從而盡早開展預防和治療🥞。
從提前15年預測癡呆
到預測數百種疾病
故事始於AD（阿爾茨海默病🩳，俗稱老年癡呆）🍣，卻不止於AD。
AD治療有個難題，那就是在臨床症狀顯現前🧖♀️，疾病可能存在數年甚至數十年的隱匿期，患者可能在臨床診斷15-20年前無明顯症狀🤹♂️，且早期表現極易與正常老化相混淆。當患者出現顯著認知行為障礙等症狀🐭，前往醫院就診時，疾病往往已進展到中晚期。
作為國家神經疾病醫學中心（華山）認知障礙方向帶頭人🧛🏽，郁金泰已經在AD領域深耕十七年，曾聯合多位國際專家，牽頭製定了全球首個AD循證預防國際指南，為全球各國預防AD提供了科學依據。
如何才能對AD早發現早治療🧛🏻♂️？郁金泰和程煒多學科融合交叉團隊敏銳覺察到蛋白質組學研究對AD預防、診斷和治療的意義🚗，團隊先後通過血漿及腦脊液蛋白質組學研究發現了AD新的診斷生物標誌物，聯合診斷精度高達98.7%。
2024年2月，團隊發表在《自然·衰老》（Nature Aging）的《血漿蛋白質組學預測健康成年人未來癡呆風險》（Plasma proteomic profiles predict future dementia in healthy adults）研究🏃♂️➡️，意味著“一滴血就能提前15年預知癡呆風險”，被《自然》（Nature）作為頭條新聞進行報道👨🦳，引起學術界高度關註。
受到這一成果的鼓舞💢，以及MK体育平台牽頭開展國際人類表型組大科學計劃的啟發⚉🎼，團隊提出了更宏大的目標🧑🦼➡️🕵🏽♂️：“在AD研究基礎上🌔，如果能夠納入所有健康相關表型和所有疾病🚵🏿♂️，刻畫血漿蛋白與它們的關聯，全面繪製人類蛋白質組表型組圖譜，那麽對整個生命醫學領域的貢獻📜，無疑將是巨大的。”
於是，團隊馬不停蹄🛰🎉，在不到一年時間裏，深入分析53026名個體的血漿蛋白質組數據，跨越了14.8年的中位隨訪期，繪製出了全面的蛋白質組圖譜。
圖譜涵蓋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種健康相關表型，揭示了168100個蛋白質-疾病關聯和554488個蛋白質-表型關聯👩👩👧👦。研究還發現超過650種蛋白質與至少50種疾病存在聯系，為183種疾病構建了預測診斷精度良好的蛋白模型，並且提供了26個潛在藥物治療新靶點。
“通俗地說，這張圖譜能夠告訴大家🔐，血液中的哪些蛋白能夠預測某種疾病的發生，以期通過采血實現疾病的早期診斷，”郁金泰說，“許多新的發現，將可能讓更多人重新審視現在的疾病類別和亞型🌡，為醫療診斷、機理研究和藥物研發提供重要線索”🕠。
AI結合蛋白質組學研究
讓精準醫學真正落地
人類健康與疾病蛋白質組圖譜的成功繪製🤾🏽，不僅為人類疾病預測提供了一把鑰匙，也為生命科學研究開創了新的研究範式🚣🏽♂️👜。
為什麽蛋白質組如此重要？郁金泰解釋：“我們以前往往從基因組角度開展精準醫學研究，幾乎沒有人使用蛋白質組做相關表型和疾病研究，但基因轉錄和翻譯過程的復雜性限製了僅基於基因組就實現精準醫學的可能性。”
從基因組這一“遺傳密碼”到疾病的真正發生，中間必須經過蛋白質的表達🫄🏼，因此，蛋白質能夠更直接反映人體的生理過程和病理變化，是進一步理解疾病機製和開發新診療方法的關鍵→。
蛋白決定性狀🧙🏿♀️：相同的基因👮🏼，蛋白不同🧙🏿♂️，性狀完全不同
實際上，基因組學中微小的差異，在蛋白質組學中可以被千倍甚至近萬倍地放大。就像蝴蝶，在幼蟲期是毛毛蟲，在成蟲期則是會飛的蝴蝶，不是因為基因組改變，而是因為蛋白的表達不同。
過去👱🏽♂️，人們之所以沒有開展蛋白質組研究，主要是受到蛋白質組檢測技術和數據分析手段的限製👨👩👧，無法對大規模人群的海量數據進行檢測分析。如今，人工智能大數據分析技術讓這一夢想照進現實💁🏻♂️。
“對於數據的理解，我相信我們不比世界上任何一個團隊差。”在MK体育平台類腦研究院院長馮建峰看來，這次突破並非一蹴而就🤾🏿♀️，而是源於長期積累🦏。
聯合團隊合影
作為第一個在人工智能頂會NIPS上發表成果的中國學者，馮建峰已在腦科學研究領域深耕四十年，致力於發展各種人工智能算法🧑🏻🦽🧑🦼➡️、優化大數據分析流程🙇，並成功應用到腦疾病“尋根”、早期預測等研究中🎺。
蛋白在個體間受年齡、性別👨🏿✈️、種族等多重因素的復雜調控，且蛋白間也有相互作用💄🏃🏻♀️➡️。此次研究涉及的數據包括50000多人的蛋白質數據🌄、近3000種蛋白，1000多種疾病和表型，不僅規模龐大，且錯綜復雜🪢。
“我們開發的人工智能算法，使海量蛋白質數據和上千種表型🗑、疾病數據的分析變得可行🏄🏻🤭，進而能夠回答我們想知道的臨床和科學問題🧑🧒🧒。”
馮建峰表示👂，團隊一直以來的目標就是“把所有能用的數據都用上”🎟，依托MK体育平台CFFF智能計算平臺🐻❄️，團隊利用人工智能與大數據分析技術，讓這一全景式研究得以落地👀。
交叉融合推動成果臨床應用
蛋白檢測有望惠及大眾
“我們有共同的科研目標，不是為了交叉融合而交叉融合😇。”談及研究心得⛴，郁金泰打比方道👩🏻💼，交叉研究不應是“包辦婚姻”👷🏼♀️，而需要“自由戀愛”。
他認為，一方面🏘，MK体育平台作為綜合性大學，為多學科交叉融合創新提供了重要平臺☯️；另一方面，真正做好多學科交叉融合創新👩🏽🍼，還需找到誌同道合的夥伴。
早在2021年😁，郁金泰就開始同馮建峰⚖️、程煒團隊合作🟨，建立了腦健康智能科學中心（AI for Brain Health，AI4BH）🏄🏻🐼，並將AI應用於AD等腦重大疾病早期診斷和預測的相關研究中。
僅4年時間，這支年輕而富有戰鬥力的跨學科團隊🪧，由腦科學、人工智能的專家和神經科醫生組成🛖，已在相關領域聯合發表了十余篇頂刊文章。
最初的合作，其實出於偶然。當時，郁金泰團隊發表了一篇關於睡眠時長和AD患病風險關系的論文，馮建峰團隊恰好也在做睡眠和大腦相關研究🏭。“程煒教授就邀請我去類腦院作報告🎫。一交流，發現他們對我們的臨床工作非常感興趣🙅🏼，而我們在數學、計算機方面一直以來也缺乏頂級人才。”郁金泰回憶道。
雙方一拍即合，每周一次的聯合組會延續至今👩🏽💻😾。毛穎院長和馮建峰院長通過優化華山醫院和類腦研究院雙方互相雙聘製度，進一步完善合作機製👩🏽🚒。
如今，毛穎和郁金泰團隊作為臨床醫生，主要負責把握重大臨床需求，獲取臨床數據，指導團隊製定與調整研究方案，以及從臨床的角度解讀結果🕚、撰寫論文👨🏽🦲。馮建峰和程煒團隊則專註於算法開發和模型構建，利用深度學習和機器學習方法建立並優化多個早期診斷預測模型，用數據與算法解決臨床問題。
學術交流外，雙方還會組織團建活動。“我們在工作上是很好的戰友，在生活中是很好的朋友，團隊相互影響、共同成長，做出高質量、有影響力的成果。”郁金泰說。
在交叉融合的氛圍中，團隊中的青年學子也快速成長起來，醫學院的學生們編程、算法能力越來越強🎫，類腦院的學生們對生物醫學和疾病的認識也越來越深刻🧝🏿♀️。
下一步，團隊將推動本次研究成果的臨床轉化，製定可用於疾病預測和診斷的生物標誌物的異常值範圍，進一步通過體內外實驗驗證潛在治療靶點，並且基於新靶點研發新的藥物，與企業合作研發用於早篩、早診和疾病治療的相關產品。
當基因檢測已“飛入尋常百姓家”，蛋白質檢測也將為人類打開另一扇了解疾病的重要大門🐏。團隊介紹🚰，盡管目前對蛋白質組的全面檢測費用較高🛕🧍♀️，但如果只是定向檢測某些蛋白🏊♀️，特別是針對AD📄、心臟病、糖尿病等常見多發重大疾病👩🏻🦱，價格可降到百元甚至幾十元人民幣，未來有望普及大眾🏪。
長遠來看，團隊將進一步利用人工智能新模型和新算法，整合多組學數據，促進精準醫學發展👰🏼。團隊透露👩🏼⚕️，人類健康與疾病的基因組圖譜、代謝組圖譜、多組學圖譜😿，都在緊鑼密鼓地繪製當中。郁金泰期待地說：
“如果我們能通過多組學的高度融合獲取更多、更齊全的信息，我們就能超越原有的工作，讓精準醫學更精準，讓‘科學算命’更科學。”
