网易首页 > 网易号 > 正文 申请入驻

Nat Commun | 王亚东/余灿清/刘桂友/胡杨团队开发血浆蛋白质组预训练模型,实现16种慢性病早期风险预测及分层

0
分享至

慢性疾病已成为全球医疗系统和社会面临的重大负担,由于其发病机制涉及遗传与环境因素之间复杂的相互作用,因此有效预测风险并实施早期筛查仍具挑战性。现有多基因风险评分仅能解释部分遗传风险,无法纳入环境因素的作用。相比之下,血浆蛋白质参与机体绝大多数生理调控过程,其动态变化反映了遗传易感性、环境暴露、生活方式和衰老等多种致病因素的联合效应,可作评估个体健康状态和疾病风险的理想窗口。尽管已有多种蛋白质组风险评分问世,但传统分析方法难以应对高维特征间的复杂非线性关系,且缺乏针对大规模血浆蛋白质组数据的专用预训练模型。

近日,中国哈尔滨工业大学王亚东、胡杨团队与北京大学余灿清、北京脑重大疾病研究院刘桂友团队合作,构建了基于BERT架构的血浆蛋白质组预训练模型ProLM;该模型可捕捉人体基线水平下各类蛋白的关联规律,并支持对16种常见慢性病进行风险预测。在对特定疾病进行微调后,ProLM衍生的蛋白质组风险评分ProRS预测性能在所有16种疾病上优于“年龄+性别”基线模型;在14种疾病上优于心血管疾病(ASCVD)风险方程;在11种疾病上优于包含35个变量的临床PANEL评分。此外,该模型解析结果还揭示了GDF15等关键蛋白质,其表达水平在临床确诊前15年即出现显著变化;研究在中国慢性病前瞻性队列(中国嘉道理生物样本库,CKB)中完成外部独立验证。总之,ProLM为基于蛋白质组学的慢性病早期风险分层提供全新工具。相关内容发表在Nature Communications。


研究设置三类独立人群数据集,分别用于模型预训练、疾病微调与外部验证。预训练队列为英国生物样本库血浆蛋白质组学项目(UKB-PPP)中15,499名基线无慢性病个体,包含2,873种血浆蛋白检测数据,所有参与者在长达15.5年随访中未新发相关疾病。微调队列由随访期间新发16种常见慢性病(神经、呼吸、内分泌及癌症等)的患者与1,723名健康对照组成,其中原发性高血压和肥胖最为多发,其年龄、BMI及死亡率均高于预训练队列;并纳入痴呆、卒中、炎症性肠病和糖尿病四类疾病亚型数据进行精细微调。外部验证采用中国CKB队列,该人群BMI更低、吸烟率和死亡率更高。

ProLM的核心架构基于BERT编码器,针对血浆蛋白质组学连续数值特征,设计了专属Hadamard积嵌入方式与容差掩码重构预训练任务。预训练输入融合蛋白功能序列、功能信息,并引入蛋白互作矩阵优化注意力权重,模型经过99轮迭代收敛,重构准确率达0.8509。模型可解释性方面,积分梯度显示预测权重高度集中于少数核心蛋白(FOLR3、ERP29等),扰动实验证实这些蛋白对重建性能影响显著。无标签零样本测试证实,该模型仅依靠蛋白嵌入特征即可区分人群性别、年龄分层,证明模型可自主捕捉与人群基本特征相关的蛋白表达模式。


图1. ProLM模型架构

接下来,研究团队使用微调数据集对ProLM进行微调以预测慢性病。结果显示,仅解冻最后8层编码器并训练40轮,模型即取得最优性能,其蛋白嵌入特征可区分患者与健康人群。在16种慢性病中,相较多种主流机器学习与深度学习模型,该模型在10种疾病中AUC表现优异;对14种疾病的AUC超0.8,其中痴呆、心衰、前列腺癌等多种高发慢性病AUC超0.9。

基于ProLM的发病预测概率,研究团队定义了蛋白质组风险评分ProRS,将个体划分为高(>0.66)、中(0.33~0.66)、低(<0.33)风险三组。生存分析显示,三组人群疾病发病轨迹差异显著,高风险组发病风险较低风险组至少高出16倍;该分层效应在不同阈值定义下均保持稳定。进一步,采用Cox比例风险模型评估ProRS区分性能,发现12种疾病的10年预测C指数超0.7,其中肺癌、帕金森病尤为突出。与三类临床传统评分相比,该模型对全部16种疾病预测能力优于年龄+性别模型,在14种疾病上预测优于ASCVD,在11种种疾病上预测优于PANEL,且预测效果在不同时间窗口保持稳定。

在ProRS基础上加入临床信息,多数疾病的判别性能无显著提升,这提示ProRS本身已包含了丰富的预测信息。此外,模型校准曲线和决策曲线证实,ProRS风险预估贴合真实发病事件,净临床获益高于传统临床评分。


图2. 基于ProRS的发病风险分层

利用微调后模型的注意力权重矩阵,研究团队为每种疾病识别出贡献最大的前5种蛋白。GDF15在8种慢性疾病中均被列为高权重蛋白,包括痴呆、糖尿病、心血管疾病等,提示其可能作为多种慢性疾病的共同生物标志物;CCN5、ADM和EDA2R也在超过5种疾病中排名靠前。以痴呆和2型糖尿病(T2D)为例,两类疾病的核心高权重蛋白如GFAP、NEFL、GDF15、REN、CDH2、REN等,多数已有文献报道其与疾病相关,且属于可成药基因靶点。通过FinnGen数据库的GWAS复现分析,GDF15为2型糖尿病全基因组显著位点,REN、GFAP、GDF15分别与糖尿病、痴呆风险存在关联,英国队列与芬兰人群中各蛋白效应方向完全一致。


图3. 具有模型优先性的蛋白质

研究团队绘制了痴呆或T2D中权重最高血浆蛋白在临床诊断前15年内的纵向轨迹,并与年龄和性别匹配的健康对照进行比较。结果显示,后续发病个体的多个关键蛋白在诊断前15年就已出现表达异常,高权重蛋白的表达水平均显著高于健康人群。CDH2、GDF15、VSIG2、REN和LGALS4在T2D诊断前15年内呈现明显的单调上升趋势,GFAP、NEFL、WNT9A和GDF15在痴呆诊断前15年内也呈现类似的单调上升趋势。这一发现提示血浆蛋白异常可能远早于临床症状出现,为极早期筛查提供了潜在靶点。


图4. 疾病诊断前模型优先的血浆蛋白的时间轨迹

此外,在四种疾病的亚型分类任务中,ProLM在糖尿病二分类亚型(1型与2型)中表现较好,AUC达0.8526,但在痴呆、卒中多等亚型多分类任务预测性能偏弱,AUC分别为0.6449、0.5924。消融实验表明,移除蛋白序列/功能嵌入或蛋白互作偏置矩阵均会导致模型预训练训练重构、疾病预测性能下降,证实了多模态信息融合和生物学先验的重要性。

最后,研究团队基于CKB队列完成独立东亚人群验证。结果显示,ProLM对心肌梗死(AUC=0.7901)、冠心病(0.7677)、T2D(0.8221)、慢性阻塞性肺病(0.7634)和卒中(0.7415)均保持了良好的预测性能,证明了模型在不同人群中的泛化能力。


图5. 疾病亚型分类任务中嵌入的t-SNE可视化

ProLM是首个专为普通人群血浆蛋白质组学设计的预训练模型,无需临床信息即可实现多种慢性病的风险分层,其判别能力优于传统临床评分,且关键蛋白标志物在诊断前十余年即呈现可检测的变化,为疾病早期预警提供了全新的分子工具。

参考文献:

https://www.nature.com/articles/s41467-026-75507-6

01

02

03

04

05

快点亮"在看”吧!

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
彝海结盟之后,小叶丹赠刘伯承两名彝族女子,刘伯承的处置办法,既顾全兄弟情又守住红军铁纪,尽显过人智慧

彝海结盟之后,小叶丹赠刘伯承两名彝族女子,刘伯承的处置办法,既顾全兄弟情又守住红军铁纪,尽显过人智慧

磊子讲史
2026-11-18 14:51:40
很无奈!女子吐槽和老公出门总被认成母子:我只是脸有点大

很无奈!女子吐槽和老公出门总被认成母子:我只是脸有点大

西昆仑Bruce
2026-11-19 16:57:57
27.99万起!方程豹钛9正式上市,折叠方向盘真的颠覆行业

27.99万起!方程豹钛9正式上市,折叠方向盘真的颠覆行业

科技湃
2026-11-20 00:19:28
2013年,金正哲联手张成泽发动朝鲜兵变,因一细节败露,双遭反杀

2013年,金正哲联手张成泽发动朝鲜兵变,因一细节败露,双遭反杀

阿胡
2025-03-11 13:28:03
俄罗斯军事专家曾言:最强超级大国已经诞生,美国必须接受现实

俄罗斯军事专家曾言:最强超级大国已经诞生,美国必须接受现实

阿器谈史
2026-09-09 17:58:01
杨瀚森出战12分钟!开拓者124-114击败雄鹿!利拉德爆发创纪录

杨瀚森出战12分钟!开拓者124-114击败雄鹿!利拉德爆发创纪录

篮球大视野
2026-11-20 12:25:35
释永信被女徒弟爆料,凌晨4点去他房间,拿到皈依证就算师徒关系

释永信被女徒弟爆料,凌晨4点去他房间,拿到皈依证就算师徒关系

汉史趣闻
2025-07-30 09:57:38
荷兰和深圳都是1800万人口,荷兰上半年GDP4.66万亿,深圳呢?

荷兰和深圳都是1800万人口,荷兰上半年GDP4.66万亿,深圳呢?

贸易夜航
2026-11-02 10:42:25
18岁猫咪去世10年后,小主人竟发现它留下的礼物,瞬间泪崩…猫:恭喜你解锁最后一个彩蛋

18岁猫咪去世10年后,小主人竟发现它留下的礼物,瞬间泪崩…猫:恭喜你解锁最后一个彩蛋

拜见喵主子
2026-11-19 12:57:21
山东一男婴日夜啼哭,母亲掀开被子后,将月嫂当场掐死

山东一男婴日夜啼哭,母亲掀开被子后,将月嫂当场掐死

罪案洞察者
2025-03-31 09:35:41
袁咏仪一家三口逛街,魔童只跟张智霖讲话,母子俩似乎还在冷战

袁咏仪一家三口逛街,魔童只跟张智霖讲话,母子俩似乎还在冷战

柒佰娱
2026-11-20 11:10:41
海报实锤!摩尔线程“庐山”消费级显卡确认:32GB、48GB,还是更大?

海报实锤!摩尔线程“庐山”消费级显卡确认:32GB、48GB,还是更大?

芯榜
2026-11-20 08:09:15
黄仁勋卸任后英伟达首次召开全员大会,临时CEO呼吁“让我们向前看”,承诺12月加薪安抚员工,坚持换帅

黄仁勋卸任后英伟达首次召开全员大会,临时CEO呼吁“让我们向前看”,承诺12月加薪安抚员工,坚持换帅

每日经济新闻
2026-11-19 14:25:33
联盟第一!马刺拒爆冷,文班创NBA第一纪录,卡斯尔8失误,加兰23分

联盟第一!马刺拒爆冷,文班创NBA第一纪录,卡斯尔8失误,加兰23分

老侃侃球
2026-11-20 11:37:44
中美会晤1小时,特朗普说出真心话,这句美妙的祝福,中国收下了

中美会晤1小时,特朗普说出真心话,这句美妙的祝福,中国收下了

讲者普拉斯
2026-11-19 21:44:27
房山首创奥莱2400个免费车位留住了人,半岛广场收费半年后差在哪

房山首创奥莱2400个免费车位留住了人,半岛广场收费半年后差在哪

小陆搞笑日常
2026-11-20 10:31:57
金价下跌丈夫主动给妻子补三金 妻子惊喜过后表示不打算要了

金价下跌丈夫主动给妻子补三金 妻子惊喜过后表示不打算要了

闪电新闻
2026-11-19 16:51:04
断层第一!梅西霸榜美职联薪资,莱万、格子空降二三,北美联赛真成巨星养老池?

断层第一!梅西霸榜美职联薪资,莱万、格子空降二三,北美联赛真成巨星养老池?

友谊第一
2026-11-20 12:19:57
闹掰了?有理想员工称“一天收宁德时代三封催债邮件”,8月从宁德前五大客户中消失

闹掰了?有理想员工称“一天收宁德时代三封催债邮件”,8月从宁德前五大客户中消失

红星新闻
2026-11-19 14:51:15
终于知道为什么很多人不愿买“主卧带卫”的房子了!

终于知道为什么很多人不愿买“主卧带卫”的房子了!

夜深爱杂谈
2026-10-04 20:58:44
2026-11-20 13:52:49
测序中国 incentive-icons
测序中国
基因行业领航新媒体
457文章数 20关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

艺术
时尚
教育
本地
家居

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

本地新闻

乌兰察布:以前种土豆,现在种Token

家居要闻

2026建博会(广州) 公装联探展交流活动

无障碍浏览 进入关怀版