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
真没想到,APEC峰会大佬云集,爆火的竟不是雷军,而是一双旧白鞋

真没想到,APEC峰会大佬云集,爆火的竟不是雷军,而是一双旧白鞋

晓踏就是我
2026-11-19 11:54:24
AZEC峰会落幕,高市发出特别邀约,请11国把自家石油放进日本罐里

AZEC峰会落幕,高市发出特别邀约,请11国把自家石油放进日本罐里

影孖看世界
2026-11-19 23:26:23
炸裂!美股半导体集体大爆发!存储、芯片全线大涨,A股有希望了

炸裂!美股半导体集体大爆发!存储、芯片全线大涨,A股有希望了

风风顺
2026-11-20 03:00:04
《GTA6》性感Mandy火了 网友质疑为何不让她当女主

《GTA6》性感Mandy火了 网友质疑为何不让她当女主

3DM游戏
2026-11-19 22:48:25
多国首脑在深圳开启逛街模式,每个人的路线选择都很有意思

多国首脑在深圳开启逛街模式,每个人的路线选择都很有意思

麓谷隐士
2026-11-19 22:19:16
特朗普女婿库什纳:俄罗斯能够接受乌克兰获得安全保障,也表达了不再爆发新冲突的意愿,普京:克里米亚大桥遭袭后,不再讨论海上停火

特朗普女婿库什纳:俄罗斯能够接受乌克兰获得安全保障,也表达了不再爆发新冲突的意愿,普京:克里米亚大桥遭袭后,不再讨论海上停火

政知新媒体
2026-11-20 09:29:43
杨瀚森2分1板1助,开拓者送雄鹿12连败!瀚森表现值得夸赞

杨瀚森2分1板1助,开拓者送雄鹿12连败!瀚森表现值得夸赞

老梁体育漫谈
2026-11-20 11:35:52
难怪不澄清!有共同的朋友,第一次见面就入了眼,动了心

难怪不澄清!有共同的朋友,第一次见面就入了眼,动了心

小椰的奶奶
2026-11-20 09:11:16
一边争冠一边争状元!火箭2027年状元签概率18.8%,联盟第1!

一边争冠一边争状元!火箭2027年状元签概率18.8%,联盟第1!

贵圈真乱
2026-11-20 12:48:02
签了!中国和美国真签了!这次不是关税,也不是芯片,而是天然气

签了!中国和美国真签了!这次不是关税,也不是芯片,而是天然气

大卫聊科技
2026-09-20 13:27:56
拥有核武器的9个国家中,最穷的巴基斯坦, 是如何获得核武器的?

拥有核武器的9个国家中,最穷的巴基斯坦, 是如何获得核武器的?

文史达观
2025-05-03 06:45:05
开始动真格!追溯30年倒查来了,这4类人要当心!

开始动真格!追溯30年倒查来了,这4类人要当心!

细说职场
2026-11-19 16:28:20
越来越多的迹象表明:内塔尼亚胡间接上成为了中国的“大恩人”?

越来越多的迹象表明:内塔尼亚胡间接上成为了中国的“大恩人”?

无情有思可
2026-11-19 08:11:29
横店迎来三十年最为惨烈的一次断臂求生!130多座摄影棚,合计50万平方米,全部免租金向剧组开放

横店迎来三十年最为惨烈的一次断臂求生!130多座摄影棚,合计50万平方米,全部免租金向剧组开放

扶苏聊历史
2026-10-28 15:47:11
西路军失败是“借刀杀人”?长文深入分析西路军失败的真正原因

西路军失败是“借刀杀人”?长文深入分析西路军失败的真正原因

阿胡
2025-02-13 12:47:19
李在明得偿所愿,深圳收获实利,这份成果足够给韩国人一个交代了

李在明得偿所愿,深圳收获实利,这份成果足够给韩国人一个交代了

军情观察家
2026-11-20 12:10:44
人民日报点名曹德旺,释放2大信号,转移资产跑路传闻早有真相

人民日报点名曹德旺,释放2大信号,转移资产跑路传闻早有真相

爱看剧的阿峰
2026-11-20 10:41:29
美国人评论亚洲街道:日本干净,印度脏乱,而中国只用4个字形容

美国人评论亚洲街道:日本干净,印度脏乱,而中国只用4个字形容

傲傲讲历史
2026-11-07 09:18:49
晒晒我从山姆买的11个“厨房好物”,每一件都“夯爆了”,值得买

晒晒我从山姆买的11个“厨房好物”,每一件都“夯爆了”,值得买

三农老历
2026-11-20 07:24:48
六旬男子约按摩女发生关系,十分满意付了2000元,谁知女子扭头就把他告了

六旬男子约按摩女发生关系,十分满意付了2000元,谁知女子扭头就把他告了

江山挥笔
2026-11-18 14:13:58
2026-11-20 13:36:49
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
健康
旅游
公开课
军事航空

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!

医生眼里"很伤腰"的椅子,很多人天天坐

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版