UKB研究：生物标记在疾病预测中的应用

背景与研究设计

UKB研究是一项大规模的人群队列研究，于2006年至2010年进行，招募了约50万名年龄在40岁至59岁之间的英国参与者。这些参与者的表型和基因数据的深入解析，包括血液和尿液生物标记物、全身成像、生活方式指标、体格与人体测量、全基因组基因分型、外显子组及基因组测序，为后续研究提供了坚实的基础。

蛋白质组学分析

UKB-PPP对约54,000名UKB参与者的EDTA血浆样本进行了详细的蛋白质组学分析。研究设计涉及三大要素：(1)从46,595人的随机子集中抽取；(2)选取UKB-PPP联合体成员中的6,356人进行基线评估样本的蛋白质组学分析；(3)1,268名参与者参加了COVID-19成像研究，并在多次访问中进行了成像重复。

预测模型及结果

在UKB-PPP中随机选择了41,931名参与者，通过OlinkExplore对2,923种蛋白质的检测结果，开发了218种疾病的预测模型。同时，还验证了含蛋白质和不含蛋白质的预测模型性能差异。在67种罕见疾病和常见疾病中，增加5-20个蛋白质明显改善了临床模型的C指数（中位增加值=0.07，范围=0.02-0.31）。在52种疾病中，基于蛋白质特征的模型相较于传统的血液化验临床模型，获得了更高的似然比（Likelihood Ratio, LRs），范围为0.13-5.17。

临床应用与动态评估

研究表明，增强的预测模型中添加5-20种蛋白质显著提升了C指数，尤其在预测多种疾病和单一疾病方面尤为有效。这些蛋白质的预测性能，甚至在52种疾病的诊断测试中超越了现有的血液检测。此外，特异性预测蛋白模型指出了潜在的疾病风险途径。例如，在确诊前10年，血浆中较高水平的TNFRSF17和TNFRSF13B（BAFF和APRIL的受体）是多发性骨髓瘤和单克隆性淋巴瘤的强有力特异性预测因子。同时，循环蛋白特征具有动态性质，相较于“静态”的多基因风险评分，能够反映环境暴露的风险变化，从而展现更优的预测性能。

总结

通过对UKB-PPP项目的深入分析，证明了生物标记在疾病早期预测中的重要性，突显了尊龙凯时作为医疗品牌在推动相关研究和临床实践中的价值。未来，这些研究成果有望为疾病的诊断和个性化治疗提供新的思路和工具。