《Frontiers in Immunology》：Large-scale plasma proteomics identifies proteins and pathways associated with incident interstitial lung disease
编辑推荐：
目的：目前用于间质性肺病（ILD）早期风险分层的可靠生物标志物有限；因此，研究人员旨在识别与新发ILD相关的诊断前蛋白质，并开发长期预测模型。
方法：研究人员分析了52,743名英国生物样本库（UK Biobank）中基线无ILD的参与者，测定了2,923
目的：目前用于间质性肺病（ILD）早期风险分层的可靠生物标志物有限；因此，研究人员旨在识别与新发ILD相关的诊断前蛋白质，并开发长期预测模型。
方法：研究人员分析了52,743名英国生物样本库（UK Biobank）中基线无ILD的参与者，测定了2,923种血浆蛋白质。使用Cox模型识别与新发ILD相关的蛋白质。在LightGBM框架内通过LASSO和序贯前向选择筛选关键预测因子。使用曲线下面积（AUC）和SHAP评估模型性能。采用LOESS和聚类分析评估诊断前蛋白质轨迹。利用人类特发性肺纤维化肺组织的单细胞转录组数据探索细胞来源。
结果：在平均14.4年的随访期间，队列中识别出814例ILD病例。共277种蛋白质与新发ILD显著相关，并富集于免疫激活和细胞因子信号通路。五种蛋白质（GDF15、LAMP3、SFTPD、EDA2R和WFDC2）被确定为主要预测因子。轨迹分析显示，多种ILD相关蛋白质在诊断前数年即偏离对照水平，并可分为四个不同的时间簇。GDF15、LAMP3、SFTPD、WFDC2和EGFR在ILD发病前十年以上即可检测到诊断前改变。此外，结缔组织病相关ILD（CTD-ILD）显示了独特的炎症性蛋白质组学特征，包括CXCL13、CCL7、PDCD1和TNFRSF4。当五种蛋白质生物标志物与临床变量联合时，整合模型对ILD获得了较好的预测准确性，5年和10年ILD风险的AUC分别为0.938和0.908。单细胞分析表明，这些蛋白质可能主要来源于功能失调的肺泡和气道上皮细胞。
结论：血浆蛋白质组学识别出了与未来ILD风险相关的诊断前蛋白质特征，并与临床变量结合改善了长期预测。
间质性肺病（ILD）是一组以进行性肺纤维化和呼吸功能受损为特征的异质性疾病，近年来发病率和患病率显著增加，其中特发性肺纤维化（IPF）是最常见且严重的类型，中位生存期仅3～5年，预后差于许多恶性肿瘤。虽然抗纤维化药物早期应用可改善预后，但ILD起病隐匿、症状非特异，诊断常被延迟。现有生物标志物预测效能有限，无法准确预测长期结局。随着高通量蛋白质组学技术的发展，基于大规模人群队列探索疾病相关蛋白成为可能，但此类研究在ILD领域仍缺乏。英国生物样本库（UK Biobank）为超过50万参与者提供了长期随访数据和蛋白质组学测量，为识别ILD的诊断前分子改变提供了独特资源。因此，研究人员旨在利用该队列鉴定与新发ILD相关的血浆蛋白质，并构建结合临床变量的长期预测模型。
研究人员共纳入52,743名基线无ILD且具有蛋白质组学数据的UK Biobank参与者，平均随访14.4年，期间814例新发ILD。研究结论显示，277种血浆蛋白质与新发ILD显著相关，其中GDF15、LAMP3、SFTPD、EDA2R和WFDC2为主要预测因子；结合临床变量后，5年和10年ILD风险预测的曲线下面积（AUC）分别达到0.938和0.908，显著优于单独临床模型。该研究为ILD早期风险分层提供了有前景的血浆蛋白标志物，有望促进无症状人群的筛查和预防性干预。
关键技术方法：研究使用Olink邻位延伸分析检测2,923种血浆蛋白。通过Cox比例风险回归（调整年龄、性别、BMI等协变量）并经Bonferroni校正（α=0.05/2923）筛选显著蛋白；对显著蛋白进行LASSO惩罚Cox回归降维，再在LightGBM框架内进行序贯前向选择和SHAP值排序，构建预测模型；用时间依赖AUC评估模型表现。为排除亚临床疾病，进行了2年和5年landmark分析。使用倾向评分匹配和LOESS平滑分析诊断前蛋白轨迹，并通过层次聚类将轨迹分为四簇。单细胞分析采用公开IPF数据集GSE135893（20例IPF，9例对照）进行细胞类型注释和差异表达分析。
研究结果：
（1）参与者选择与基线特征：排除基线ILD和缺少蛋白质组学数据者后，纳入52,743人；中位年龄58岁，93.1%为白人，54%为女性。随访期间814例新发ILD；新发ILD者年龄更大、女性比例低、吸烟和肥胖更多、合并症更多且基线肺功能更低。
（2）识别与新发ILD相关的蛋白质：在模型1（调整基本人口学）和模型2（额外调整生活方式、合并症和空气污染）中，分别有440和277种蛋白显著相关。代表性风险蛋白SCGB3A1（HR=9.85）和ROBO2（HR=7.89），保护性蛋白EGFR（HR=0.14）和CLEC3B（HR=0.21）。敏感性分析显示关联稳健。富集分析提示这些蛋白涉及T细胞迁移、细胞因子信号、TNF及NF-κB通路。
（3）基于SHAP的蛋白重要性排序：LASSO从277种蛋白中筛出162种，经序贯前向选择后确定GDF15、LAMP3、SFTPD、EDA2R和WFDC2为主要预测因子。SHAP分析显示GDF15、LAMP3、SFTPD升高增加ILD风险，EGFR升高呈保护效应。
（4）候选蛋白的剂量反应关系：限制性三次样条显示GDF15、SFTPD、EDA2R和WFDC2呈J型曲线，EGFR呈反向J型曲线；蛋白水平越高，事件发生率越高。
（5）患病ILD与未来新发ILD比较及时间滞后landmark分析：五种蛋白在患病ILD中也升高；在倾向评分匹配后，未来新发ILD和患病组均高于无ILD组。2年和5年landmark分析排除早期事件后，这些蛋白仍与后续ILD显著相关。
（6）诊断前蛋白轨迹聚类：相关蛋白分为四个时间簇，分别富集凋亡/炎症、中性粒细胞脱颗粒/基质重塑、EGFR/PI3K-Akt信号、细胞外基质/整合素相互作用等通路。GDF15、LAMP3、SFTPD、WFDC2和EGFR在诊断前10年以上即可检测到改变，其中EGFR呈逐渐下降趋势。
（7）CTD-ILD与非CTD ILD的差异蛋白谱：CTD-ILD患者血浆中CXCL13、CCL7、PDCD1、TNFRSF4等上调，SFTPD下调；差异蛋白富集于细胞因子-受体相互作用、趋化因子信号和T细胞活化通路。
（8）临床变量重要性与模型解释：SHAP显示年龄贡献最大，其次为病史、胱抑素C、吸烟强度、载脂蛋白B、C反应蛋白、白蛋白、胰岛素样生长因子1、PM2.5暴露等。
（9）预测模型准确性：单独蛋白模型5年、10年、全部事件AUC分别为0.899、0.890、0.859；单独临床变量为0.847、0.796、0.784；联合模型为0.938、0.908、0.891，并提高灵敏度和特异度。
（10）单细胞类型表达分析：五个候选基因主要在上皮细胞中表达，且IPF患者显著高于对照。亚群分析显示GDF15富集于肺泡2型（AT2）和纤毛细胞，LAMP3和SFTPD主要限于AT2细胞，EDA2R富集于异常基底细胞，WFDC2见于粘液、纤毛和棒状细胞。
讨论部分指出，这五种血浆蛋白可能反映上皮应激、肺泡稳态、炎症和组织重塑等不同生物学过程。CTD-ILD呈现独特的炎症性蛋白谱，提示适应性免疫失调在其发病中的作用。整合蛋白和临床变量的预测模型优于传统模型，但ILD判定基于健康记录而非影像/病理核查，且研究对象以欧洲血统为主，泛化性受限；蛋白仅单次基线测量，轨迹推断为群体水平；模型尚未经独立外部验证。结论：血浆蛋白质组学可识别未来ILD风险的诊断前蛋白特征，并与临床变量结合显著改善长期预测，为早期检测和预防干预提供了基础。
