《Molecular Systems Biology》：Network-guided prioritization of plasma protein signatures across 23 diseases
编辑推荐：
群体规模的血浆蛋白质组学已开始绘制人类疾病中的循环蛋白质组图谱，然而将这些大型数据集精简为可解释的紧凑蛋白panel，并使其在独立队列中保持准确性，仍是一项重大挑战。在此，研究人员开发了一个网络引导框架，通过两个队列中均被定量的1154种蛋白质，将人类疾病血液
群体规模的血浆蛋白质组学已开始绘制人类疾病中的循环蛋白质组图谱，然而将这些大型数据集精简为可解释的紧凑蛋白panel，并使其在独立队列中保持准确性，仍是一项重大挑战。在此，研究人员开发了一个网络引导框架，通过两个队列中均被定量的1154种蛋白质，将人类疾病血液图谱（Human Disease Blood Atlas, HDBA）与英国生物样本库药物蛋白质组学项目（UK Biobank Pharma Proteomics Project, UKB-PPP）相连接，并在23种人类疾病中评估蛋白质特征。针对每种疾病，研究人员考察了两项分类任务：疾病 versus 健康，以及疾病 versus 疾病。紧凑蛋白panel在两项任务中分别达到平均受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUROC）0.741和0.736，而包含全部共享蛋白质的基线模型分别为0.827和0.797，且在每个任务的23种疾病中有7种优于该基线。将panel成员资格与差异蛋白水平和疾病相关共表达模块相整合，可从与多种疾病相关的疾病共享蛋白中揭示疾病富集候选蛋白。该框架为跨多种疾病优先排序血浆蛋白特征提供了结构化的系统层面基础。
研究背景方面，精准医学需要客观的分子工具以在多样临床背景中区分疾病状态，但许多复杂疾病仍缺乏兼具敏感性与疾病特异性的稳健生物标志物，在涉及炎症、代谢与免疫失调的异质性病理生理疾病中尤为突出。血浆因能反映多组织生理与病理信号而成为重要介质，基于亲和力的血浆蛋白质组学技术已实现大规模人群测量，HDBA与UKB-PPP分别提供了疾病参考图谱与人群规模蛋白谱，但少有研究系统评估紧凑蛋白panel能否在独立队列间判别患病状态及在临床相关疾病间进行区分，缺乏跨队列证据使靶向检测开发前的候选蛋白优先级排序困难。为此研究人员构建三阶段框架：以HDBA为发现数据集对候选蛋白排序，以UKB-PPP的80%训练划分选择分类器与panel规模，以留出测试集进行一次性最终评估，纳入两队列中病例数均超过30的23种疾病，覆盖癌症、自身免疫、感染、代谢、精神与心血管六大类。
关键技术方法方面（不超过250字）：采用Olink Explore平台血浆蛋白质组数据，发现队列为HDBA（2684例病例、834例健康对照），验证队列为UKB-PPP（12,130名参与者），并以Allen Institute for Immunology类风湿关节炎队列作外部验证；限定两队列共享的1154种蛋白质为特征空间；在HDBA中以七种机器学习模型（含L2正则逻辑回归、弹性网、线性支持向量机、随机森林、极端随机树、XGBoost、AdaBoost）五折交叉验证进行特征重要性排序，取Top-20构成候选panel；在UKB-PPP训练集以重复交叉验证选择最优模型与Top-K（1–20）规模；采用limma进行差异蛋白分析，以Spearman相关构建疾病特异共表达网络并用Leiden算法识别模块，以Fisher精确检验定义疾病相关关键模块，Enrichr进行功能注释。
结果部分。研究设计与网络引导优先级排序框架：通过三阶段流程与双任务设计（疾病 versus 健康产生H-panel，疾病 versus 疾病产生D-panel），整合四层证据定义疾病富集与疾病共享候选蛋白，两队列年龄分布与性别构成可比。H-panel跨队列验证：在留出测试集中，腹主动脉瘤、慢性淋巴细胞白血病、肝细胞癌、流感与肥胖等疾病保持较高判别性能，而乳腺导管原位癌、宫颈癌、结直肠癌与肺炎链球菌肺炎较低；H-panel平均AUROC为0.741，低于1154种共享蛋白基线的0.827，在10种疾病中达到更高或相近水平，其中7种更高；类别层面代谢疾病中位AUROC最高（0.89），感染性疾病最低（0.69）；类风湿关节炎H-panel在独立队列中六个panel蛋白差异方向一致，判别ACPA阳性个体与健康对照AUROC为0.72。D-panel跨队列验证：D-panel平均AUROC为0.74，基线为0.80，在11种疾病中达到更高或相近水平，其中心血管疾病中位AUROC最高（0.96），感染性疾病最低（0.54）；AUROC与队列规模无显著相关；弹性网逻辑回归被选择最频繁且平均留出AUROC最高，提示紧凑panel的判别信号多为加性。疾病相关共表达模块识别：23种疾病中识别38个疾病相关关键模块并聚为六类，代谢与蛋白稳态相关功能见于多个类群，免疫与细胞因子信号富集于部分类群，氧化应激、细胞外基质重塑与神经内分泌信号具类群特异性；有关键模块支持的疾病-蛋白对在两个panel中同时保留的比例更高（63.0% versus 46.8%），但差异未达统计学显著。疾病富集候选蛋白的网络引导优先级排序：共优先排序出涉及82种蛋白质的106个疾病-蛋白关联，覆盖20种疾病，其中69种蛋白仅关联单一疾病；GFAP、AFP、LEP、WFDC2与TSPAN1等在UKB-PPP中显示疾病特异蛋白水平模式；14种蛋白由三层证据共同识别；文献注释将55个关联归为既往报道、51个为未报道。多疾病共享候选蛋白：13种蛋白连接多种疾病，如AGRP关联六种疾病、CXCL13关联弥漫大B细胞淋巴瘤与系统性红斑狼疮、PRL关联三种疾病，这些共享蛋白在UKB-PPP中呈现异质性改变，其中六个疾病-蛋白对相对健康对照显著。
讨论部分总结：紧凑panel对部分代谢、心血管、自身免疫与精神疾病显示较一致的跨队列性能，但总体不及全共享蛋白模型，凸显外部验证与系统层面整合的必要性；双任务设计揭示仅优化病例对照分离的panel可能在鉴别诊断中失效，感染性疾病中炎症蛋白的共享改变使D任务性能下降最明显；共表达网络分析将候选蛋白置于其共调控伙伴中加以解释，代谢与蛋白稳态模块跨疾病共享而部分过程具特异性；LEP、GDF15、IGFBP1等候选获得既往生物学证据支持。局限性包括：验证限于1154种共享蛋白；两队列虽均基于Olink邻近延伸分析但检测版本、覆盖度与批次结构不同；队列设计与患者纳入差异影响可迁移性；紧凑panel性能可能受样本量、模型选择与特征排序稳定性影响；D任务依赖对照疾病集构成；模块支持与既往证据不证明因果或临床效用；LTA4H可能反映平台特异变异；结论基于观察性数据，尚需独立疾病队列、前瞻样本与正交平台验证。研究结论翻译：研究人员提出了一套系统性的跨队列与网络引导策略，用于评估并优先排序23种疾病相关的血浆蛋白；该框架为将大规模蛋白质组学资源转化为疾病相关候选特征提供了通用且可扩展的途径，支持在更多疾病队列与蛋白质组资源可用时合理设计用于精准诊断的靶向panel。
