ProLM：一种针对普通人群预训练的等离子体蛋白质组学模型

《Nature Communications》：ProLM: a plasma proteomics pretrained model for the general population

　　

摘要

血浆蛋白质组学能够为人类健康状况提供动态的分子层面的信息，但目前用于识别人群中普遍存在的蛋白质表达模式的模型仍存在局限。本研究表明，ProLM是一种基于BERT的血浆蛋白质组学模型，它经过在15,499名相对健康的英国生物样本库参与者数据上的预训练，能够捕捉到基础性的蛋白质表达规律，并有助于预测16种常见的慢性疾病。经过针对特定疾病的进一步微调后，ProLM生成的蛋白质组风险评分在16种疾病中均优于年龄和性别组合模型，在14种心血管疾病风险评估模型中表现更佳，而在11种疾病的35变量临床评估模型中也有更好表现。模型分析显示，有些蛋白质如GDF15在其临床诊断前15年以上就会出现表达变化，这些关键发现还在中国嘉道理生物样本库中得到了外部验证。这些结果表明，经过预训练的血浆蛋白质组学模型可作为早期慢性疾病风险分层的工具，但在实际临床应用之前还需进行进一步的前瞻性验证。