《Phenomics》：Phenomic Medicine and Metabolic Disease Trajectories: Measuring and Modelling the Health to Disease Continuum
编辑推荐：
表型组医学是一个新兴领域，涉及对多维表型数据的测量和建模，以提供系统层面的框架来理解健康和疾病如何随时间演变，并为临床决策提供信息。与主要预测易感性的基因组医学不同，表型组医学捕捉疾病连续体中发生的动态生化、生理和代谢变化。代谢谱（Metabolic prof
表型组医学是一个新兴领域，涉及对多维表型数据的测量和建模，以提供系统层面的框架来理解健康和疾病如何随时间演变，并为临床决策提供信息。与主要预测易感性的基因组医学不同，表型组医学捕捉疾病连续体中发生的动态生化、生理和代谢变化。代谢谱（Metabolic profiling）、成像、数字健康数据和电子健康记录（Electronic Health Records, EHR）可用于纵向表征这些表型变化，通过构建时间模型来绘制个体和人群层面的疾病轨迹（disease trajectories）。表型轨迹（Phenotypic trajectories）允许根据由基因-环境相互作用（gene-environment interactions）产生的演变病理学对患者进行分层，这些相互作用支撑着疾病进展、恢复力或康复。对这些轨迹的建模可以识别从健康到亚临床功能障碍转变的早期标志物，建立关键拐点，并区分可逆与不可逆的疾病阶段。这种能力在复杂、多因素疾病（如心血管疾病、糖尿病或病毒后综合征）中尤为强大，因为这些疾病中，基于横断面队列研究建立的简单生物标志物组合缺乏预后精度所需的特异性。最终，表型组医学提供了一条将医疗从反应性模式转变为主动性模式的途径，并支持整个生命历程中的个性化健康管理。
**论文解读：表型组医学与代谢疾病轨迹——从基因组到表型组的范式转变**
**研究背景与问题**
传统医学面临的核心挑战在于，如何从静态的遗传易感性预测转向对健康与疾病动态演变过程的实时监测。基因组医学虽能揭示遗传风险，但其本质上是静态的，无法捕捉环境暴露、生活方式、感染、炎症及肠道微生物组等动态因素对疾病发生发展的影响。此外，疾病表型常呈现异质性，单一生物标志物面板在横断面队列研究中缺乏预后精度，尤其在心血管疾病、糖尿病及病毒后综合征等多因素复杂疾病中更为突出。同时，个体在生命历程中经历多次疾病事件或应激负荷，这些事件累积形成“稳态负荷”（allostatic load），加速生物学衰老，但现有医疗体系缺乏对这类轨迹的系统性建模工具。因此，亟需一种能够整合多维动态表型数据、跨越健康与疾病连续体的系统性框架，以实现从被动治疗向主动预防的转变。
**研究内容与意义**
研究人员在发表于《Phenomics》的论文中系统阐述了表型组医学（Phenomic Medicine）的概念、方法与应用。该研究通过构建分子表型空间（Molecular Phenotypic Space, MPS）和表型风险图谱（Phenotypic Risk Map, PRM），将纵向代谢谱、成像、数字健康数据及电子健康记录整合为时间模型，以个体和人群尺度映射疾病轨迹。研究强调，表型组医学不同于基因组医学，它捕捉的是基因-环境相互作用下生化、生理和代谢的动态变化，能够识别从健康到亚临床功能障碍的关键拐点，区分可逆与不可逆疾病阶段，从而支持个性化健康管理。研究以COVID-19大流行为例，展示了表型转换（phenoconversion）与表型恢复（phenoreversion）过程，并揭示了感染后长期健康风险（如长期COVID）的分子表型特征。该研究的重要意义在于，提供了一种从反应性医疗转向主动性医疗的可行路径，将分子流行病学与精准医学统一于同一框架，为全球公平医疗解决方案奠定基础。
**主要技术方法**
研究人员采用的关键技术方法包括：（1）核磁共振（NMR）波谱和质谱（MS）等高通量分析技术，结合机器学习和人工智能模型，从原始光谱数据中提取分子表型（metabotypes）；（2）构建高维分子表型空间（MPS），作为坐标系统追踪个体纵向表型轨迹；（3）基于流行病学队列（如荷兰饥荒队列、COVID-19队列）建立代谢风险签名，并投影至MPS形成表型风险图谱（PRM）或疾病风险图谱（Atlas of Disease Risks, ADR）；（4）利用纵向监测框架，以个体自身为对照，识别“意外”健康状态变化，实现早期预警。样本队列来源包括COVID-19患者队列、1918年流感大流行暴露人群队列及荷兰饥荒队列等。
**研究结果**
**Development, Disease and Ageing**
研究人员通过分析发育、疾病与衰老的关系，指出所有多细胞生物均经历一系列纵向发育变化，受遗传和环境因素相互作用影响，这些因素共同决定健康、疾病及死亡模式。研究强调，衰老是自然动态过程，可由特定不良环境事件加速，而稳态调节机制在超出极限后导致病理状态。麦考恩（McEwen）和辛格（Singer）提出的稳态负荷概念表明，慢性应激引起的系统磨损导致器官组织损伤，并增加疾病易感性。炎症反应若持续存在，则通过细胞衰老、线粒体功能障碍和氧化应激等途径加速衰老，产生生物学年龄与实足年龄的差异。
**Conceptualising modern health and medical challenges: from genomic to phenomic medicine**
研究人员对比了基因组医学与表型组医学的局限性。基因组医学虽能识别遗传变异（如BRCA1/BRCA2突变、HLA-B*5701等位基因），但静态数据无法反映环境、生活方式、感染、炎症及肠道微生物组的动态影响。相比之下，分子表型通过整合代谢物、蛋白质、脂质等分子特征，提供个体实时生化与生理状态的高分辨率快照，捕捉遗传、环境与生活方式的三重影响。研究定义了表型组医学为“利用先进技术测量和建模个体与人群分子表型的诊断、评估与干预系统”，旨在通过MPS和PRM实现疾病风险的多维映射与分层。
**Phenomic Medicine in Action: The COVID-19 Experience**
研究人员以COVID-19为例，展示了表型组医学框架的应用。研究表明，SARS-CoV-2感染引发急性、系统性应激，导致多器官系统长期后遗症（如心血管疾病、糖尿病、神经精神障碍）。代谢谱分析揭示了脂质、脂蛋白、生物胺、胆汁酸、能量代谢物及肠道微生物代谢物的广泛紊乱。感染后，部分个体代谢状态无法完全恢复至基线，表现为血清牛磺酸、谷氨酰胺/谷氨酸比值升高，以及吲哚-3-乙酸等代谢物异常，提示持续肝功能异常和肠道微生物组失调。研究定义了表型转换（phenoconversion）与表型恢复（phenoreversion）过程，并指出急性期表型收敛（phenoconvergence）掩盖个体差异，而恢复期则出现不同轨迹（如完全恢复、部分恢复或出现二次表型转换，如长期COVID）。研究人员强调，初始健康状态决定感染后轨迹，而急性事件可作为衰老加速因子。
**Phenomic Medicine in the Real World**
研究人员讨论了表型组医学临床实施面临的挑战。横断面研究中的生物标志物验证需跨人群、医疗系统及地理区域，而纵向监测中个体可成为自身对照，改变验证范式。临床表型数据分散于不同技术领域和数据保管方，标准化不足。分子表型（尤其是NMR基表型）具有内在稳健性和标准化优势，若能系统整合至临床报告标准，可弥合数据协调鸿沟。研究人员认为，纵向监测方法依赖个体化基线和轨迹，而非人群泛化阈值，更适应多样化遗传背景和环境，有望成为全球公平医疗解决方案的载体。
**总结与讨论**
讨论部分强调，表型组医学通过构建分子表型空间和表型风险图谱，将疾病风险建模与个体化健康管理相结合，为预防医学提供了分子层面的风险分层工具。研究结论指出：表型组医学能够捕捉基因-环境-暴露组相互作用的代谢后果，识别疾病表型转换的关键拐点，并支持从反应性医疗向主动性医疗的转型。最终，表型组医学有望成为全球范围内实现公平医疗解决方案的载体，并统一不同文化对医学和健康的认知。
