摘要
骨质疏松症（OP）常存在漏诊问题，凸显了对既能检测已有疾病又能预测未来风险的检测工具的迫切需求；大规模血浆蛋白质组学结合可解释机器学习，能够实现诊断与预后的一体化建模，同时优先关注临床相关的蛋白质标志物。本研究旨在开发并验证一个可解释的血浆蛋白质组学机器学习框架，用于骨质疏松症的诊断、未来风险预测及生物标志物发现。我们进一步检验了联合标志物组合是否能够在基线样本中区分正常、现患骨质疏松症及未来新发骨质疏松症状态。基于英国生物银行（UK Biobank）的血浆蛋白质组学数据，我们建立了SPX-OP框架，分别基于极端梯度提升（XGBoost）和SHapley可加性解释（SHAP）对现患骨质疏松症和新发骨质疏松症进行建模，并评估诊断标志物与预后标志物的联合是否支持一体化的基线分层。在实验中，诊断和预后XGBoost模型分别对骨质疏松症状态和未来风险展现出稳健的判别能力。SHAP衍生蛋白质标志物，包括FSHB、ADIPOQ、SOST、COL9A1和CHAD，与骨质疏松症相关，并在骨发育与重塑、细胞外基质组织以及炎症过程等骨相关通路中富集。仅使用这些SHAP筛选的蛋白质标志物，XGBoost模型的表现优于全蛋白质组模型，并对骨质疏松症提供了稳健的同时性诊断和预后预测。总之，本研究将高维蛋白质组学数据转化为可解释的标志物组合，为改善风险分层和进一步验证骨质疏松症血浆蛋白质生物标志物奠定了基础。
图形摘要
SPX-OP是一个可解释的机器学习框架，整合了大规模英国生物银行血浆蛋白质组学数据，用于骨质疏松症的诊断、预后和标志物发现。Olink蛋白质组学数据经过质量控制和差异分析后，进行XGBoost建模并采用五折交叉验证。SHAP解释识别出诊断和预后蛋白质标志物，从而实现基于生物学信息的风险分层，以及对正常、现患骨质疏松症和新发骨质疏松症的一体化分类。
利益冲突
作者声明无利益冲突。
数据可用性声明
本研究中使用的血浆蛋白质组学和骨质疏松症数据来源于英国生物银行数据库（https://www.ukbiobank.ac.uk/enable-your-research/apply-for-access）。根据英国生物银行的政策，作者无法共享这些个体水平数据。研究人员可通过英国生物银行既定的数据访问程序直接申请数据访问权限。SPX-OP代码已公开上传至GitHub（https://github.com/zwx94/SPX-OP.git）。
