摘要
多模式诊断策略和风险分层对于提高肺癌的早期检测、临床结果和个性化干预至关重要。为了通过整合血浆蛋白质组学、遗传因素和人口统计数据来开发肺癌发病的预测模型，我们分析了来自英国生物银行（UK Biobank）的数据。该数据包括47,655名基线时没有肺癌病史的成年人，其中有641例新发病例，中位随访时间为13.87年。我们使用Cox比例风险模型和SHapley Additive exPlanations（SHAP）顺序特征选择方法来识别与肺癌相关的显著血浆蛋白。构建了一个基于XGBoost的生存模型并对其进行评估，以评估其预测效果。我们开发了蛋白质组学风险评分（ProRS）、人口统计信息和综合风险评分，以评估它们在不同遗传风险组中的预测能力。在2911种血浆蛋白中，我们确定了15种与肺癌发展相关的显著蛋白。XGBoost生存模型表现出良好的预测性能，C统计量为0.803。风险分层显示，高风险群体的肺癌风险是低风险群体的101倍。我们分析了诊断前15年内15种与致癌相关的蛋白的表达模式。TNR和CLEC3B被确定为最早发生失调的蛋白，其表达水平早在诊断前14年就开始下调。GDF15在整个14年的观察期内持续且显著地上调。整合血浆蛋白质组学、多基因风险评分和人口统计因素可以改善肺癌的风险分层，为更精细的筛查策略提供潜力。
图形摘要
利益冲突
作者声明没有利益冲突。
数据可用性声明
本研究使用了英国生物银行（UK Biobank）的资源，申请参考号为419342。英国生物银行是一个开放获取的资源，合法的研究人员可以通过注册和申请来使用其数据集：http://ukbiobank.ac.uk/register-apply/。所有源代码都可在GitHub上公开获得：https://github.com/yangfan2000225-dev/Lung-cancer-proteomics.git。如需更多信息，可向相应的作者咨询。
