硕博赶紧用起来！Cell53,026人蛋白质-表型资源库

前言

• 2025 年的第一期 cell 上发表了一篇《健康与疾病中 53,026 名成人的血浆蛋白质组图谱》，这篇文章包含了大量的资源，这边进行了相关探索。
• 文章主要是通过申请到的 UK Biobank 数据进行的数据分析，然后给出数据分析的结果。
• 如果想要详细了解文章内容，请看今天其他推文《Cell | 健康与疾病中 53,026 名成人的血浆蛋白质组图谱 | 提供分析结果和源代码》，推文对该文章原文进行了逐字逐句的中文精读。

文章亮点

1. 构建涵盖1706种人类疾病和特征的全面蛋白质组学图谱
2. 基于机器学习的大数据分析揭示有前景的诊断和预测生物标志物
3. 识别出37种药物重新定位前景和26个潜在的安全靶点
4. 提供一个开放获取的蛋白质组-表型组资源以推进精准医学

文章摘要

1. 大规模蛋白质组学研究可以深化我们对健康和疾病的了解，并促进精准医学的发展。
2. 在这里，我们提供了英国生物银行（UK Biobank）中53,026名个体（中位随访时间：14.8年）的详细血浆蛋白图谱，该图谱链接了406种常见疾病和660种新发疾病以及986种与健康相关的特征，代表了迄今为止最全面的蛋白质组谱。
3. 这一图谱揭示了168,100个蛋白质-疾病关联和554,488个蛋白质-特征关联。
4. 超过650种蛋白质在至少50种疾病中共存，超过1,000种蛋白质显示了性别和年龄上的异质性。
5. 此外，蛋白质在疾病鉴别方面表现出巨大的潜力（183种疾病中的曲线下面积[AUC] > 0.80）。
6. 最后，整合蛋白质数量性状位点数据确定了474种因果蛋白质，提供了37种药物再利用机会和26种具有有利安全性的潜在靶标。
7. 这些结果提供了一个开放获取的综合蛋白质组-表型资源（https://proteome-phenome-atlas.com/），有助于阐明疾病的生物学机制，并加速疾病生物标志物、预测模型和治疗靶标的开发。

蛋白质组-表型资源探索

网址

• https://proteome-phenome-atlas.com/

• 网站布局简单，四大板块清晰明了
• 指引清晰，操作简单
• 分为流行病学关联，生物医学洞见，预测诊断，基因组关联
• 截止今天，已有 35000+ 浏览量

流行病学关联

从疾病的角度查看分析结果

• 血浆蛋白与疾病终点之间的关联分别使用 Cox 比例风险回归和逻辑回归进行，分别针对新发疾病和常见疾病。
• 血浆蛋白与健康相关特征之间的关联分析，采用线性回归对连续特征（作为结果）和二元特征（作为暴露因素），以及比例优势逻辑回归对有序分类特征。

• 假如想要看阿尔兹海默症的分析结果，操作如下：

• 可以看到， 424 种蛋白质在 0.05 的显著性水平下表现出关联。253 个蛋白质呈正相关，171 个呈负相关。可以从这些数据里面找分子进行研究，或者给自己的分子添加强有力的临床相关数据。
• 完整结果可以在底部进行下载

从蛋白质的角度查看分析结果

• 血浆蛋白与疾病终点之间的关联分别使用 Cox 比例风险回归和逻辑回归进行，分别针对新发疾病和常见疾病。
• 血浆蛋白与健康相关特征之间的关联分析，采用线性回归对连续特征（作为结果）和二元特征（作为暴露因素），以及比例优势逻辑回归对有序分类特征。

• 同样的，我们可以从蛋白质的角度，查看研究的目标蛋白质跟数据库中的哪些疾病关联。

生物洞见

• 这部分对疾病相关蛋白进行了通路和富集分析（对于新发疾病，P < 0.05/(2920*660)；对于常见疾病，P < 0.05/(2920*406)）。对每种疾病，都进行了基因本体（GO）术语、Reactome 通路和组织类型的富集分析。

预测诊断

• 建立了两个模型，一个预测模型和一个诊断模型;
• 使用了与疾病相关的蛋白（对于新发终点事件，P < 0.05/(2920*406)；对于常见终点事件，P < 0.05/(2920*660)）。
• 预测模型（疾病数量=660）旨在确定一个基线健康参与者是否会患上某种疾病（预测为类别 1）或保持健康（预测为类别 0），并且排除了那些已经对该疾病有常见诊断的个人。
• 诊断模型（疾病数量=406），它旨在区分一个参与者是否经历过或目前正在经历某种疾病（预测为类别 1）与那些没有经历过的人（预测为类别 0）。

基因组关联

从疾病的角度查看分析结果

• 基因组关联分析通过孟德尔随机化（MR）分析进行，使用蛋白质-疾病分析中确定的显著蛋白质-疾病对（对于新发疾病，P < 0.05/(2920*406)；对于常见疾病，P < 0.05/(2920*660)）。
• 蛋白质到疾病的 MR 分析将蛋白质数量性状位点（pQTL）数据作为暴露因素，将疾病 GWAS 数据作为结果，而对于疾病到蛋白质的分析，暴露因素和结果则相反。
• 大多数疾病 GWAS 来自 FinnGen 研究 [2] 发布 DF9，其余疾病 GWAS 是在没有蛋白质数据的 UKB 参与者子集中计算的。
• 为了选择工具变量（IV），对具有全基因组显著性的 SNPs（P < 5×10^−8）进行了连锁不平衡（LD）聚类。如果只有一个 IV 可用，则使用 Wald 比率来估计 MR 效应；
• 如果有两个或更多 IV 可用，则使用逆方差加权方法。MR 分析使用 R 中的“TwoSampleMR”包（v.4.2.0）进行。

从蛋白质的角度查看分析结果

• 同上

代码

• 提供了完整的分析代码

github

• https://github.com/jasonHKU0907/proteome-phenome-atlas

数据

• 文章的大部分数据是向 UKB 申请得到的，看了全篇，并没有提供原始的数据，只提供了分析的结果，无法得到原始数据，比较可惜。
• UKB 的数据不知道申请难度如何？有没有小伙伴可以提供一下申请经验?