Thermo Fisher Scientific

  1. 加速科学
  2. 赛默飞中文博客
    3. /
  3. 生命科学
    4. / AI+多组学提前15年预测心脏病，港大团队巧用UKB数据突破早筛瓶颈

AI+多组学提前15年预测心脏病，港大团队巧用UKB数据突破早筛瓶颈

Written by | 已发布: 06.17.2026
订阅subscribe

你是否有过这样的疑问，为什么有的人年纪轻轻突发心梗，有的人90岁心脏依然硬朗？

心血管疾病（Cardiovascular Disease, CVD）作为全球头号致死病因，每年夺走近2,000万人的生命，并随着人口老龄化加剧，负担持续攀升。由于受到遗传、环境和生活方式等多种因素影响，对心血管疾病的风险预测和分层具有挑战。临床上广泛应用的传统风险评估模型（如SCORE2）依赖年龄、血脂等表层指标，对病理机制的动态变化捕捉不足，在早期识别高危个体和预测特定CVD亚型方面仍存在局限性。多基因风险评分（PRS）仅带来了有限的改进，且未能捕捉到疾病进展背后的病理生理过程。基于血液的标志物分析提供了一种有前景的，非侵入性且成本效益高的方案。以Olink为主的高通量蛋白组学技术则通过检测覆盖主要生物学通路的数千重蛋白，为全面揭示驱动心血管疾病的分子机制提供了有效的工具。

香港大学张清鹏和天津医科大学刘彤团队基于英国生物银行（UKB）数据，开发出首个整合蛋白质组学（ProScore）与代谢组学（MetScore）的AI多组学框架——CardiOmicScore。可提前15年预测冠心病、中风等6种心血管疾病风险，与传统临床数据联用后风险预测效能提升10.2%，为精准预防提供了里程碑式工具。

关于英国生物银行

英国生物银行（UK Biobank, UKB）是英国政府发起的全球知名大型生物医学队列研究数据库。收集了50万名40-69岁志愿者的生物样本、遗传信息、生活方式、环境暴露及长期健康医疗档案等数据，并进行了长期随访。数据质量高，堪称队列研究“金标准”。

UKB-PPP（英国生物样本库制药蛋白组学项目）采用Olink Explore平台，分析来自UKB中50万名参与者的60万份样本，是迄今对人类蛋白质组最广泛的研究。Olink平台因高效和高度可靠被选中，以帮助研究人员获得更深入的生物学见解。

行业洞察｜UKB-PPP将产生更全面的蛋白组学数据集以解锁人类蛋白组

核心突破

多组学风险评分提升预测性能

ProScore（蛋白组风险评分）和MetScore（代谢组风险评分）与6种心血管疾病（CVD）之间均存在强相关性（斯皮尔曼相关系数0.78-0.96）。与传统临床模型（AgeSex、Clin、PANEL）相比，整合组学评分后，所有CVD的预测性能均显著提升（C-index 增加幅度为0.005-0.102）。其中，蛋白组评分的增益效果最为突出（房颤AF提升4%、外周动脉疾病PAD提升10.1%），代谢组次之，PRS的贡献则相对有限。这一排序也反映了不同组学与疾病动态病理进程的紧密关联：

  • 蛋白质组直接反映实时生物学和病理状态，可捕捉亚临床病变的动态变化；
  • 代谢组在脂质代谢、氧化应激等代谢通路中表现突出，体现出中期病理修饰；
  • 遗传风险（PRS）聚焦静态易感性，较难捕捉动态变化。

多组学提升心血管疾病预测性能

潜在生物标志物与机制探索

研究人员通过SHAP（SHapley Additive Explanations）法，分析了代谢物和蛋白质与每种心血管疾病的关联，识别出每种疾病最具影响力的生物标志物。结果表明，6种CVD疾病的核心代谢物存在部分重叠，蛋白生物标志物则具有更显著的疾病特异性。

研究证实了NT-proBNP、NPPB、白蛋白，肌酐等已在流行病学研究中得到证实的生物标志物，还识别出了一批潜在的全新生物标志物和每种疾病关键的特异性蛋白。例如：CRIP2（参与细胞缺血反映调控，与脑卒中有关），PLB1（参与代谢调控，与外周动脉疾病有关）。这些关键分子不仅可作为预防或逆转疾病的潜在靶点，还能为现有药物的重定位提供关键机制信息。

CVD疾病最具影响力的代谢物和蛋白质

提前15年锁定高危人群

当ProScore、MetScore与临床变量联合时，能够显著提升多种心血管疾病的预测性能。该联合模型在不同年龄组、不同性别、服用降脂/降压药的亚组中均表现稳定，证明了其在不同人群中的良好适用性；排除早期偶发病例或考虑死亡风险竞争后，组学评分仍保持一致，验证了该模型的稳健性。这些结果进一步证实，多组学数据具有临床应用价值，可在疾病确诊前15年对常见心血管疾病进行同步风险评估，为早期、靶向的一级预防策略提供依据。

蛋白组学：心血管风险的“动态解码器”

在代谢组、蛋白组与遗传风险评分（PRS）三大组学中，蛋白组学对心血管疾病（CVD）风险的预测效能最为突出。这一优势源于其动态性——蛋白质表达可直接反映疾病进展中的实时生物学状态（如心肌损伤、炎症反应）。此外，Olink Explore 的产品设计覆盖100%的生物学通路，与代谢组学（主要聚焦脂质代谢等稳态指标）相比，覆盖更广泛的心血管相关病理过程，包括炎症、免疫调节、凝血和血管功能。

精准医学的核心在于基于分子特征的早期干预。蛋白组学与AI的结合，可在传统临床指标（如血压、胆固醇）尚未异常时，通过多维度分子信号识别高风险人群，推动预防性治疗窗口前移。未来，通过常规血液检测实现多病种风险分层（如同时评估冠心病、心衰、卒中风险），将能在早期识别心血管疾病高风险患者，极大优化医疗资源配置，降低疾病整体负担。

正如我们对未来的期待：精准医学的核心，不是治已病，而是治未病。

参考资料

1.  Luo, Y., Zhang, N., Yang, J. et al. AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease. Nat Commun (2026). https://doi.org/10.1038/s41467-026-68956-6

联系我们/Contact Us

姓名(Required)
同意(Required)

Written by:

Bioprocessing Staff

Read more Bioprocessing Staff