### UKB研究概述

UBK研究是一项大规模的队列研究，旨在深入探讨人群健康。该研究于2006年至2010年间进行基线评估，招募了约50万名年龄在40至59岁之间的英国参与者。通过对参与者的表型及基因数据的收集，研究提供了丰富的信息，这些数据包括血液和尿液中的生物标记物、全身成像、生活方式指标、体格及人体测量、全基因组基因分型、外显子组和基因组测序。

### UKB-PPP与蛋白组学分析

UKB-PPP项目对约54,000名参与UKB研究的参与者的EDTA血浆样本进行了蛋白组学的深入分析。该研究设计包括三个主要组成部分：(1) 46,595人的随机子集；(2) UKB-PPP联合体成员选择的6,356人，以对基线评估的样本进行蛋白质组学分析；(3) 1,268名参与者参与了COVID-19成像研究，并在多次访问中重复成像。

### 疾病预测模型的构建

研究团队从UKB-PPP中随机挑选了41,931名参与者，利用OlinkExplore技术对2,923种蛋白质的检测结果进行了分析，并成功开发出218种疾病的预测模型。研究还比较了含蛋白和不含蛋白的预测模型之间的性能差异。在67种罕见和常见疾病中，添加5-20个蛋白质显著改善了临床模型的表现（C指数中位增加值=0.07，范围=0.02-0.31）。在67种疾病中，52种疾病的基于蛋白特征模型的似然比优于传统靠血液化验的临床模型（范围为0.13-5.17）。

### 蛋白质与疾病风险

添加的5-20种蛋白质（彩点）显著改善了临床模型（黑点）的C指数。这些蛋白质不仅在对多种疾病的预测中表现突出，也在单一疾病的预测中展现良好性能。研究中所报告的蛋白特征筛查指标，甚至能够与当前用于诊断测试的血液测试相媲美，尤其在52种疾病的预测中，效果更为显著。

特异性较强的预测蛋白模型还揭示了导致疾病风险的潜在机制。例如，在确诊前10年中，血浆中TNFRSF17和TNFRSF13B（BAFF和APRIL的受体）水平较高，分别是多发性骨髓瘤和单克隆性淋巴瘤病患病风险显著增加的预测因子。同时，循环蛋白特征的动态性质，相较于“静态”的多基因风险评分，更能反映环境暴露风险的变化，因此在预测性能上表示出更优异的表现。

在生物医疗领域，AG百家乐不断致力于将科学研究与实际应用相结合，以期希望为人们的健康做出更大贡献。