Science 发文，高通量蛋白质组学和人工智能的革命
💡
原文中文，约3100字，阅读约需8分钟。
📝
内容提要
研究人员通过少量血液样本测量数千种血浆蛋白，结合基因和健康数据，深入研究疾病根源和衰老过程。研究显示，器官特异性蛋白质与衰老和疾病风险相关。高通量蛋白质组学揭示了蛋白质与慢性疾病的关联，尽管成本高，但与人工智能结合为未来医疗提供新方向。
🎯
关键要点
- 研究人员通过少量血液样本测量数千种血浆蛋白，增进对人类健康的了解。
- SomaLogic 和赛默飞世尔开发了高通量蛋白质检测方法，结合基因和健康数据提供新的见解。
- 多基因风险评分（PRS）用于预测疾病风险，但未考虑所有基因组变异。
- 人类基因组已绘制完成，包含约20,000个蛋白质编码基因和超过100,000种不同的蛋白质。
- 高通量蛋白质组学研究揭示器官特异性蛋白质与衰老和疾病风险的关联。
- 斯坦福大学的研究发现，器官年龄差距与死亡风险增加相关。
- 哈佛医学院的研究定义了七个器官特异性衰老时钟，生活方式因素影响衰老速度。
- 牛津大学的研究发现204种蛋白质簇与慢性疾病和全因死亡率相关。
- 剑桥大学的研究使用人工智能模型拓宽了疾病预测领域。
- 蛋白质组学研究表明衰老不是线性过程，存在多个蛋白质组学峰。
- SomaLogic的研究显示蛋白质与心血管疾病、糖尿病等风险密切相关。
- 高通量蛋白质组学的成本较高，但经过验证的子集可降低费用。
- 蛋白质组学和人工智能的发展将推动常规医疗保健的进步。
❓
延伸问答
高通量蛋白质组学如何帮助理解人类健康？
高通量蛋白质组学通过测量数千种血浆蛋白，结合基因和健康数据，提供对疾病根源和衰老过程的新见解。
研究发现器官特异性蛋白质与哪些健康问题相关？
研究发现器官特异性蛋白质与衰老和多种疾病风险相关，包括心血管疾病和糖尿病。
多基因风险评分（PRS）在疾病预测中有什么局限性？
PRS未考虑所有基因组变异，特别是罕见和极罕见的基因组变异，可能导致风险评估不全面。
人工智能在高通量蛋白质组学研究中扮演什么角色？
人工智能帮助分析大量蛋白质数据，拓宽了疾病预测领域，提高了对健康风险的识别能力。
高通量蛋白质组学的成本如何影响其应用？
高通量蛋白质组学的费用较高，每人费用从500到1000美元，但经过验证的子集可降低成本。
衰老过程在蛋白质组学研究中是如何被理解的？
蛋白质组学研究表明，衰老不是线性过程，而是存在多个蛋白质组学峰，反映不同年龄阶段的生理变化。
➡️
