主要观点总结
本文介绍了基于蛋白质组学的研究，通过大规模蛋白质组学数据和人工智能算法，发现11种可预测未来痴呆风险的血浆蛋白质，并构建了疾病预测模型。研究绘制了健康与疾病血浆蛋白质图谱，发现了26个药物治疗新靶点，并建立了蛋白质组-表型组资源数据库。这项研究为疾病的预测、诊断和药物开发提供了新的思路和方法。
关键观点总结
关键观点1: 研究背景
随着基因组学的发展，人们逐渐认识到蛋白质组学在疾病研究中的重要性。本次研究旨在通过蛋白质组学的研究，为疾病的预测、诊断和药物开发提供新的方法。
关键观点2: 研究成果
研究团队通过大规模蛋白质组学数据和人工智能算法，发现了11种可预测未来痴呆风险的血浆蛋白质，并构建了疾病预测模型。研究还绘制了健康与疾病血浆蛋白质图谱，涵盖了2920种血浆蛋白质与406种既往患病、660种随访新发疾病以及986种健康相关表型。此外，研究团队还发现了26个药物治疗新靶点。
关键观点3: 建立的新研究范式
研究团队试图建立一个新的研究范式，通过蛋白质组学的研究来更好地阐释生命的运作机制。他们借鉴了基因组研究的范式，为疾病的预测和诊断提供了新的模型和蛋白指标，并尝试寻找新的治疗靶点。
关键观点4: 跨学科合作的重要性
本次研究是跨学科合作的结果，体现了问题导向的研究思路。通过医学、计算机科学、统计学等多学科的交叉合作，研究团队最大限度地发掘了各自的优势，跨越了单一学科的边界，推动了研究成果的产生。
关键观点5: 对精准医学的意义
本次研究对精准医学的发展具有重要意义。通过蛋白质组学和人工智能的结合，研究团队为精准预测、精准诊断、精准治疗提供了新的思路和方法。此外，研究还发现了一些新的治疗靶点，为未来的药物治疗提供了新的方向。
正文
此外，研究者发现超过650种蛋白质与至少50种疾病存在联系，同时还发现了26个药物治疗新靶点，并建立了一个可开放访问的蛋白质组-表型组资源数据库Proteome-Phenome Atlas（
https://proteome-phenome-atlas.com/
）。
这个数据库不仅有助于科学家们更好地理解疾病的生物学机制，还将加速疾病生物标志物、预测诊断模型和治疗靶点的有效开发。
可开放访问的蛋白质组-表型组资源数据库
最为重要的是，郁金泰告诉《知识分子》，他们试图建立一个新的研究范式。
“过去，我们希望通过基因组图谱来解析疾病，但今天我们发现，很多问题并没有之前预想地那样得到解决。
要真正阐释生命，也许从蛋白质组中能够寻找到答案。
”
诚如他所说，2003年，耗时13年的人类基因组图谱绘制成功，人们并未因此了解疾病的根源。生命科学进入了后基因组时代，人们的关注重点也从基因组的结构解析转向功能研究：基因变异如何导致疾病？基因与环境相互作用下如何影响生命的过程。
我们身处的这一时期，包括蛋白质组学在内的多组学逐渐成为了研究重点。
如果说基因是演奏生命交响乐的乐谱，那么蛋白质更像是演奏者，乐队会在不同的环境和需求下调整演奏方式。一些演奏者
（关键蛋白质）
可能会出现演奏错误
（功能异常）
、变音
（错误折叠）
、甚至停奏
（丧失表达）
，导致整场交响乐不再协调。
基因组学中微小的差异，在蛋白质组学中可以被千倍甚至近万倍地放大。但时至今日，对于人类而言，蛋白质和疾病的关系仍有诸多未知之处。
郁金泰说，“这次我们采用了5万多名参与者的血浆高通量测序蛋白质组学数据，程炜老师团队把临床核心科学问题与人工智能大数据分析技术相结合，识别出了具有潜在诊断和预测价值的生物标志物，帮助我们揭示每一种疾病跟哪些蛋白相关，这些蛋白是否可以预测疾病的发展，这些蛋白是否可以作为药物的靶点等等，进行了全面的分析。”
此次研究的四位通讯作者：前排左二复旦大学附属华山医院神经内科教授郁金泰；左三为复旦类脑院院长冯建峰；前排右三为华山医院院长毛颖；右二为复旦大学类脑智能科学与技术研究院研究员程炜
共同第一作者：
二排左三
，
复旦大学附属华山医院博士生邓悦婷；
后排左三，
复旦大学类脑智能科学与技术研究院青年研究员尤佳
研究的共同一作、复旦大学类脑智能科学与技术研究院青年研究员尤佳告诉《知识分子》，他们纳入了5万人的近3000种测序蛋白，分析了1000余种疾病和近1000种健康表型，然而，具体到每一步细节，都面临挑战。
与基因相比，蛋白质是一个更为复杂和多变的研究对象。共同一作、复旦大学附属华山医院博士生邓悦婷提到，与蛋白质相比，基因不会受到人们出生、患病的因素的影响，相对稳定。然而，蛋白受到很多因素影响，如果得到一个比较稳健的疾病或健康相关的蛋白，研究者需要对影响蛋白的变量进行充分质控，验证，纳入关联分析。
“这项工作可以理解为一个拼图的工作，我们找到了一块块拼图，把它们放在空白的地方，”尤佳说，当最后一块拼图被按下，完整的图谱出现在眼前，整个团队都为之雀跃欢呼。
