Протеом крови помогает оценить риски развития 67 распространенных и редких заболеваний

Главная задача прецизионной медицины заключается в разработке инструментов для выявления людей с высокими рисками заболеваний. Это необходимо для своевременной диагностики и начала лечения. В последние десятилетия отдельные белки плазмы крови стали использоваться в качестве специфических диагностических маркеров для небольшого числа заболеваний, включая BNP для сердечной недостаточности, тропонины для острых коронарных синдромов и UCH-L1 и GFAP для черепно-мозговых травм. Однако до сих пор диагностические маркеры для многих заболеваний остаются неизвестными.

Ученые из Великобритании и Германии проанализировали данные UK Biobank Pharma Proteomics Project (UKB-PPP), крупнейшего на сегодняшний день протеомного эксперимента. Их целью было систематически исследовать 10-летний прогностический потенциал протеома плазмы для 218 различных заболеваний и выявить специфичные для заболеваний белковые предикторы. Всего оценивали уровни 2923 белков. Ученые также создали открытый веб-ресурс для прогнозирования заболеваний на основе белковых сигнатур.

Клинические модели, учитывающие возраст, пол, индекс массы тела (ИМТ), этническую принадлежность, статус курения, потребление алкоголя и информацию о 15 заболеваниях отца или матери, эффективны для прогнозирования эндокринных и сердечно-сосудистых заболеваний. Для 163 заболеваний пять белков — без учета какой-либо другой информации — работали так же хорошо, как и клиническая модель, и значительно лучше для еще 30 заболеваний. Для 67 редких и распространенных заболеваний добавление от 5 до 20 белков значительно повысило эффективность клинических моделей. К этим заболеваниям относились множественная миелома, неходжкинская лимфома, легочный фиброз, цилиакия, дилатационная кардиомиопатия и боковой амиотрофический склероз.

Исследователи интегрировали в свой анализ данные секвенирования РНК единичных клеток иммунного микроокружения костного мозга для 11 пациентов с впервые диагностированной множественной миеломой и трех здоровых контролей. Среди 17 различных типов клеток костного мозга они обнаружили, что четыре (FCRLB, QPCT, SLAMF7 и TNFRSF17) из пяти идентифицированных белков-предикторов наиболее часто встречались в плазматических клетках. То есть эти белки могут быть маркерами уровня плазматических клеток, который повышается на начальных стадиях развития множественной миеломы. Повышение уровня экспрессии FCRLB и QPCT в плазматических клетках пациентов со множественной миеломой было вызвано злокачественными плазматическими клетками. Авторы также наблюдали небольшое повышение экспрессии TNFSF13B в злокачественных плазматических клетках, но из-за неспецифического профиля экспрессии TNFSF13B в костном мозге это увеличение не сильно повлияло на его общую экспрессию.

Интересно, что предсказательная способность маркеров значительно различалась между мужчинами и женщинами для 14 заболеваний.

Всего 147 белков улучшали идентификацию двух и более (до 16) болезней. Но исследователи также выявили белки, которые были ассоциированы только с одним заболеванием. Эти белки включали TNFRSF17 — специфический предиктор для множественной миеломы — и TNFRSF13B, который является сильным предиктором моноклональной гаммапатии неясного генеза (MGUS), состояния, предшествующего развитию множественной миеломы.

Ученые проанализировали предсказательную способность протеома крови при различных допустимых уровнях ложноположительных результатов (FPR). При 20% FPR протеомика позволяла идентифицировать лиц с высоким риском легочного фиброза (включая CA4, CEACAM6, GDF15, SFTPD и WFDC2) и дилатационной кардиомиопатии (включая HRC, TNNI3, TPBGL, NPPB и NTproBNP). При низком FPR (5%) протеомика позволяла идентифицировать пациентов с высоким риском множественной миеломы (FCRLB, QPCT, SLAMF7, TNFRSF17 и TNFSF13B), неходжкинской лимфомы (BCL2, CXCL13, IL10, PDCD1 и SCG3) и моторно-нейронной болезни (включая CST5, EGFLAM, NEFL, PODXL2 и TMED10).

Таким образом, протеом крови может предсказывать развитие распространенных и редких заболеваний и диагностировать их на ранней стадии.

Риск перелома бедренной кости можно предсказать по протеому крови