Белки крови помогли спрогнозировать риск развития более 60 заболеваний
Исследователи сообщили о способности белковых «сигнатур» предсказывать начало 67 заболеваний. В их число вошли множественная миелома, неходжкинская лимфома, болезни двигательных нейронов, фиброз легких и дилатационная кардиомиопатия.
Фото: 123rf.com
Ученые из Лондонского университета королевы Марии, Университетского колледжа Лондона, Кембриджского университета и Берлинского института здравоохранения оценили концентрацию около 3000 белков плазмы крови, чтобы создать модели прогнозирования десятилетней заболеваемости 218 распространенных и редких заболеваний. Результаты исследования опубликованы в журнале Nature.
Авторы отметили, что индекс конкордантности при использовании клинических прогностических моделей, которые учитывают пол, возраст, индекс массы тела, курение, потребление алкоголя и семейный анамнез, составляет 0,64, причем использование таких моделей наиболее эффективно при эндокриннных и сердечно-сосудистых заболеваниях. Анализ показал, что определение концентрации пяти белков без использования дополнительной информации для прогноза 163 заболеваний равноценно клиническим моделям и значительно их превосходит для прогноза 30 патологий.
Эффективность моделей, включающих от 5 до 20 белков, превосходила эффективность клинических моделей для прогнозирования 67 разнообразных заболеваний, включая множественную миелому, неходжкинскую лимфому, болезни двигательных нейронов, фиброз легких и дилатационную кардиомиопатию. Среди этих 67 заболеваний частота выявления составила 45,5% при определении уровня белков в сравнении с 25% при применении клинических моделей.
| Анализировали данные UK Biobank Pharma Proteomics Project, крупнейшего исследования протеомики с измерениями приблизительно 3000 белков плазмы из случайно выбранного набора более 40 тыс. участников. Данные о белках были связаны с электронными медицинскими картами пациентов. Использовали передовые аналитические методы, чтобы точно определить для каждого заболевания «сигнатуру» от 5 до 20 белков, наиболее важных для прогнозирования. |
Авторы заключили, что этот способ дает новые возможности прогнозирования для различных заболеваний, включая более редкие патологии.
