Сведения об образовательной организации Портал ДО
Белки крови помогли спрогнозировать риск развития более 60 заболеваний
Белки крови помогли спрогнозировать риск развития более 60 заболеваний
25.07.2024

Белки крови помогли спрогнозировать риск развития более 60 заболеваний

Исследователи из Лондонского университета королевы Марии, Университетского колледжа Лондона, Кембриджского университета и Берлинского института здравоохранения оценили концентрацию около 3000 белков в плазме крови, чтобы создать модели прогнозирования десятилетней заболеваемости 218 распространенных и редких заболеваний. Результаты исследования были опубликованы в журнале Nature.

По словам авторов исследования, индекс конкордантности клинических прогностических моделей, учитывающих пол, возраст, индекс массы тела, курение, потребление алкоголя и семейный анамнез, составляет 0,64. Эти модели оказались наиболее эффективными при прогнозировании эндокринных и сердечно-сосудистых заболеваний. Исследование показало, что определение концентрации всего пяти белков без дополнительной информации может предсказывать развитие 163 заболеваний с точностью, сопоставимой с клиническими моделями, и превосходит их при прогнозировании 30 заболеваний.

Модели, основанные на анализе от 5 до 20 белков, оказались более эффективными, чем традиционные клинические модели, для прогнозирования 67 различных заболеваний, включая множественную миелому, неходжкинскую лимфому, болезни двигательных нейронов, фиброз легких и дилатационную кардиомиопатию. Для этих 67 заболеваний частота точного прогноза составляла 45,5% при использовании данных о белках по сравнению с 25% при применении клинических моделей.

Исследование основывалось на данных проекта UK Biobank Pharma Proteomics Project, крупнейшего исследования протеомики, включающего измерения около 3000 белков в плазме у более 40 тыс. участников. Данные о белках были связаны с электронными медицинскими картами пациентов. Исследователи использовали передовые аналитические методы, чтобы определить «сигнатуры» из 5–20 белков, наиболее важных для прогнозирования каждого заболевания. Авторы заключили, что этот подход открывает новые возможности для прогнозирования различных заболеваний, включая редкие патологии.
Напишите
нам в WhatsApp