- 前言 -
1. 心血管風(fēng)險(xiǎn)評(píng)估現(xiàn)狀
準(zhǔn)確的心血管風(fēng)險(xiǎn)評(píng)估對(duì)于預(yù)防心血管疾病以及指導(dǎo)臨床治療至關(guān)重要。然而，臨床常用的心血管風(fēng)險(xiǎn)評(píng)估模型都是基于傳統(tǒng)風(fēng)險(xiǎn)因素建立，包括 Framingham 風(fēng)險(xiǎn)評(píng)分、系統(tǒng)性冠狀動(dòng)脈風(fēng)險(xiǎn)評(píng)估（SCORE）和合并隊(duì)列方程（PCE），對(duì)于預(yù)測(cè)未來(lái)事件的準(zhǔn)確性有限。盡管已經(jīng)在臨床風(fēng)險(xiǎn)評(píng)估中增加了 N 末端腦鈉肽前體（NT-proBNP)、超敏 C 反應(yīng)蛋白（hs-CRP)和肌鈣蛋白 I(cTnI)的檢測(cè)，但是總體改善并不明顯。
2. 血液循環(huán)蛋白標(biāo)志物
血液中循環(huán)蛋白主要由“分泌蛋白”（激素、細(xì)胞因子、趨化因子、脂肪因子和生長(zhǎng)因子等）和“滲漏蛋白”（在細(xì)胞損傷期間通過(guò)“滲漏”進(jìn)入血流，例如肌鈣蛋白）組成，其含量受先天遺傳與外源風(fēng)險(xiǎn)因素的共同調(diào)節(jié)，且蛋白質(zhì)是（直接或間接）幾乎所有藥物的靶點(diǎn)。蛋白質(zhì)的這種反映“先天”和“后天”的能力對(duì)于了解常見的復(fù)雜疾病并對(duì)其進(jìn)行風(fēng)險(xiǎn)分層至關(guān)重要。
3. 策略：Olink+ 機(jī)器學(xué)習(xí)
心血管風(fēng)險(xiǎn)是合并癥與外源風(fēng)險(xiǎn)因素互作的結(jié)果，因此同時(shí)評(píng)估大量蛋白有望進(jìn)一步完善風(fēng)險(xiǎn)評(píng)估。Olink 靶向蛋白組檢測(cè)平臺(tái)可針對(duì)特定方向（例如心血管、炎癥和代謝等）的 92/368 種相關(guān)蛋白質(zhì)進(jìn)行精準(zhǔn)、低成本、快速、大通量的檢測(cè)，與機(jī)器學(xué)習(xí)相配合能對(duì)臨床大型數(shù)據(jù)集更好的解釋，有助于生成優(yōu)化的風(fēng)險(xiǎn)模型。
?? 樣本類型：EPIC-Norfolk 和 PLIC 前瞻性隊(duì)列中 1524 名的嵌套病例對(duì)照血漿樣本
?? 檢測(cè)平臺(tái)：Olink Target 96 CV II、CV III、Cardiometabolic、Inflammation
- 結(jié)果展示 -
1. 臨床信息
2. 機(jī)器學(xué)習(xí)建模
研究人員通過(guò) Olink 檢測(cè) 1524 例血漿樣本中 384 種心血管相關(guān)蛋白的表達(dá)，使用臨床指標(biāo)校正后的檢測(cè)結(jié)果進(jìn)行機(jī)器學(xué)習(xí)建模（XGBoost）。其中，80% EPIC-Norfolk 隊(duì)列作為訓(xùn)練集，剩余 20% EPIC-Norfolk 隊(duì)列進(jìn)行測(cè)試，PLIC 隊(duì)列作為驗(yàn)證集：
3. 預(yù)測(cè)模型性能比較
在 EPIC-Norfolk 隊(duì)列（訓(xùn)練 + 測(cè)試）中篩選到 50 個(gè)血漿蛋白質(zhì)組成的預(yù)測(cè)模型，3 年內(nèi)預(yù)測(cè)心肌梗塞的能力明顯優(yōu)于臨床風(fēng)險(xiǎn)模型（AUC 0.803 vs 0.732，p <0.01）；在 20 年隨訪期間，蛋白模型預(yù)測(cè)能力依然高于臨床風(fēng)險(xiǎn)模型（AUC 0.754 vs 0.730，p < 0.01）。EPIC-Norfolk 隊(duì)列中驗(yàn)證發(fā)現(xiàn)，該模型預(yù)測(cè)動(dòng)脈粥樣硬化的能力同樣顯著高于臨床風(fēng)險(xiǎn)模型（AUC 0.705 vs 0.609，p < 0.01）。
伯豪生物提供 Olink 超靈敏低豐度蛋白組檢測(cè)服務(wù)，覆蓋人心血管代謝類、炎癥類、神經(jīng)類、腫瘤類等多方向。有需要的老師記得聯(lián)系我們哦~
參考文獻(xiàn)：
[1] ?Hoogeveen RM, Pereira JPB, Nurmohamed NS, et al. Improved cardiovascular risk prediction using targeted plasma proteomics in primary prevention. Eur Heart J. 2020;41(41):3998-4007. doi:10.1093/eurheartj/ehaa648
[2] ?Peter Ganz, Rajat Deo, Ruth F Dubin, Proteomics for personalized cardiovascular risk assessment: in pursuit of the Holy Grail, European Heart Journal, Volume 41, Issue 41, 1 November 2020, Pages 4008–4010, https://doi.org/10.1093/eurheartj/ehaa661
