克罗恩病（CD）是一类慢性、反复发作的炎症性肠病（IBD）。由于CD在临床前期缺乏一致的体征和症状，其诊断往往会出现数月甚至数年的延迟。此外，目前尚无针对CD的根治性治疗方法。有研究表明，CD发病前存在一个关键的临床前期阶段，其特征是肠道免疫系统、肠道微生物群组成、肠道通透性和临床参数的变化，而了解这一阶段对于预测该疾病至关重要。

近日，来自我国广东省人民医院的研究团队在《Nature Communications》发表题为“Plasma proteomic profiles identify biomarkers predicting Crohn’s disease up to 16 years before onset”的文章。研究团队基于大规模前瞻性队列的血浆蛋白组学数据，利用机器学习算法构建预测模型，并在英国、欧洲及中国华南地区的独立队列中进行验证，最终实现了最远提前16年的疾病风险预测。

该研究纳入了英国生物样本库（UKB）中52,896名个体的2736次Olink血浆蛋白测量数据，在训练集中筛选出与未来 CD 发病相关的蛋白特征，最终形成由 9 个关键蛋白构成的预测模型。该模型在地理独立的 UKB 测试队列（n=13,262）中的AUC为0.76；并在外部 EPIC-Norfolk 队列（n=2,944）中的AUC为0.73，同时在中国南方独立队列（n=74）中的AUC为 0.79，均高于临床风险模型（AUC为0.60-0.67）。而将蛋白预测模型与临床风险因素整合后，模型预测性能进一步提升（AUC 0.78），且可实现最长 16 年的发病前风险预测。而根据模型进行风险分层后，高风险人群的发病几率是低风险人群的4.23倍。

该研究开发了一个基于9个血浆蛋白质的机器学习模型，能够有效预测克罗恩病的发病风险，为克罗恩病的超早期筛查和预防干预提供了有力的新工具。

论文链接：

https://doi.org/10.1038/s41467-025-66483-4

注：此研究成果摘自《Nature Communications》杂志，文章内容并不代表本网站的观点和和立场，仅供参考。