主要观点总结
文章介绍了高通量蛋白质组学在医疗领域的应用和发展。研究人员能够从少量血液样本中测量数千种血浆蛋白，这有助于理解人类健康、疾病风险和衰老过程。文章还介绍了多基因风险评分（PRS）在疾病预测中的应用，以及人工智能在蛋白质组学研究中的重要作用。文章讨论了蛋白质组学和其他学科的交叉融合，并强调了通过多模态AI分析，可以与其他数据层相结合，提高疾病风险评估的潜力。同时指出高通量蛋白质组学评估的费用仍是限制之一，但随着技术的发展，成本可能会降低。
关键观点总结
关键观点1: 高通量蛋白质组学的发展和应用。
研究人员能够从少量血液样本中测量数千种血浆蛋白，这有助于理解人类健康和疾病根源。
关键观点2: 多基因风险评分（PRS）的应用。
PRS已在不同血统的人群中得到验证，并开始用于患者指导。但还存在罕见和极罕见的基因组变异未被计入风险计算中的问题。
关键观点3: 人工智能在蛋白质组学研究中的作用。
机器学习模型在确定器官特异性蛋白质、评估衰老速度和疾病风险预测中发挥了重要作用。
关键观点4: 蛋白质组学与其他学科的交叉融合。
蛋白质组学的研究与神经科学、数学、物理、化学等材料学科的交叉融合，为疾病预测和健康管理提供了新的视角。
关键观点5: 高通量蛋白质组学评估的限制和挑战。
费用是高通量蛋白质组学评估的一个限制，但随着技术的发展，成本可能会降低。
文章预览
将 ScienceAI 设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编译 | 紫罗 最近，研究人员能够从少量血液样本中测量数千种血浆蛋白，这为广泛的数据提供了新的维度，可以增进我们对人类健康的了解。 例如，SomaLogic 公司已经开发出测量 10,000 多种蛋白质的方法，而赛默飞世尔的 Olink 检测方法可以从少至 2 μl 的样本中检测 5400 多种蛋白质。 当这些丰富的数据与来自大型患者群体的其他信息层（例如英国生物库从 50 万名参与者那里获得的基因、健康和生活方式信息）相结合时，我们就会对疾病的根源、衰老过程以及预测个人健康轨迹的潜在能力产生新的见解。 十多年来，科学家已经开发出预测疾病风险的多基因风险评分（polygenic risk scores，PRS）。PRS 已在不同血统的人群中得到验证，现在开始用于患者指导。这些风险评分通常基于数百种常见（
………………………………
