壹生大学

壹生身份认证协议书

本项目是由壹生提供的专业性学术分享,仅面向医疗卫生专业人士。我们将收集您是否是医疗卫生专业人士的信息,仅用于资格认证,不会用于其他用途。壹生作为平台及平台数据的运营者和负责方,负责平台和本专区及用户相关信息搜集和使用的合规和保护。
本协议书仅为了向您说明个人相关信息处理目的,向您单独征求的同意,您已签署的壹生平台《壹生用户服务协议》和《壹生隐私政策》,详见链接:
壹生用户服务协议:
https://apps.medtrib.cn/html/serviceAgreement.html
壹生隐私政策:
https://apps.medtrib.cn/html/p.html
如果您是医疗卫生专业人士,且点击了“同意”,表明您作为壹生的注册用户已授权壹生平台收集您是否是医疗卫生专业人士的信息,可以使用本项服务。
如果您不是医疗卫生专业人士或不同意本说明,请勿点击“同意”,因为本项服务仅面向医疗卫生人士,以及专业性、合规性要求等因素,您将无法使用本项服务。

同意

拒绝

同意

拒绝

知情同意书

同意

不同意并跳过

工作人员正在审核中,
请您耐心等待
审核未通过
重新提交
完善信息
{{ item.question }}
确定
收集问题
{{ item.question }}
确定
您已通过HCP身份认证和信息审核
(
5
s)

直击DDW2025 | 沙卫红教授团队——提前16年预测克罗恩病发病风险:基于血浆蛋白质组学的创新模型

2025-05-09作者:论坛报小塔资讯
原创
图片

2025年 5月 3—6日,2025年美国消化疾病周(DDW 2025)在美国圣地亚哥成功举行。广东省人民医院消化内科沙卫红教授、陈浩教授团队凭借其在肝硬化、炎症性肠病(IBD)、心血管疾病风险预测、烟草暴露与消化疾病关联以及胃食管反流病(GERD)与哮喘共病等多领域的深入研究,在本次大会中脱颖而出,成功获得5项口头报告及4项壁报展示机会,其中一个oral入围大会主席奖竞选答辩环节,一个poster获得卓越海报奖这些成果不仅为消化系统疾病的早期筛查、精准诊断与个性化治疗提供了新的科学依据和技术手段,也体现了沙卫红教授团队在消化系统疾病研究领域的学术影响力。


《中国医学论坛报》特别邀请广东省人民医院沙卫红教授团队对“提前16年预测克罗恩病发病风险:基于血浆蛋白质组学的创新模型”研究进行分享。



口头报告



oral

提前16年预测克罗恩病发病风险:基于血浆蛋白质组学的创新模型





Session Type: Research Forum

Session Title: Omics for Mechanistic Understanding, Diagnosis and Disease Stratification in Inflammatory Bowel Diseases

Session Date and Time: 2025.5.3  4:00-4:15 p.m.

Submission ID: 4252808

Presentation ID: 287




这项由南方医科大学奉婧、陈烁、李沁铭及华南理工大学龙瑜共同进行,由广东省人民医院消化内科沙卫红教授、陈浩教授作为通讯作者指导的开创性研究《基于血浆蛋白质组学的克罗恩病16年发病风险预测模型》,成功入选2025年DDW大会口头汇报,在克罗恩病(CD)早期预测领域实现了重大进展。


CD病因不明、易反复发作且尚无根治方法,是全球公共卫生亟待攻克的难题。其早期症状不明显且易被忽视,常导致诊断延迟和病情进展,治疗难度增大,严重加重社会负担。人类血液蛋白质组能非靶向评估数千种循环分子,为人类健康状况提供了一个全面的解读。这项研究基于高通量技术测定的几千种血浆蛋白数据,通过结合Cox回归分析和机器学习算法,开发了一个创新的蛋白质组预测模型,旨在提前识别CD的发病风险。


结果显示,69种血浆蛋白质与CD发病显著相关,其中10种蛋白质在模型中显示出最高的重要性。基于这10个关键蛋白的模型相较于传统模型,在预测新发CD时表现出更高的准确性,其AUC达到了0.75。通过将蛋白质数据与人口统计学信息相结合,预测效能进一步提升(AUC:0.77),能够提前16年预测CD的发病风险。此外,基于蛋白质模型的风险分层显示,高风险组人群的CD发病风险是低风险组的27.9倍。



基于大规模的蛋白质组学数据,这项研究开发了一个在诊断前16年预测CD的新型蛋白质组模型。这项研究成果不仅为克罗恩病的早期筛查和干预提供了强有力的科学依据,而且具有重要的应用潜力,有望为克罗恩病的临床管理方式带来重要变革。



图片
专家点评
沙卫红教授


克罗恩病(CD)作为一种复杂的慢性炎症性肠病,好发于青壮年群体,因其病因不明、反复发作且缺乏根治性治疗手段,已成为全球公共卫生领域的重大挑战。目前临床实践中,CD早期症状隐匿,部分患者确诊时往往已进展至中重度或伴有并发症,导致治疗难度高、复发风险大,给患者及社会带来沉重负担。针对这一难题,这项研究依托大规模前瞻性队列数据,结合机器学习算法,探究了高通量血浆蛋白质组学在预测CD发病风险中的作用。团队首先结合机器学习算法从大规模蛋白质组学中成功筛选出10个重要蛋白质,基于该10个关键蛋白构建的机器学习模型可以达到一个较高的预测性能。该模型构建简便,仅需血液检测即可实现无创筛查,优于传统临床预测因子所构建的模型,可提前16年识别CD高危个体,为CD的早期筛查和靶向干预提供了重要的应用前景,具有良好的临床转化潜力。



中国医学论坛报社将持续追踪DDW2025最新进展,敬请广大读者关注!


图片


200 评论

查看更多