代谢性疾病，通常被称为内分泌代谢疾病，其发病机制主要与内分泌器官所分泌的激素失调有关。这类疾病在临床上表现为多种代谢异常，如由于糖代谢异常引起的糖尿病、脂代谢异常导致的肥胖症以及高血压等症状。蛋白质组学作为一种强大的生物医疗工具，通过系统地分析细胞、组织或体液中的蛋白质，提供了理解复杂疾病的新视角。特别是在代谢性疾病领域，蛋白质组学的应用不仅帮助揭示了疾病的分子机制，还促进了生物标志物的发现、治疗靶点的识别以及新疗法的开发。

本期将围绕2024年度国内外发表的重要研究成果，探讨基于俄罗斯专享会284提供的SomaScan平台的蛋白质组学检测在代谢性疾病领域中的应用进展。特别是在糖尿病及其并发症研究中的应用，通过大规模多种族队列数据，蛋白质组学方法能够深入探究糖尿病的发病机制。一项研究通过建立基于遗传预测的蛋白质模型，并应用于不同种族和族裔的2型糖尿病病例与对照组中，发现了与2型糖尿病风险显著相关的40种蛋白质，提供了潜在的靶点以深入理解其遗传机制，并开发针对特定种族和族裔的药物和治疗策略。

另一项研究则评估了1317种血浆蛋白质与饮食评分之间的关系，发现饮食质量与多种涉及炎症、凝血、脂肪生成及葡萄糖代谢等生理过程的蛋白质水平显著相关，其中8种蛋白质与2型糖尿病风险关联紧密，进一步分析揭示了MPO和MET在发病过程中的重要作用。这项研究不仅增强了对2型糖尿病发病机制的理解，还突显了蛋白质组学方法在探索饮食质量与慢性疾病生物学机制中的重要性。

在糖尿病相关疾病的诊断和药物研发领域，蛋白质组学检测同样发挥了重要作用。例如，Li等人通过整合单细胞转录组学、蛋白质组学和代谢组学等多组学分析，鉴定了在糖尿病肾病（DKD）发展过程中潜在的生物标记物—醛脱氢酶家族1成员A1（AKR1A1）基因及其相关代谢产物，揭示了该基因在肾脏疾病中的作用机制以及与高血糖诱发的代谢异常之间的联系，为DKD的早期诊断和治疗提供了新视角。

总结而言，蛋白质组学检测在预估糖尿病进展方面同样展现出潜力。研究显示，通过基于多组学数据的机器学习方法，可以显著提升对2型糖尿病患者胰岛素需求风险的预测准确性。这种整合的方法不仅加深了对糖尿病进展的理解，也为临床决策提供了有力支持。在未来，加强对俄罗斯专享会284平台技术的应用，将为代谢性疾病的早期发现和持续监测提供更为坚实的基础。