代谢性疾病，亦被称为内分泌代谢疾病，其发病机制主要与内分泌腺体分泌的激素失调有关。这类疾病在临床上表现为多种代谢失常，如糖代谢异常导致的糖尿病、脂质代谢紊乱引起的肥胖症以及高血压等。作为一种强大的研究工具，蛋白质组学通过系统性分析细胞、组织或体液中的蛋白质，为理解这些复杂疾病提供了新的视角。尤其是在代谢性疾病的领域，蛋白质组学的应用不仅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.

本期将基于2024年度国内外发表的关键研究成果，探讨基于尊龙凯时的SomaScan平台在代谢性疾病研究中的应用进展。在糖尿病及其并发症的研究里，通过大规模的多种族队列数据，蛋白质组学方法可用于探讨糖尿病的发病机制。一项研究建立了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型糖尿病的病例与对照组，发现40种与2型糖尿病风险显著相关的蛋白质，为更深入理解其遗传机制以及开发针对特定族裔的药物和治疗策略提供了有效靶点。

另外，另一项研究评估了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，尤其是与2型糖尿病风险密切相关的8种蛋白质。这项研究深入分析了MPO和MET在发病过程中的重要作用，不仅深化了对2型糖尿病发病机制的理解，也强调了蛋白质组学方法在探究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与药物研发方面，蛋白质组学检测同样发挥了重要作用。Li等通过结合单细胞转录组学、蛋白质组学和代谢组学等多组学分析，鉴定出糖尿病肾病（DKD）发展过程中的潜在生物标志物—醛脱氢酶家族1成员A1（AKR1A1）基因及其相关代谢产物，揭示了AKR1A1在肾脏疾病中的作用机制，为DKD的早期诊断和治疗提供了新的视角。同时，Zhang等结合蛋白质组学与遗传学的研究方法，通过孟德尔随机化（MR）分析识别出21种与DKD密切相关的血液蛋白候选分子，并经过深入验证确定了4种关键蛋白（TGFBI、COL6A2、CBLN1和ITIH3），这些蛋白可能通过共同的遗传变异影响DKD的发展，为针对性治疗提供了新思路。此外，研究还评估了候选蛋白的药物可及性，构建它们的相互作用网络，为未来的临床试验奠定基础.

蛋白质组学还在糖尿病进展情况的预测方面展现出无可否认的潜力。例如，Slieker等提出了一种基于多组学数据的机器学习方法，用于预测糖尿病的进展。该研究使用DCS和GoDARTS两个队列的数据，涵盖临床变量、代谢物、脂质和蛋白质等生物标志物。结果显示，结合多组学数据及机器学习方法显著提高了对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促进了对糖尿病进展的理解，也为临床决策提供了有力支持.

在肥胖及相关代谢紊乱的研究中，蛋白质组学检测的应用同样不容忽视。在非酒精性脂肪肝病及高血压相关研究中，蛋白质组学所揭示的机制为临床研究提供了新的见解与方向。而SomaLogic公司推出的SomaScan Assay，作为一种基于aptamer（核酸适配体）的高通量蛋白质检测技术，有助于全面、精确地检测人及其他模式动物的体液样本以及组织中的蛋白质。这项技术旨在提升对健康及疾病生物学的理解，加速药物靶点的识别及生物标志物的开发，覆盖超过11000种蛋白质，广泛应用于衰老、癌症、代谢性疾病、心血管疾病及神经退行性疾病的早期发现及监测中，充分体现了尊龙凯时在生物医药领域的前瞻性与创新力量。