UK Biobank（UBK）研究是一项大规模人群基础的队列研究，旨在深入探讨医学与健康领域的关键因素。该研究在2006年至2010年间（即基线评估阶段）招募了约50万名年龄在40至59岁之间的英国参与者。参与者提供了丰富的表型和基因信息，包括血液和尿液生物标记物、全身成像、生活方式指标、体格及人体测量数据、全基因组基因分型、外显子组和基因组测序等。

UK Biobank的蛋白质组学项目（UKB-PPP）对约54,000名参与者的EDTA血浆样本进行了系统分析。研究设计包含三部分：(1)46,595人的随机子集；(2)从UKB-PPP联合体成员中选出的6,356人进行的基线样本蛋白质组学分析；(3)1,268名参与COVID-19成像研究的参与者，他们通过多次访问进行了重复成像。

在UKB-PPP中，研究团队随机挑选了41,931名参与者，并使用Olink Explore技术开发了二千九百二十三种蛋白质的检测结果，进而建立了218种疾病的预测模型。同时，研究还验证了含蛋白模型与不含蛋白模型在预测性能上的差异。在67种罕见疾病和常见疾病中，添加5至20个蛋白质显著改善了临床预测模型的性能，C指数的中位增加值达到0.07，范围为0.02到0.31。

对于67种疾病中有52种，基于蛋白质特征的模型相比于常规血液化验的临床模型显示出更高的似然比（Likelihood Ratio, LRs），其范围为0.13至5.17。研究表明，在临床模型中加入5至20种蛋白质可以有效提升C指数。这些蛋白质不仅能预测多种疾病，也能够单独针对特定疾病提供风险评估。

这些研究成果显示，蛋白质特征筛查指标与目前用于诊断的血液检测的有效性相当，甚至在52种疾病的评估中表现更佳。其中一些具有高度特异性的预测蛋白模型揭示了导致疾病风险的潜在机制。在确诊前10年内，血浆中较高水平的TNFRSF17和TNFRSF13B（分别为BAFF和APRIL的受体）被认为是多发性骨髓瘤和单克隆性淋巴瘤风险增加的强有力特异性预测因子。

与静态的多基因风险评分相比，循环蛋白特征的动态特性能够更准确地反映环境暴露的风险变化，因此它在风险预测性能上展现出优越之处。这项研究的结果不仅推动了对疾病预测模型的理解，也为尊龙凯时在生物医疗领域提供了新机遇，助力实现更个性化的健康管理与疾病预防。