尽管使用了基于指南的预防药物，动脉粥样硬化性心血管疾病（ASCVD）的残余负担仍然很大。2022年4月，荷兰、意大利和德国学者发表在《Eur Heart J》的一项研究，旨在通过靶向蛋白质组学改善二级预防中的心血管风险预测。

目的：当前的风险评分不能准确识别出需要更强化治疗干预的具有最高复发ASCVD风险的患者。通过机器学习技术进行分析的高通量血浆蛋白质组学的进展，可为进一步改善这些患者的风险分层提供新的机会。

方法和结果：在两个二级预防队列中进行了靶向血浆蛋白质组学研究：动脉疾病次要表现（SMART）队列（870人）和Athero Express队列（700人）。首要结局为复发ASCVD（急性心肌梗死、缺血性卒中、心血管死亡）。基于极端梯度推进的机器学习技术用于创建推导队列（SMART）中的蛋白质模型，在Athero Express队列中进行验证，并与临床风险模型进行比较。通路分析用于识别高和低C反应蛋白（CRP）患者子集的特异性通路。

在推导队列（曲线下面积[AUC]：0.810 vs 0.750；P<0.001）和验证队列（0.801 vs 0.765；P<0.001）中，蛋白质模型都超过临床模型，提供了显著的重新分类净改进（验证队列中为0.173），并具有良好的可校准性。与高CRP患者明显的白细胞介素-6信号相反，中性粒细胞信号相关蛋白与低CRP患者ASCVD复发相关。

结论：在预测ASCVD事件复发上，基于蛋白质组的风险模型优于临床风险模型。在低CRP患者中发现了中性粒细胞相关通路，意味着存在传统NLRP3通路外的残余炎症风险。观察到的重新分类净改进证实了将蛋白质组学融入二级预防患者的个体化治疗方法中的潜力。

（选题审校：田盼辉 编辑：丁好奇）
（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

参考资料：
Eur Heart J. 2022 Apr 19;43(16):1569-1577.
Targeted proteomics improves cardiovascular risk prediction in secondary prevention
https://pubmed.ncbi.nlm.nih.gov/35139537/