《Communications Medicine》：Cardiovascular risk assessment characterized by proteomics in cancer survivors
编辑推荐：
针对经典心血管病(CVD)风险评分在癌症幸存者中预测效能不足的问题，Peng、Wang等聚焦蛋白质组学，识别182种与心衰、房颤等主要CVD风险相关的血浆蛋白，其中23种蛋白组合显著提升预测性能(AUC:0.646–0.705)，为高危人群精准分层提供了新策略。
癌症治疗水平的进步让越来越多患者跨越了肿瘤本身的生存大关，但随之而来的“第二杀手”——心血管疾病(CVD)，却成了横亘在他们康复路上的隐形绊脚石。传统的心血管风险评分在普通人群中表现尚可，可一旦套用到癌症幸存者身上，就像穿了不合脚的鞋，怎么走都不顺畅。这背后的原因其实不难理解：放化疗的心脏毒性、肿瘤相关的慢性炎症、以及治疗带来的代谢改变，都让这群人的心血管风险变得格外复杂。有没有办法给这群特殊的幸存者量身定制一套更精准的风险评估工具？这正是Peng、Wang等研究者试图解答的核心问题。他们另辟蹊径，将目光投向了能反映机体实时状态的血浆蛋白质组学，试图从成千上万种蛋白质中找到那些预示心血管危机的“信号兵”。这项探索性研究最终发表在《Communications Medicine》，为破解癌症幸存者的心血管风险管理难题提供了新的线索。
为了回答上述问题，研究团队依托英国生物样本库(UK Biobank)的资源，纳入了4225名基线时无主要心血管疾病的癌症幸存者，并获取了其血浆蛋白质组数据。他们首先采用Cox比例风险模型分析蛋白质与心衰、房颤、心梗、心绞痛、外周血管病和卒中这六类主要CVD风险的关联；随后通过富集分析挖掘这些蛋白质参与的生物学过程；再利用随机森林模型筛选出候选蛋白生物标志物组合，并通过受试者工作特征曲线下面积(AUC)、净重分类指数(NRI)和综合判别改善指数(IDI)来评估该组合的预测效能及与传统风险评分联合后的提升效果。
研究结果
背景
经典的心血管疾病(CVD)风险评分在预测癌症幸存者CVD风险时表现不佳，因此研究旨在识别与主要CVD风险相关的蛋白质，并探索其在癌症幸存者主要CVD风险预测中的作用。
方法
研究纳入UK Biobank中4225名有可用血浆蛋白质组学数据且招募时无主要CVD的癌症幸存者。使用Cox比例风险模型估计蛋白质与主要CVD（心力衰竭、心房颤动、心肌梗死、心绞痛、外周血管疾病和卒中）风险的关联，随后进行富集分析。通过随机森林模型进一步识别候选蛋白生物标志物，并使用受试者工作特征曲线下面积(AUC)、净重分类指数(NRI)和综合判别改善指数(IDI)评估分类性能。
结果
本研究共识别出182种蛋白质，其中大多数与癌症幸存者的主要CVD风险呈正相关（风险比HRs:1.11-1.93），尤其是NT-proBNP、NPC2、TNFRSF12A、LMNB2和EDA2R，这些蛋白质主要参与免疫、炎症和血管生成等生物学过程。此外，通过随机森林模型得到的23种蛋白质组合在测试集中对主要CVD、5年和10年CVD显示出中等预测性能（AUCs: 0.646–0.665），优于多个经典CVD风险评分。将该蛋白质组合纳入CVD风险评分后，显著改善了区分度（AUCs: 0.647–0.705）和5年风险重分类（NRI: 0.245–0.327；IDI: 0.055–0.060）。
结论
某些血浆蛋白质与主要CVD风险相关，可能作为癌症幸存者风险预测的潜在生物标志物，但仍需进一步研究验证。
这项研究的意义远不止于发现几个新的蛋白质标记物。它首次系统性地描绘了癌症幸存者这一特定人群中，血浆蛋白质组与多种主要心血管事件风险的关联图谱，证实了蛋白质组学在捕捉肿瘤治疗相关心血管损伤独特机制方面的优势。特别是发现的NT-proBNP等核心蛋白及其涉及的免疫、炎症和血管生成通路，为理解癌症与心血管疾病的共享病理生理机制提供了分子层面的证据。更重要的是，那23种蛋白质组成的预测模型，虽然在独立验证中的AUC绝对值不算极高，但其相对传统模型的显著提升，尤其是在风险重分类(NRI和IDI)上的优异表现，意味着它能更有效地将患者划分为高风险和低风险群体，这对于临床决策——比如是否启动预防性治疗、加强监测频率——具有直接的指导价值。当然，研究也存在局限性，例如样本均来自UK Biobank，人群种族相对单一，且为观察性研究，因果推断能力有限。未来的研究需要在更多样化的人群中进行外部验证，并深入探索这些蛋白质作为干预靶点的潜力，最终推动癌症幸存者心血管健康管理的精准化和个体化。
