文章
Deng Y, You J, He Y …
Atlas of the plasma proteome in health and disease in 53,026 adults
Cell, 2024; 188, 253-271.e7
- 研究人群的特征 (Cohort Profile)
“We included 53,026 participants with an average age of 56.8 years, comprising 53.9% women and 93.7% white individuals (Table S1).”
- 蛋白质组学数据 (Proteomics Data)
“2,920 proteins that satisfied quality control criteria were included in the subsequent investigation (Table S2).”
Olink (PEA) vs. SomaScan 核心技术对比总结
| 对比维度 | Olink (邻位延伸法 PEA) | SomaScan (修饰核酸适配体法) |
|---|---|---|
| 核心探针 | 一对特异性抗体（各连一条DNA单链） | 单个修饰DNA适配体（SomaMer） |
| 识别机制 | 双抗体“夹心”：必须两个抗体同时结合同一蛋白的不同位点 | 单探针“锁钥”：适配体折叠成三维结构结合蛋白口袋 |
| 信号生成 | 原位合成：双抗体靠近后，DNA链杂交并延伸生成新DNA条形码 | 直接回收：实验后解离并回收探针自身的DNA进行计数 |
| 防错（质控）核心 | 空间限制：单抗体错粘无法拉近双链，不生成信号，天然过滤假阳性 | 动力学洗脱：利用结合强度差异，通过多次严苛清洗甩掉非特异性结合 |
| 样本用量 | 极低（1~3 µL 血浆即可测数千种蛋白） | 相对较高（通常需数十 µL 血浆） |
[bb30.ndph.ox.ac.uk/ukb/ukb/docs/PPP\_Phase\_1\_QC\_dataset\_companion\_doc.pdf](http://biobank.ndph.ox.ac.uk/ukb/ukb/docs/PPP_Phase_1_QC_dataset_companion_doc.pdf) 告诉你是如何删除UK的样本的
3. 表型筛选与分类 (Phenotype Curation)
类别 A：疾病终点（Disease Endpoints）
“Prevalent disease endpoints were binary outcomes with more than 100 events before and at blood collection. Incident disease endpoints were organized as time-to-event data, with more than 100 events after blood collection during a median of 14.8 years of follow-up (Tables S3 and S4).”
研究团队把疾病分为了基线已患病（Prevalent）和随访新发病（Incident）两类，并且为了保证统计学效能，设置了“病例数必须大于 100 例”的硬性门槛：
- 现患疾病（Prevalent）： 指在抽血（采集蛋白质数据）之前或当时就已经确诊的疾病。它们是二分类变量（Binary outcomes，即“是/否”患病），且要求这 5 万多人里至少有 100 个人得了这种病才纳入分析。
- 新发疾病（Incident）： 指在抽血时还健康，但在抽血之后的随访期内新确诊的疾病。研究团队对这群人追踪了中位数长达 14.8 年。这类数据被整理为生存分析/时序数据（Time-to-event data，即不仅看是否发病，还看什么时间发病），同样要求随访期间发病人数超过 100 例。
类别 B：健康相关性状（Health-related Traits）
“Health-related traits contained continuous, binary, and ordered categorical variables processed by the PEACOK package20 (Table S5).”
- 翻译： 健康相关性状包括连续变量、二分类变量和有序分类变量，这些变量均使用 PEACOK 软件分析包进行了处理（详见附表 S5）。
- 解读： 除了生老病死的大病，研究还关注了各种健康指标（如身高体重、血压、生化指标等）。这些指标的数据类型各不相同（有连续的数字，也有分类标签）。研究者使用了专为 UK Biobank 表型自动化处理开发的生信工具包 PEACOK，对这些复杂的临床数据进行了标准的清洗和归一化处理。
第一板块：现患疾病（Prevalent Endpoints）——“进组时谁有病”
- 体量：共纳入了 406 种具体疾病。
- 分类与分布：按照医学系统被划分为了 14 个系统章节（如消化、呼吸、神经系统等）。其中，消化系统疾病的种类最多，占了 17.2%。
- 病例规模：在不同的系统章节里，每个章节平均包含的病例数在 286 到 865 例之间。而患病人数最多、规模最大的系统是循环系统疾病（如高血压、冠心病等）。
第二板块：新发疾病（Incident Endpoints）——“随访期内谁病了”
- 体量：共纳入了 660 种新发疾病（说明在长达 14.8 年的追踪里，这 5 万多人得病的种类比基线时更丰富）。
- 分类与分布：被划分为了 13 个系统章节。
- 病例规模：由于随访时间很长，新发疾病的病例数非常充足，每个章节的平均发病人数在 483 到 1,508 例之间。同样，循环系统疾病在新发病例中依然高居榜首（这非常符合中老年队列的疾病随访规律，心血管疾病是高发大户）。
第三板块：健康相关性状（Health-related Traits）——“身体指标”
- 体量：共纳入了 986 个非疾病的健康相关指标。
- 分类与分布：根据 UK Biobank 官方的数据分类路径，被分成了 11 个章节。其中占比最大的是基于核磁共振（NMR）光谱学检测的代谢组学数据，占了 25.5%（大约有 250 多个指标，比如各种不同密度的脂蛋白、胆固醇亚型、脂肪酸等）。
- 样本量规模：因为并不是每个受试者都做完了所有的体检项目（比如有人做了核磁，有人没做），所以每个章节的平均样本量（有效人数）在 17,880 到 49,267 人之间浮动。
分析
作为生信或数据分析层面的理解，这段话其实是在为你展示一个巨大的表型矩阵（Phenotype Matrix）的结构：
- 行（Rows）：53,026 名受试者。
- 列（Columns）：406 个基线患病标签（0/1） + 660 个新发疾病生存数据（是否发病+发病时间） + 986 个健康相关指标（包含连续型测定值和分类标签） = 共计 2,052 个全表型指标。
Step 1 科研逻辑结构拆解
问题：哪些蛋白与病相关？
| 模块 | 内容 | 作用 |
|---|---|---|
| 研究问题 | 如何建立覆盖健康人与疾病人群的大规模血浆蛋白图谱，并将其用于疾病发现、预测及药物靶点开发。原文分析对象包括 53,026名UK Biobank受试者、2,920种血浆蛋白、406种现患疾病、660种随访疾病及986项健康性状。 | 建立Proteome Atlas |
| 领域缺口 | 既往研究多局限于单病种、小样本或几十到几百种蛋白，缺少能够同时覆盖蛋白—疾病—性状—遗传—药物的统一资源。 | 为什么需要Atlas |
| 核心假说 | 血浆蛋白不仅能反映疾病状态，而且可以通过遗传工具（pQTL+MR）识别真正具有因果作用的蛋白，从而成为治疗靶点。 | Precision medicine |
| 主机制链 | Plasma proteome → Disease association → Shared biology → Disease prediction → pQTL → Mendelian Randomization → Drug target prioritization | 全文主线 |
| 生信推进方式 | 大规模关联分析 → 富集分析 → ML预测 → pQTL整合 → MR因果推断 → 药物重定位 | 全程由生信驱动 |
| 实验闭环 | 本文几乎没有传统湿实验，而是依靠遗传学（pQTL+MR）建立因果证据，再结合药物数据库完成验证。 | 数据驱动闭环 |
| 因果起点 | MR分析开始建立因果关系；此前所有蛋白-疾病关联均属于观察性关联。 | 因果证据来源 |
UK Biobank
│
2920 Plasma proteins
│
────────────────────────
Association Scan
(1706 phenotypes)
│
────────────────────────
Shared disease biology
│
────────────────────────
Machine Learning
Disease prediction
│
────────────────────────
Genetics (pQTL)
│
────────────────────────
Mendelian Randomization
│
────────────────────────
Drug repurposing
Drug targetsStep 2 技术—结果—机制绑定
| 分析方法 | 得到结果 | 生物学意义 | 推动后续实验/分析 | 类型 |
|---|---|---|---|---|
| Plasma Proteomics | 2920个蛋白 | 建立蛋白组基础 | 全部分析基础 | 发现型 |
| Logistic/Cox Regression | 168,100个蛋白-疾病关联 | 疾病相关蛋白谱 | Disease atlas | 发现型 |
| Trait Association | 554,488个蛋白-性状关联 | 健康表型网络 | Shared biology | 发现型 |
| Pathway enrichment | 共同机制通路 | 发现疾病共性 | Mechanism inference | 机制推断型 |
| Sex/Age stratification | >1000个蛋白存在年龄/性别异质性 | 个体化医学 | Precision medicine | 转化型 |
| Machine Learning | 183种疾病AUC>0.80 | 可用于诊断预测 | Biomarker开发 | 转化型 |
| pQTL integration | 474个因果蛋白 | 避免混杂 | MR分析 | 机制推断型 |
| Mendelian Randomization | 474 causal proteins | 建立蛋白→疾病因果关系 | Drug target | 验证型（遗传学） |
| Drug target prioritization | 37个药物重定位机会、26个安全靶点 | 临床转化 | 新药研发 | 转化型 |
一、Logistic Regression——回答”现在是否有关”
哪些Protein 与当前疾病（prevalent disease）相关？
Logistic 回归就是比较：Protein A 高的人，是否更容易已经患有 Diabetes 糖尿病？
输出：../02项目/医学/OR=2.3, 蛋白越高，患糖尿病的优势比增加2.3倍。 在特定条件下，体内某种“蛋白”水平越高的人，患糖尿病的“可能性”（更准确地说是“优势”）是蛋白水平低的人的2.3倍。
补充
glmnet 包原生支持弹性网络，通过设置 family = "binomial" 就可以直接处理 0/1 分类的因变量：
library(glmnet)
# 假设 x 是特征矩阵，y 是 0/1 的向量（因子或数值型）
# alpha = 0.5 表示等比例混合 L1 和 L2 正则化（alpha = 1 为 Lasso，alpha = 0 为 Ridge）
cv_fit <- cv.glmnet(x, y, family = "binomial", alpha = 0.5)
# 提取最优 lambda 下的回归系数
coefs <- coef(cv_fit, s = "lambda.min")
二、Cox Regression——回答”未来是否发生” 预测
研究对象Baseline 没病的人Protein A 高的人以后是不是更容易得心衰？
Hazard Ratio（HR） HR=1.8 Protein A 每升高一个单位，未来发生疾病风险增加80%。
| Logistic Regression | Cox Regression |
|---|---|
| 横断面分析 | 纵向分析 |
| Baseline是否患病 | 随访是否发病 |
| Disease association | Disease prediction |
| OR | HR |
| 不考虑时间 | 考虑时间 |
| 找Disease marker | 找Predictive marker |
问题
- 为什么logistic和Cox两者必须一起做？
- 只有Logistic Reviewer会说疾病导致蛋白升高。不是蛋白导致疾病。如果：Cox至少说明蛋白变化 发生在疾病之前。 加强证据。
- 因为证据越来越强。时间顺序（temporality），也是流行病学判断因果关系的重要依据之一。
【Protein A】（例如：Leptin 信号异常 / 或者是某些促炎细胞因子升高）
│
▼
【BMI 升高】（脂肪细胞体积变大，巨噬细胞聚集，开始分泌炎性蛋白）
│
▼
【CRP 升高】（肝脏收到炎性蛋白信号，开始合成并释放更多 C-反应蛋白）
│
▼
【HbA1c 升高】（慢性炎症导致胰岛素信号传导受阻，葡萄糖难以进入细胞，血液中游离糖增加，糖化血红蛋白比例上升）
│
▼
【Blood Pressure 升高】（高血糖和慢性炎症损害血管内皮，血管失去弹性，ACE 酶活性异常，导致血管收缩）
│
▼
【eGFR 降低】（长期的高血压和高血糖压迫、损伤了肾小球的细微筛网结构，过滤能力下降）
│
▼
【Liver Enzymes 升高】（同时，由于脂肪在肝脏堆积引发非酒精性脂肪肝，肝细胞受胀破损，ALT/AST 泄露进入血液）二、Trait是什么？
| Trait | 类型 |
|---|---|
| BMI | Anthropometric |
| Height | Anthropometric |
| Weight | Anthropometric |
| SBP | Cardiovascular |
| DBP | Cardiovascular |
| HbA1c | Metabolic |
| HDL | Lipid |
| LDL | Lipid |
| Triglyceride | Lipid |
| CRP | Inflammation |
| Creatinine | Kidney |
| eGFR | Kidney |
| ALT | Liver |
| AST | Liver |
都是连续变量。
三、他们怎么分析？
Disease：Yes/No Logistic
Trait：连续变量。 线性回归（Linear regression）
模型可以理解成：
Trait = β₀ + β₁ × Protein + 协变量
Protein A越高，BMI越高。
五、Trait真正作用
不增加结果，解释原因
Metabolic protein。 比如这个蛋白关联到最底层 就可以解释各种疾病了
“Cox 比例风险模型（或回归分析）只能在数学上证明 Protein X 与疾病风险、临床指标之间存在‘统计学上的关联’（Association）。你凭什么一拍脑袋，就说它是‘代谢蛋白’（Metabolic Protein）？”
- 物理身份认证：它被收录在“代谢字典”里（功能注释）
在生信分析中，我们定义一个蛋白是否属于“代谢蛋白”，首先看它的基因本体论（Gene Ontology, GO）和代谢通路（KEGG / Reactome）注释。
如果你的 Protein X 在数据库中被明确标注参与了以下过程，它在物理身份上就是代谢蛋白：
- GO Term (生物过程)： 如
GO:0006629(脂质代谢过程)、GO:0006006(葡萄糖代谢过程)。 - KEGG Pathway (代谢通路)： 被归类在
Metabolism大类下，如碳水化合物代谢、脂质代谢、氨基酸代谢、胰岛素信号传导通路等。 - 酶分类 (EC Number)： 如果它具有转氨酶、激酶、脂肪酶等催化活性（例如 ALT、AST）。
结论： 它是代谢蛋白，是因为它的分子结构、催化活性和生化通路本身就是为了处理能量（糖、脂、酸）而生的，这在生信数据库（UniProt, KEGG）里是白纸黑字写着的。
我们不能直接从 Protein X ➔ 糖尿病 (Cox) 连线，中间必须经过“代谢催化 ➔ 连续性状变化”的因果解释：
| 验证步骤 | 我们拿到的数据 / 证据 | 它的生物学合理解释 | 方法 | 意义 |
|---|---|---|---|---|
| 第一步：数学关联 | Cox 回归结果： Protein X 的高表达显著增加了糖尿病（Diabetes）和脂肪肝（NAFLD）的发生风险。 | 统计学上，Protein X 确实与这两种病的发展进度高度共变。 | ||
| 第二步：指标映射 | 与连续性状的相关性： Protein X 的水平与 BMI↑、Waist↑、Insulin↑ 呈强正相关。 | 这一步把“疾病”拆解成了具体、连续的物理变化（长胖、胰岛素抵抗）。 | 0简单相关性 1. 偏回归分析 控制其他因素 2.建立多因素线性回归 | 第二步的意义就是告诉你中间过程，而不是直接联系起来 |
| 第三步：机制闭环 | 生物学功能（Metabolic）： 查阅文献/数据库发现，Protein X 实际上是肝脏中脂肪酸合成的关键限速酶。 | 因果闭环： Protein X 表达增加 ➔ 肝脏疯狂合成脂肪 ➔ 堆积在内脏导致腰围增大（Waist↑） ➔ 引发胰岛素抵抗（Insulin↑） ➔ 最终导致糖尿病和脂肪肝（Cox 终点）。 | ||
- 在前沿研究中，如何真正“证明”其因果代谢角色？
- 代谢流与多组学关联（Proteo-metabolomics）在细胞或动物实验中，直接检测敲除/过表达 Protein X 后，细胞内葡萄糖、游离脂肪酸、三酰甘油等代谢产物（Metabolites）的流向和浓度变化。如果它直接改变了代谢底物的浓度，那它就是毫无疑问的“代谢调控蛋白”。
- 孟德尔随机化（Mendelian Randomization, MR）： 利用../文献 孟德尔随机化作为工具变量。如果基因决定的 Protein X 升高，确实能因果性地导致 BMI 升高和糖尿病发生，就能在人类遗传学上证明它是因果驱动者，而不仅仅是疾病的“旁观者”或“结果”。
我们说它是 Metabolic Protein，是因为它的基因属性和生化功能本身就归属于能量代谢系统；
而我们用 Cox 模型和连续表型（BMI、Insulin），是为了证明这个在微观管路里搞代谢的蛋白，其波动足以在宏观上决定一个人的胖瘦与生死。
真正Workflow：
Proteomics
↓
Disease association
↓
Trait association
↓
Shared biology
↓
Prediction
↓
MR十、真正厉害的地方
在生物学和临床研究中，有些指标的绑定关系实在太紧密了，它们在生理上根本就是“一体”的。
“我们通过纯粹的数据挖掘，直接抓住了这个蛋白的‘生理狐狸尾巴’。它跟三大脂质指标深度绑定。除非太阳从西边出来，否则 Protein A 绝对是一个脂质代谢调控蛋白（Lipid metabolism protein）。生信分析到这一步，它的功能定性已经完成了 90%。”
1. 为什么不需要做实验？因为这三个指标在生理上是“一根绳上的蚱蜢”
在血液里，脂肪（脂质）是不溶于水的。它们想要在血管里运输，必须打包成“载脂蛋白颗粒”（就像一艘艘装满货物的轮船）。
当数据展示出：
作者甚至连文献都不用查，立刻就能知道：
“血液里装载脂肪的轮船（ApoB）变多了，船上的货物（LDL 胆固醇、TG 甘油三酯）也跟着变多了。这说明整个‘脂质转运和包装系统’被激活了。”
这属于铁证如山的脂质代谢（Lipid metabolism）过程。
数据科学家的做法：
利用大型公共数据库（如 UK Biobank 的几十万人蛋白质组和临床表型数据），直接在电脑上跑一个统计模型：
- 输入： 几十万人血液里的 Protein A 浓度，以及他们的体检指标（LDL, ApoB, TG）。
- 输出： 极低、极显著的 -value。
这个数据结果本身，就等同于在几十万人的人体里已经做完了这个“天然实验”。统计学上的共变关系如此完美，以至于你“不需要再用细胞或小鼠去证明它是不是调控脂质的，它在人体内的数据已经把这个事实写在脸上了。”
十一、本文中Trait Analysis真正回答的问题
| 分析 | 回答的问题 | 输出 |
|---|---|---|
| Disease Association | 与哪些疾病相关？ | Disease atlas |
| Trait Association | 与哪些人体表型相关？ | Phenotype atlas |
| PheWAS | 一个蛋白影响多少疾病？ | Disease spectrum |
| MR | 是否具有遗传因果？ | Causal protein |
我手里现在重点盯上了 Protein X 这个基因，我想看看它在人体里到底能影响多少种不同的疾病和表型？
| 维度 | GWAS（全基因组关联分析） | PheWAS（全表型关联研究） |
|---|---|---|
| 出发点（Input） | 从一个表型（如：糖尿病）开始 | 从一个基因/变异/蛋白质（如：Protein X）开始 |
| 扫描范围（Scan） | 扫描全基因组的几百万个 SNP | 扫描全表型谱的成百上千种疾病 |
| 回答的问题 | 是什么基因导致了这种疾病？ | 这个基因/蛋白质到底能引起多少种病？ |
| 经典比喻 | ”大海捞针”：从全基因组里捞出和特定疾病相关的基因。 | “顺藤摸瓜”：拿着一个已知的基因靶点，去医疗大数据库里查它对全身各系统疾病的广泛影响。 |
实际上，作者构建了两个”Atlas”：
这两个 Atlas 的作用不同：
- Disease Atlas：告诉你这个蛋白与哪些疾病有关。
- Trait Atlas：告诉你这个蛋白更像是炎症蛋白、代谢蛋白、肾功能相关蛋白，还是心血管相关蛋白，从而为后续的生物学解释和 MR 结果提供背景。
因此，Trait association 并不是 Disease association 的重复，而是给蛋白添加“生物学身份标签（functional annotation）”。这也是为什么这篇 Cell 能从单纯的蛋白关联研究，进一步构建出一个具有解释力的蛋白质组资源。
对应 Bradford Hill 因果准则
这篇论文虽然没有直接引用 Bradford Hill criteria，但实际上其设计与其中几项原则高度一致：
| Bradford Hill原则 | 本文对应分析 | 是否满足 |
|---|---|---|
| Strength（关联强度） | Logistic/Cox 回归（OR、HR） | ✔ |
| Temporality（时间顺序） | Cox 随访分析 | ✔ |
| Consistency（一致性） | 多疾病、多性状分析 | ✔ |
| Biological plausibility（生物学合理性） | 蛋白功能与疾病背景解释 | 部分 |
| Experiment（实验） | 功能实验 | ✘ |
| Causality（遗传因果） | pQTL + MR | ✔（遗传层面） |
生信角度最值得学习的地方
很多人把 Logistic 和 Cox 当成两个统计模型去学；这篇 Cell 真正教会我们的是，它们对应的是两个不同的科学问题：
| 方法 | 回答的科学问题 | 在全文中的角色 |
|---|---|---|
| Logistic regression | 哪些蛋白与当前疾病相关？ | Discovery（发现候选蛋白） |
| Cox regression | 哪些蛋白能够预测未来疾病发生？ | Prediction（建立时间顺序与预测价值） |
| Mendelian Randomization | 哪些蛋白具有遗传学支持的因果作用？ | Causality（遗传因果推断） |
因此，Logistic → Cox → MR 并不是三个独立分析，而是作者精心设计的一条证据递进链：
当前关联（Association） → 时间顺序（Temporality） → 遗传因果（Genetic causality）。
这也是整篇 Cell 在方法学设计上最值得借鉴的地方。
初步评价（Reviewer视角）
从Reviewer角度看，这篇论文最大的优势不是统计量巨大，而是把四个层次串联起来：
Association → Prediction → Causality → Translation
绝大多数蛋白组论文只做到前两步：
- DEG/Association
- Biomarker
而这篇 Cell 继续做到：
- pQTL
- Mendelian Randomization
- Drug repurposing
在生物信息学中的常见玩法：
特征匹配（Signature Matching）：通过比对某种疾病的基因表达谱/蛋白质组谱与已知药物诱导的表达谱，寻找能够“逆转”疾病分子特征的药物。
**网络生物学与靶点预测：**利用蛋白质组学、多组学网络或机器学习模型，寻找现有药物与新疾病通路之间的潜在交叉靶点。
建议下一步进入 Step 3：机制链深度分析。这一部分我会重点解析：
Step 3 —— 机制链深度分析（基于正文逻辑）
注意：这篇 Cell 属于 Resource 而非传统机制论文，因此它的“机制链”不是“一个基因→一条信号通路→一个表型”，而是数据到因果再到转化的机制链。下面分析基于论文正文、Figure S1 的总体分析流程以及各结果模块，而不是虚构某个分子机制。
一、整篇论文真正的机制主线
论文的核心逻辑可以概括为：
Population cohort
│
▼
Large-scale plasma proteome
│
▼
Protein–phenotype association
（发现疾病相关蛋白）
│
▼
Shared biology
（寻找不同疾病共同机制）
│
▼
Disease prediction
（预测价值）
│
▼
Genetic instruments (pQTL)
│
▼
Mendelian Randomization
（判断蛋白是否可能是致病驱动）
│
▼
Drug target prioritization这是全文真正的主机制链。
二、为什么作者不直接做 MR？
- 第一层：Observation（观察） 得到蛋白的相关性
- 第二层：Biological interpretation（生物学解释） 为什么这些蛋白一起改变？
采用：
- pathway
- disease clustering
- phenotype clustering
输出：
Disease A
Disease B
共同蛋白
↓
共同机制
开始解释
不是简单marker
而是biology
第三层：Prediction
回答：
如果一个人还没有发病，
这些蛋白能不能预测？
因此加入：
Machine Learning
例如：
Protein panel
↓
Disease classifier
↓
AUC
这一部分开始体现
Clinical value
第四层：Causality（全文真正重点）
终于开始：
pQTL
↓
MR
目的只有一个：
哪些蛋白不是结果，
而是真正导致疾病？
这里论文逻辑发生了本质变化：
Association
↓
Genetics
↓
Causality
这是全文最重要的一步。
六、Reviewer 最关注的逻辑闭环
从审稿人的视角，这篇论文真正完成的是：
Protein measured
│
▼
Disease association
│
▼
Independent replication / validation analyses
│
▼
Genetic evidence (pQTL)
│
▼
MR supports causal role
│
▼
Druggability evaluation这个闭环的意义在于：
- 关联分析回答“相关吗？”
- 预测模型回答“有临床价值吗？”
- **遗传工具（pQTL）**提供天然工具变量。
- MR回答“是否支持因果作用？”
- 药物靶点评估回答“是否值得开发药物？”
因此，这篇 Cell 的创新重点不是某一个新蛋白，而是构建了一条从大规模蛋白组 → 遗传因果推断 → 转化医学的完整分析路径。
本文机制链的定位（与你常分析的机制论文对比）
| 传统机制论文 | 本文（Cell Resource） |
|---|---|
| 疾病 → 通路 → 基因 → 表型 | 人群队列 → 蛋白组 → 疾病关联 → 遗传因果 → 药物靶点 |
| 湿实验建立因果 | 遗传学（pQTL+MR）建立因果 |
| 聚焦单一机制 | 聚焦可复用的资源与分析框架 |
| 输出机制模型 | 输出蛋白图谱、因果证据和转化资源 |
这一点非常重要：不要把这篇论文当作传统“机制文章”去阅读，而应把它理解为一个面向精准医学的蛋白组学分析框架。后续的 Step 4（Reviewer 视角）将重点分析：为什么这样的大队列资源论文依然可能受到质疑、哪些统计假设最容易被挑战，以及 MR 和 pQTL 分析有哪些局限。
Step 4 —— Reviewer视角批判（Cell Resource 深度审稿）
Reviewer思维：如果我是 Cell 审稿人，我不会质疑样本量（53,026 例已经足够大），而会重点关注因果推断、统计稳健性、平台偏倚和可推广性。
Reviewer
一、Reviewer首先会问：这是Association还是Mechanism？
二、MR真的解决因果了吗？
三、Platform Bias（平台偏倚） 结果是否依赖于平台
这篇文章采用：**Olink Explore platform**
Reviewer一定会问为什么不用：
* SomaScan？
* Mass spectrometry？
四、Protein不是组织来源
必须：单细胞 Spatial 定位来源。
六、Multiple Testing
几十万关联 如何控制False Positive？
必须： Bonferroni
七、Machine Learning是否过拟合？ Independent cohort。
八、Generalizability（外推性）对于其他人种是否合适
所有UKB论文共同缺陷。
-九、Drug Target是否可靠？
Protein
有因果
≠
Drug
一定成功。
因为：
Drug：
还涉及：
- 剂量
- 时间
- 安全性
- Off-target
- Compensation
因此：
Drug prioritization
只是：
优先级。
不是：
Drug validation。
十一、如果我是Reviewer，我会建议增加哪些实验？
| 建议 | 目的 | 能解决的问题 |
|---|---|---|
| 单细胞RNA-seq | 定位蛋白表达细胞来源 | 血浆蛋白来源不明确 |
| 空间转录组 | 确定组织空间分布 | 血浆无法反映局部病灶 |
| 组织蛋白组学 | 验证血浆与组织一致性 | 排除循环蛋白偏倚 |
| 功能实验（KD/OE） | 验证蛋白功能 | 补足MR无法替代的生物学证据 |
| 独立人群验证 | 提高泛化能力 | 避免UK Biobank特异性 |
| 多平台验证（Olink + SomaScan/MS） | 排除平台偏倚 | 提高蛋白测量可靠性 |
十二、因果证据强度（Reviewer评分）
| 证据 | 本文是否有 | 强度 |
|---|---|---|
| 蛋白-疾病关联 | ✔ | ⭐ |
| 前瞻性预测 | ✔ | ⭐⭐ |
| 多变量校正 | ✔ | ⭐⭐ |
| pQTL | ✔ | ⭐⭐⭐ |
| Mendelian Randomization | ✔ | ⭐⭐⭐⭐ |
| 单细胞定位 | ✘ | — |
| 空间转录组 | ✘ | — |
| 组织验证 | ✘ | — |
| KD/OE实验 | ✘ | — |
| Rescue实验 | ✘ | — |
| 动物模型 | ✘ | — |
| 临床干预验证 | ✘ | — |
我的总体Reviewer评价
优点：
- 超大样本量提高了统计效能。
- 从关联、预测到遗传因果推断，分析链条完整。
- pQTL + MR 的加入明显增强了资源论文的转化价值。
- 为后续药物靶点筛选提供了系统性资源。
主要局限：
- 因果证据止步于遗传学：MR支持因果，但不能替代功能实验或临床干预。
- 缺乏细胞来源解析：血浆蛋白反映的是全身循环，无法直接定位来源细胞或组织。
- 平台依赖性：蛋白定量结果受检测平台影响，需要跨平台验证。
- 人群外推性有限：主要基于 UK Biobank 人群，其他祖源人群仍需验证。
因此，这篇论文更准确地定位为一项高质量的资源与转化研究，而不是一篇通过分子和动物实验完整建立机制的传统机制论文。下一步进入 Step 5 时，我会重点拆解它的分析框架，提炼哪些 workflow 可以直接迁移到你自己的生信课题，以及哪些部分最值得借鉴。
Step 5 —— 可迁移课题模板（这是整篇 Cell 最值得学习的部分）
站在生信分析员角度，这篇 Cell 的价值不在于发现了某个蛋白，而在于提供了一套可以迁移到任何疾病研究的“蛋白组学 + 遗传学 + 转化医学”分析范式。
一、本文真正的Workflow
传统生信论文：
RNA-seq ↓ DEG ↓ GSEA ↓ PPI ↓ Hub gene ↓PCR这是目前80%的SCI论文套路。
而Cell这篇已经升级成：
Population cohort
↓
Proteomics
↓
Phenome-wide Association (PheWAS)
↓
Shared biology
↓
Prediction model
↓
pQTL
↓
Mendelian Randomization
↓
Drug Target我把它称为：
Proteome→Phenome→Genome→Drug
这是近几年Nature、Cell、NEJM最喜欢的路线。
二、真正值得迁移的是哪一步？
很多人认为：
Proteomics
其实不是。
真正值钱的是：
PheWAS
不是：
研究一种疾病。
而是：
研究
一个Protein
对应
全部疾病。
例如：
Protein A
↓
Cancer
↓
CKD
↓
COPD
↓
Diabetes
↓
Stroke
↓
Depression
↓
Heart failure
…
形成：
Phenome
不是Disease。
三、如果迁移到自己的课题
`
HCC
↓
Proteomics
↓
Whole phenome
↓
Shared pathway
↓
MR
↓
Drug target论文水平
直接提升。
四、本文真正高分的是MR吗？
不是MR
已经很多论文都有。
Discovery
↓
Validation
↓
Causality
↓
Translation这是：
Cell最喜欢的故事。
六、本文可以迁移到任何疾病
例如：
阿尔茨海默病：
Proteomics
↓
Disease association
↓
Prediction
↓
MR
↓
Drug例如：
IBD：
Proteome
↓
Immune protein
↓
MR
↓
Biologic target例如：
NAFLD：
Proteomics
↓
Metabolism
↓
Genetics
↓
Drug所以：
Disease
可以换。
Pipeline
不用换。
七、如果没有Proteomics怎么办？
这是很多生信分析员最关心的问题。
其实：
可以：
RNA代替。
例如：
Bulk RNA
↓
DEG
↓
Phenotype
↓
eQTL
↓
MR
↓
Drug很多：
Nature Communications
都是：
这样做。
八、升级版本（你以后可以直接套）
例如：
TCGA：
↓
DEG
↓
WGCNA
↓
Machine Learning
↓
Single Cell
↓
CellChat
↓
Spatial
↓
MR
↓
Drug
是不是：
和本文
越来越像？
九、我建议你的升级Workflow（针对机制论文）
结合你平时做的生信分析（TCGA/GEO、单细胞、MR 等），我建议采用下面这条链：
Bulk RNA (TCGA/GEO)
│
▼
DEG + WGCNA
│
▼
候选基因筛选
│
▼
单细胞RNA-seq
（确定表达细胞）
│
▼
CellChat / SCENIC
（通讯与调控）
│
▼
空间转录组
（组织定位）
│
▼
eQTL / pQTL
│
▼
Mendelian Randomization
│
▼
功能实验（KD/OE、Rescue）这条路线相比传统 DEG→PPI→Hub gene，更容易形成**“相关→定位→调控→因果→验证”**的完整故事。
十、Reviewer 最喜欢看到的Pipeline
现在 Cell、Nature 审稿人越来越关注的是证据链是否逐层增强，而不是分析方法堆得越多越好。
| 阶段 | 目的 | 代表方法 | 证据等级 |
|---|---|---|---|
| Discovery | 找候选分子 | DEG、Proteomics、GWAS | ⭐ |
| Validation | 验证稳定性 | 多队列、机器学习 | ⭐⭐ |
| Localization | 明确来源 | 单细胞、空间转录组 | ⭐⭐⭐ |
| Regulation | 解释机制 | SCENIC、ATAC-seq、CellChat | ⭐⭐⭐ |
| Causality | 建立因果 | eQTL/pQTL + MR、功能实验 | ⭐⭐⭐⭐ |
| Translation | 临床价值 | 药物靶点、风险预测 | ⭐⭐⭐⭐ |
十一、这篇 Cell 真正想教会我们的不是蛋白，而是科研设计
这是我认为整篇论文最大的启发：
不要把生信分析当成“找差异基因”的工具，而要把它设计成“逐步增加证据强度”的过程。
整篇论文的逻辑并不是：
做了很多分析。
而是：
每一步分析都回答一个新的科学问题，并为下一步提供依据。
具体来说：
| 科学问题 | 对应分析 |
|---|---|
| 哪些蛋白与疾病相关？ | 关联分析（PheWAS） |
| 这些蛋白是否具有预测价值？ | 机器学习预测 |
| 它们是否只是伴随变化？ | pQTL + MR |
| 是否具有临床开发潜力？ | 药物靶点评估 |
我对这篇论文最大的收获（结合你的研究方向）
如果把这篇 Cell 浓缩成一句可以直接迁移到你以后课题的话，就是：
不是“为了做MR而做MR”，也不是“为了做单细胞而做单细胞”，而是把每一种分析都放在最能回答对应科学问题的位置，让证据链从相关性逐步升级到因果和转化。
这一点，比学习任何一个具体算法或软件流程都更值得借鉴。
Step 6 —— 生信分析真正作用（不是”做了什么”，而是”为什么必须做”）
这是整篇 Cell 最值得生信分析员学习的部分。
很多人看完文章会觉得：
做了Proteomics + MR + ML。
其实完全不是。
作者真正设计的是：
每一种分析只回答一个科学问题。
整篇文章的数据流
先看整个Workflow：
53026 Samples
│
▼
Proteomics
│
▼
Association
│
▼
Prediction
│
▼
Genetics
│
▼
MR
│
▼
Drug可以发现：
每一步都在增加证据。
不是增加图片。
每一种分析真正解决什么问题？
| 分析 | 真正作用 | 为什么必须做 | 不做缺什么 | 是否推进机制 |
|---|---|---|---|---|
| Plasma Proteomics | 测量蛋白水平 | 获得整个蛋白组 | 后续全部无法开展 | ⭐ |
| Association Analysis | 找疾病相关蛋白 | 建立候选列表 | 不知道研究对象 | ⭐ |
| PheWAS | 一个蛋白对应多个疾病 | 发现共性生物学 | 无法识别共享机制 | ⭐⭐ |
| Disease Clustering | 找共同疾病网络 | 理解疾病联系 | 只能研究单病 | ⭐⭐ |
| Trait Association | 蛋白对应健康指标 | 连接临床表型 | 无法解释蛋白意义 | ⭐⭐ |
| Machine Learning | 判断预测能力 | 是否有临床价值 | 不能转化应用 | ⭐⭐⭐ |
| pQTL | 找遗传工具变量 | 为MR提供IV | MR无法实施 | ⭐⭐⭐ |
| Mendelian Randomization | 判断蛋白是否因果 | 排除逆向因果 | 停留相关性 | ⭐⭐⭐⭐ |
| Drug Prioritization | 找可干预靶点 | 完成临床转化 | 无法形成Precision Medicine | ⭐⭐⭐⭐ |
第一层：Proteomics真正作用
很多人认为：
Proteomics
就是：
测蛋白。
实际上：
作者真正获得的是：
Disease
↓
Protein landscape即：
建立：
整个疾病蛋白图谱。
不是：
找Marker。
第二层：Association真正作用
Association：
不是为了：
发火山图。
真正作用：
回答：
哪些Protein
值得研究？因此：
Association：
其实就是：
Candidate Discovery。
第三层：PheWAS真正作用
这是：
全文最容易被忽略。
例如：
Protein A
如果：
只和：
Diabetes有关。
价值：
一般。
但是：
如果：
Protein A
同时：
CKD
↓
Stroke
↓
Heart Failure
↓
Diabetes说明：
它控制：
共同机制。
这就是：
PheWAS真正价值。
不是：
疾病数量。
而是：
Shared Biology。
第四层：Prediction真正作用
很多人：
误解：
Machine Learning。
认为：
就是：
提高AUC。
其实：
作者真正想回答：
Protein
↓
Can predict disease?而不是：
Protein
↓
Cause disease?
完全不同。
Prediction
不是：
Mechanism。
第五层：为什么一定做pQTL？
这是：
全文最关键。
因为：
MR
需要：
Instrument。
没有：
pQTL。
MR：
根本不能做。
所以：
pQTL：
不是：
结果。
而是：
工具。
很多人：
第一次读：
容易忽略。
第六层：MR真正作用
MR：
不是：
证明Protein重要。
而是：
证明：
Protein
可能：
导致疾病。
这里：
整个文章：
发生升级：
Correlation
↓
Potential causality因此：
MR：
真正推进：
Mechanism。
第七层：Drug真正作用
很多人：
认为：
Drug analysis
最后：
只是：
Discussion。
其实：
不是。
它回答：
最后一个科学问题：
Protein
↓
Can be targeted?于是：
形成：
Discovery
↓
Prediction
↓
Mechanism
↓
Translation
真正闭环。
为什么这篇文章没有WGCNA？
很多生信初学者会问：
为什么：
没有：
WGCNA？
原因：
作者：
不是：
寻找：
Gene module。
作者：
研究的是：
Population
Protein
Atlas。
因此：
需要：
Phenome。
不是：
Module。
为什么没有单细胞？
因为不是研究蛋白来自哪里
如果升级到Nature机制论文，会增加什么？
这是最值得学习的地方。
如果：
下一代课题：
应该：
Proteomics
│
▼
PheWAS
│
▼
Single Cell
│
▼
Spatial
│
▼
SCENIC
│
▼
CellChat
│
▼
MR
│
▼
CRISPR为什么？
因为：
本文：
停留：
Blood。
没有：
Cell。
真正推进机制的是哪一步？
这是全文最重要的一张表。
| 分析 | 推进机制程度 | Reviewer评价 |
|---|---|---|
| Proteomics | ⭐ | 建立资源 |
| Association | ⭐ | 找候选 |
| Disease clustering | ⭐⭐ | Shared biology |
| Trait analysis | ⭐⭐ | 生物学解释 |
| Prediction | ⭐⭐ | 临床应用 |
| pQTL | ⭐⭐⭐ | 因果工具 |
| MR | ⭐⭐⭐⭐ | 建立遗传因果 |
| Drug | ⭐⭐⭐⭐ | 临床转化 |
这篇 Cell 给生信分析员最大的启示
如果把全文压缩成一句话，就是：
每一种分析都必须对应一个明确的科学问题，而不是为了展示分析能力。
例如：
- 关联分析回答“哪些蛋白值得研究？”
- PheWAS回答“它是否参与多个疾病的共同生物学？”
- 机器学习回答“是否具有预测价值？”
- pQTL回答“能否构建可靠的遗传工具变量？”
- MR回答“遗传证据是否支持因果作用？”
- 药物靶点评估回答“是否具有临床转化潜力？”
从你目前的研究方向来看，这篇文章最值得借鉴的不是具体软件，而是分析设计
结合你经常做的 TCGA/GEO、生信机制研究，我建议以后在设计 workflow 时都问自己一句：
“这一步分析回答的科学问题是什么？如果删掉这一步，我的证据链会断在哪里？”
如果每一步都有清晰的答案，那么整个课题的逻辑会比单纯堆叠 WGCNA、GSEA、单细胞、MR 等分析更加严密，也更符合高水平期刊对科研设计的要求。
Step 7 —— 因果强度分析（这是整篇 Cell 最核心的一步）
这一节不是分析MR，而是分析整篇论文每一步证据到底有多强。
这是 Cell、Nature、NEJM 审稿最关注的问题。
一句话：
这篇论文不是所有分析都在建立因果，而是在逐步提高因果证据。
一、全文证据强度路线
如果把全文压缩成一句图，就是：
Protein measurement
│
▼
Association
（相关）
│
▼
Prediction
（预测）
│
▼
Genetics
（方向）
│
▼
MR
（遗传因果）
│
▼
Drug target
（转化）注意：
只有MR开始涉及因果。
前面全部不是。
二、全文每一步证据等级
| 分析 | 能回答什么 | 能回答什么 | 不能回答什么 | 因果强度 |
|---|---|---|---|---|
| Plasma Proteomics | 哪些蛋白变化 | Protein level | 为什么变化 | ⭐ |
| Association | 哪些蛋白相关 | Correlation | Cause | ⭐ |
| Disease clustering | 疾病共享蛋白 | Shared biology | Direction | ⭐ |
| Trait association | 与健康指标关系 | Clinical phenotype | Cause | ⭐ |
| Prediction | 能否预测疾病 | Risk prediction | Cause | ⭐⭐ |
| pQTL | 遗传影响蛋白 | Direction | Disease mechanism | ⭐⭐⭐ |
| Mendelian Randomization | 遗传支持蛋白→疾病 | Potential causality | 生物学机制 | ⭐⭐⭐⭐ |
| Drug prioritization | 是否值得开发 | Translation | Drug efficacy | ⭐⭐⭐⭐ |
三、哪些分析只是相关性？
这一点必须分清。
第一层
Disease
↓
Protein↑是不是：
蛋白导致疾病？
不知道。
是不是：
疾病导致蛋白？
也不知道。
因此：
Association：
只有：
Correlation。
第二层
Protein
↓
Predict disease很多人：
误认为：
Prediction
证明：
Mechanism。
实际上：
完全不是。
例如：
年龄：
可以预测：
死亡。
年龄：
不是：
死亡机制。
Prediction：
永远：
不是：
Causality。
四、什么时候开始出现方向？
就是：
pQTL。
为什么？
因为：
DNA：
出生决定。
于是：
DNA
↓
Protein方向：
固定。
所以：
开始：
解决：
Reverse causation。
但是：
还没有：
Disease。
因此：
只是：
Direction。
不是：
Mechanism。
五、MR为什么证据突然增强？
MR真正利用的是：
DNA
↓
Protein
↓
Disease由于：
DNA：
不能：
被疾病改变。
因此：
出现：
天然随机化。
于是：
可以：
推断：
Protein
可能：
导致疾病。
注意：
这里：
作者：
一直使用：
support
而不是：
prove。
这是：
Cell论文：
写法。
六、MR是不是最高证据？
不是。
MR：
属于：
Genetic causality。
不是：
Biological causality。
举个例子：
MR：
说明：
IL6↑
增加：
CAD。
但是：
抗IL6
治疗：
CAD。
未必：
成功。
因为：
还有：
- 补偿机制
- 剂量
- 时间
- 发病阶段
- Off-target
所以：
MR：
不能：
替代：
实验。
七、真正最高等级证据是什么？
如果：
升级：
Mechanism paper。
应该：
Protein
↓
KD
↓
Phenotype↓
↓
OE rescue
↓
Phenotype恢复或者：
Protein
↓
Mouse
↓
Disease或者：
CRISPR
↓
Protein
↓
Disease这些：
都是：
MR：
不能替代。
八、本文真正建立因果的位置
这是全文最关键。
我画成：
Reviewer最喜欢看的形式。
Protein measured
│
▼
Association
│
▼
Candidate proteins
│
▼
Genetic instruments (pQTL)
│
▼
MR
│
▼
Candidate causal proteins
│
▼
Drug target prioritization真正开始：
Mechanism：
就是：
MR。
九、如果我是Cell Reviewer，我如何评价因果？
| 证据 | 本文 | 强度 |
|---|---|---|
| 蛋白变化 | ✔ | ⭐ |
| 与疾病相关 | ✔ | ⭐ |
| 多变量校正 | ✔ | ⭐⭐ |
| 多疾病验证 | ✔ | ⭐⭐ |
| 预测模型 | ✔ | ⭐⭐ |
| pQTL | ✔ | ⭐⭐⭐ |
| Mendelian Randomization | ✔ | ⭐⭐⭐⭐ |
| 单细胞来源 | ✘ | — |
| 空间定位 | ✘ | — |
| ChIP/CUT&Tag | ✘ | — |
| KD/OE | ✘ | — |
| Rescue | ✘ | — |
| Animal | ✘ | — |
| Clinical intervention | ✘ | — |
因此：
整篇文章：
最高：
⭐⭐⭐⭐
不是：
⭐⭐⭐⭐⭐
十、这篇 Cell 为什么还能发？
Resource论文的评价标准是：
是否建立了一个可靠、可复用、具有广泛价值的数据资源。
Resource
↓
Association
↓
Prediction
↓
Causality
↓
Translation
这就是：
Cell Resource
和：
Cell Mechanism
最大的区别。
十一、如果升级成Nature机制文章，需要补什么？
按照目前国际顶刊趋势，这篇文章如果想升级为一篇典型的机制研究，证据链还需要继续延伸：
Proteomics
│
▼
Association
│
▼
MR
│
▼
Single-cell
（蛋白来源细胞）
│
▼
Spatial transcriptomics
（组织定位）
│
▼
CRISPR / KD / OE
（功能验证）
│
▼
Rescue
（建立直接因果）
│
▼
Animal model
（体内验证）这样才能把遗传因果进一步升级为生物学因果。
这篇论文最值得学习的，不是“MR很高级”，而是作者严格区分了不同证据层级：
| 层级 | 回答的问题 |
|---|---|
| Association | 是否相关？ |
| Prediction | 是否有临床价值？ |
| Genetic causality（MR） | 遗传证据是否支持蛋白影响疾病？ |
| Biological causality（本文未完成） | 蛋白如何在细胞和组织中驱动疾病？ |
| Therapeutic causality（本文未完成） | 干预蛋白是否真正改善疾病？ |
这一点对设计高水平课题尤其重要：不要把相关性分析包装成因果，也不要把MR包装成最终机制。 真正优秀的论文，会明确告诉读者每一步证据能回答什么、不能回答什么，然后用下一步分析去补足上一层证据的不足。
Step 8 —— 方法学深度解剖（Reviewer最关注的方法学逻辑）
这一部分不是解释软件怎么用，而是回答：
为什么作者选择这个方法？
为什么不用其他方法？
它如何推动全文机制链？
Reviewer最可能攻击哪里？
这也是我认为整篇 Cell 最值得学习的部分。
Step 8.1 方法学目的（为什么做）
| 方法 | 真正目的 | 为什么必须做 | 为什么不用别的方法 |
|---|---|---|---|
| Plasma proteomics (Olink) | 建立大规模血浆蛋白图谱 | 研究对象就是循环蛋白 | RNA不能代表蛋白水平；质谱在超大队列中的通量和一致性不如高通量靶向平台 |
| Association analysis | 找候选蛋白 | 从数千蛋白中筛选疾病相关者 | 无监督聚类不能直接回答“哪个蛋白与疾病相关” |
| PheWAS | 一个蛋白对应多个疾病 | 识别共享生物学 | 单病分析无法发现跨疾病模式 |
| Disease/Trait clustering | 找疾病之间的共同蛋白特征 | 揭示疾病网络 | 单独分析每种疾病难以发现系统性规律 |
| Machine learning | 评估预测价值 | 判断是否具有临床应用潜力 | 回归分析只能说明关联，不能评价预测性能 |
| pQTL | 构建遗传工具变量 | 为MR提供工具变量 | 没有遗传工具无法进行MR |
| Mendelian Randomization | 判断遗传证据是否支持蛋白影响疾病 | 减少混杂和逆向因果 | 普通回归无法解决逆向因果 |
| Drug prioritization | 连接临床转化 | 找到值得开发的靶点 | 到MR为止只能说明潜在因果，不能回答临床意义 |
Step 8.2 方法 → 结果 → 机制
这是整篇论文真正的推进逻辑。
| 方法 | 得到结果 | 生物学解释 | 推动下一步 |
|---|---|---|---|
| Proteomics | 数千蛋白表达谱 | 建立资源 | Association |
| Association | 候选蛋白 | 疾病相关 | PheWAS |
| PheWAS | 多疾病共享蛋白 | Shared biology | Disease clustering |
| Prediction | 高预测能力蛋白 | Biomarker潜力 | 转化价值 |
| pQTL | 遗传工具变量 | DNA影响蛋白 | MR |
| MR | 候选因果蛋白 | 遗传支持因果 | Drug analysis |
| Drug analysis | 可开发靶点 | Precision medicine | 全文结束 |
可以看到：
每一个方法都是下一步方法的输入。
这是顶刊和普通SCI最大的区别。
Step 8.3 为什么不用别的方法？
这是Reviewer最容易问的问题。
为什么不用WGCNA？
WGCNA回答： > 哪些蛋白一起变化？
而本文要回答： > 哪些蛋白对应哪些疾病？
WGCNA解决：Network。
本文解决：Phenome。
为什么不用GSEA？
本文：
研究对象：
Protein
↓
Disease
↓
Prediction
↓
MR
不是：
Pathway。
所以：
GSEA不是重点。
为什么没有单细胞？
这是很多生信分析员最容易误解。
单细胞回答：
Protein
↓
Which cell?而本文回答：
Protein
↓
Which disease?问题不同。
所以：
没有必要。
为什么没有空间转录组？
因为：
空间：
解决：
组织定位。
本文：
重点：
Population。
不是：
Tissue。
因此：
没有：
Spatial。
Step 8.4 Reviewer方法学批判
① Platform Bias
- 你选择的方法 比如平台 只能测探针蛋白 而不是全蛋白
② Protein来源未知
Blood：
不知道：
来自：
哪个组织。
因此：
Protein：
只是：
Marker？
还是：
Driver？
需要：
单细胞。
这是一个非常深刻、直击“生物学因果机制”痛处的好问题。
你可能会想：**“我都已经用 Cox 回归（甚至孟德尔随机化）证明了 A 的变化与临床终点有显著的统计学关联，它确实能预测疾病风险，我已经拿到了最硬的‘金标准’临床证据，为什么我还要多此一举去跑单细胞（Single-cell）？”**
因为：**Cox 只能证明 A 关联到了疾病（What），但它无法回答 A 究竟在人体里扮演了什么角色、又是如何起作用的（How & Where）。**
在基础生物学和临床转化（比如把 A 开发成药物靶点）的语境下，不知道 A 来自哪个细胞，你的结论就只是一个“黑盒子”。以下是为什么非要单细胞不可的 **3 个核心痛点**：
---
## 1. 知道 A 能预测疾病（Cox 显著），不等于知道该“打”谁
假设你的 Cox 结果非常漂亮：血液里的 Protein A 越高，糖尿病（Diabetes）的发病风险就越高（$HR = 2.5, P < 10^{-16}$）。
你想针对 Protein A 开发一种抗体药物来治疗糖尿病。但此时你面临一个尴尬的局面——你根本不知道把药“往哪儿送”：
* **可能 A 来源于肝脏细胞：** 如果它在肝脏合成并释放，我们需要开发能够靶向递送到肝脏的药物（比如 LNP 或 GalNAc 偶联药物）。
* **也可能 A 来源于外周免疫细胞（如巨噬细胞）：** 如果是巨噬细胞在分泌它，我们需要的是免疫调节剂，或者是能抑制巨噬细胞特定通路的药物。
> **没有单细胞，你手握一个“能治病的靶点 A”，却找不到它的“生产车间”。药厂无法立项，因为连药物靶向递送（Targeting）的物理方向都没有。**
---
## 2. “血液中的 A”可能是多个完全相反生理过程的“混合叠加态”
血液是全身细胞的公共排水沟。如果 Protein A 在多个组织中都表达，那么你在血液里测到的 A 浓度，实际上是一个**混合结果**。
单细胞测序可以把这个“混合态”拆开，避免严重的**误判**：
┌───► 在【免疫细胞】中表达 ──► 促炎、促进糖尿病（Driver + 坏人）
│
血液中的 Protein A ──┼───► 在【血管内皮细胞】中表达 ──► 修复血管、保护机体（被动代偿 + 好人）
│
└───► 在【骨骼肌细胞】中表达 ──► 只是细胞正常衰老漏出来的（Marker）
如果你只看 Blood 里的 A 参与了 Cox，你会以为“A 升高就代表糖尿病增加，所以 A 是坏人”。但事实上：
* 可能是因为免疫细胞里的 A **暴增**（真正的主动驱动力），同时内皮细胞里的 A **下降**。
* 如果你直接设计药物在全身把 A 彻底干掉，你确实压制了免疫细胞的炎症，但也同时摧毁了血管内皮细胞的保护功能，导致严重毒副作用。
> **单细胞可以让你看清：在特定的细胞亚群（Cell Type）中，A 的表达到底是在上调还是下调，从而精准判断它在局部微环境里是“罪魁祸首”还是“消防员”。**
---
## 3. 为了从“相关性”走向“细胞间通讯（Cell-Cell Communication）”
现在的生信和医学期刊（如 *Cell*, *Nature Medicine*）不满足于只看到“蛋白 ➔ 疾病”的简单连线。审稿人会问：**“这个蛋白在组织微环境中，到底跟谁在对话？”**
单细胞测序（尤其是结合受体-配体分析）能够帮你拼出这块拼图：
1. 通过单细胞，你发现 **Protein A（配体）** 主要由**巨噬细胞**分泌。
2. 同时你发现，**Protein A 的受体（Receptor B）** 极高地表达在**脂肪细胞**上。
3. 这完美解释了为什么血液里 A 升高会关联到 BMI 和胰岛素抵抗：因为**巨噬细胞通过释放 Protein A，把不让脂肪细胞消耗能量的信号传递给了脂肪细胞**。
> **只有单细胞，才能帮你把宏观的“Cox 关联”，降维、具象化到微观的“细胞 A 与细胞 B 在用这个蛋白打手势”的因果画面。**
---
### 💡 极简总结
* **Cox 分析** 帮你找到了**嫌疑人 A**，并证明它确实出现在了犯罪现场（关联到了疾病）。
* **单细胞分析** 则是去调取监控，看看**嫌疑人 A 到底是从哪个房间（细胞）走出来的，它在房间里跟谁动了手（受体），又是怎么作案的（机制）。**
不走完单细胞这一步，你的故事永远只能停留在“它们有关系”，而无法晋升为“我知道它是怎么导致这个关系的”。
③ MR工具变量是否可靠？
Reviewer会检查：
- 工具变量是否足够强（如 F 统计量）。
- 是否进行了敏感性分析（如多效性检验、异质性分析）。
- 是否存在水平多效性（horizontal pleiotropy）。
如果这些控制不足，MR结论会明显减弱。
④ Population bias 人
⑤ Drug analysis
Drug：
不是：
Validation。
只是：
Prioritization。
Reviewer：
不会：
认为：
Drug：
已经成功。
Step 8.5 方法学局限
| 方法 | 局限性 | 潜在假阳性 | 如何补实验 |
|---|---|---|---|
| Olink Proteomics | 覆盖有限、平台依赖 | Panel偏倚 | 多平台验证（如质谱、其他蛋白平台） |
| Association | 混杂因素 | 假相关 | 独立队列验证、严格协变量校正 |
| PheWAS | 多重检验 | 假阳性 | FDR/Bonferroni控制 |
| Machine Learning | 过拟合 | 虚高AUC | 外部验证队列 |
| pQTL | 工具变量有限 | 弱工具偏倚 | 更严格工具变量筛选 |
| MR | 多效性、工具变量假设 | 假因果 | 多种MR方法、敏感性分析、功能实验 |
| Drug analysis | 数据库依赖 | 假靶点 | 体外功能实验、动物模型 |
Step 8.6 如何升级到下一代课题？
这是我认为最值得学习的。
本文：
停留：
Population
↓
Protein
↓
Disease下一代：
应该：
Population
│
▼
Proteomics
│
▼
Single Cell
（来源）
│
▼
Spatial
（定位）
│
▼
SCENIC
（TF）
│
▼
CellChat
（通讯）
│
▼
MR
（遗传因果）
│
▼
CRISPR
（功能）
│
▼
Animal
（体内）这就是：
2025以后：
Nature
越来越常见：
Multi-layer mechanism。
最后：整篇Cell真正的方法学思想
作者如何安排每一种分析。
普通 方法和结果独立
Cell 问题 答案 问题 递进
方法不是主角，科学问题才是主角。
我认为这篇 Cell 最值得你借鉴的三点（结合你的生信研究）
结合我们前面讨论的所有 Step，如果你以后要做高水平机制生信，我认为最值得借鉴的是：
- 先设计证据链，再选择分析方法。 不要因为会 WGCNA、MR、单细胞就全部堆进去，而是让每一种方法回答一个明确的科学问题。
- 明确区分“相关”“预测”“遗传因果”“生物学因果”。 本文非常克制，没有把 MR 描述成功能实验能够证明的机制，这种证据分层值得学习。
- 把分析终点放在“可转化”而不是“找到Hub gene”。 作者最终落脚于药物靶点优先排序，而不是停留在候选蛋白列表，这也是资源论文能够进入 Cell 的重要原因。
这篇 Cell 的真正创新不是建立了一个蛋白数据库，而是建立了一套可复用的研究范式：用超大规模蛋白组进行发现（Discovery），用表型和预测建立临床价值（Prediction），用 pQTL + MR 提供遗传因果证据（Causality），最终连接到药物靶点优先排序（Translation）。