类型a：单篇原创研究报告
研究报告：一种基于蛋白质组范围生物流体数据的自适应持续学习临床决策框架 (adapt-ms)
一、 研究概述
本研究由来自德国马普生物化学研究所蛋白质组学与信号转导系的Johannes B. Müller-Reif和Matthias Mann等人主导，联合哥本哈根大学医院、哥本哈根大学以及慕尼黑路德维希-马克西米利安大学等多个研究机构的科学家共同完成。该原创性研究成果于2026年发表在国际顶级学术期刊《Nature Communications》上。文章提出并验证了一种名为“自适应质谱个性化检测诊断架构”（adaptive diagnostic architecture for personalized testing by mass spectrometry, adapt-ms）的全新框架，旨在解决基于质谱（mass spectrometry, ms）的发现模式蛋白质组学数据在临床诊断应用中面临的关键障碍。
二、 学术背景与研究目的
基于质谱的蛋白质组学技术能够单次检测并量化生物样本中成千上万种蛋白质，在理解疾病机制、监测健康状态方面展现了巨大潜力。然而，这项技术在临床转化中面临一个核心瓶颈，即将研究发现转化为常规临床工具的过程异常缓慢且僵化。传统的临床应用遵循一条“生物标志物发现流水线”：首先在一个病例对照队列中识别出差异表达的蛋白质，然后筛选出一个固定的蛋白质组合，接着为其开发专门的靶向检测方法（如靶向质谱），并经过漫长的临床验证，最终才能用于新患者的诊断。这套流程不仅费时费力、成本高昂，而且存在几个关键缺陷：第一，一个固定化的检测组合（panel）只能回答一个特定的诊断问题，若检测结果为阴性，则需要新的样本和检测来排查其他可能；第二，它丢弃了蛋白质组范围内绝大部分的丰富数据；第三，无法灵活应对存在重叠症状和模糊临床表现的复杂真实世界诊断需求。
此外，直接利用发现模式蛋白质组学数据进行诊断还面临着诸多技术挑战，其中最为突出的是数据中广泛存在的“缺失值”（missing values）问题。在数据依赖型采集（data-dependent acquisition, dda）等模式下，低丰度蛋白质常常以半随机的方式被遗漏，导致数据矩阵不完整。传统的机器学习算法通常要求完整的数据矩阵，而常用的数据填充（imputation）策略往往会引入噪声或偏差，损害模型的可解释性和泛化能力。
基于这些挑战，研究团队提出了一个根本性问题：能否构建一个无需数据填充、无需固定生物标志物组合、无需靶向检测开发，即可直接对蛋白质组范围数据进行诊断解读的框架？本研究的目标正是开发并验证这样一种创新的方法论，即adapt-ms框架，以实现从发现蛋白质组学数据到临床决策的直接转化。
三、 研究流程与详细方法
本研究设计了一套完整的概念验证流程，其核心在于开发并评估adapt-ms框架在多个真实临床蛋白质组学数据集上的性能。
1. adapt-ms框架的设计与核心工作流 该框架的核心创新是“逐样本动态分类器重建”策略。其具体流程如下： 首先，从发现数据集中，通过交叉验证（cross-validation）和特征选择（feature selection）方法，生成一个“宽松的特征列表”（relaxed feature list）。所谓“宽松”，是指特征是从随机抽样的队列子集中多次选择产生的，这增加了特征的变异性，减少了对特定队列组成的依赖，从而提升了鲁棒性。 随后，对于每一个新的测试样本，系统会识别该样本中实际被定量的蛋白质与上述“宽松特征列表”的交集，从而为该样本定义一个定制的特征集。 接着，使用原始的发现数据集，仅基于这个定制特征集，重新训练一个分类器（如逻辑回归）。 最后，用这个专门为该样本训练的模型对其进行诊断标签或评分的分配。这个过程无需对测试样本进行任何数据填充，巧妙地绕过了缺失值问题。
2. 血浆蛋白质组学数据集上的验证（脓毒症分型） 研究团队首先将该框架应用于一个由Roman Fisher课题组生成的大规模临床脓毒症血浆蛋白质组数据集。该数据集包含一个发现队列（902个样本）和一个独立的验证队列（459个样本），采用高通量dda模式采集。研究任务是对具有特定转录组定义的脓毒症反应特征（sepsis response signature, srs）的患者进行二分类。这是一个具有临床挑战性的子分类问题。 作为基准，研究者先用传统方法在全量数据上训练了xgboost模型，在独立验证集上获得了0.83的曲线下面积（area under the curve, auc）。 随后，应用adapt-ms框架，通过网格搜索选定t检验（t-test）进行特征选择、逻辑回归（logistic regression）作为分类器。在为验证集的每个样本动态重建模型后，adapt-ms框架达到了0.87的auc，性能优于传统的固定特征方法。研究进一步表明，即使样本存在较高的缺失率，其预测性能依然保持稳定，且分类性能在单个样本约50个可用蛋白时达到平台期。这证明了adapt-ms能够匹配甚至超越当前标准机器学习流程，同时实现了真正的单样本诊断。
3. 血清蛋白质组学数据集上的验证（代谢综合征预后预测） 为了展示框架在预后预测任务上的扩展性，研究团队使用了另一个研究代谢综合征（metabolic syndrome, mets）发病风险的血清蛋白质组学队列。该研究的原作者使用了基于LightGBM的复杂机器学习架构。尽管标准的随机森林-xgboost模型在该任务上表现不佳，但adapt-ms架构在验证数据上取得了与原作复杂模型等效的性能（auc 0.77）。这突显了adapt-ms所采用的简单且可解释的模型所具有的强大能力和广泛应用潜力。
4. 脑脊液蛋白质组学数据集上的多中心泛化能力验证（阿尔茨海默病） 为评估跨中心、跨队列的泛化能力，adapt-ms被应用于一个来自瑞典、柏林、马格德堡/基尔三个独立临床中心的自产阿尔茨海默病（alzheimer’s disease, ad）脑脊液（cerebrospinal fluid, csf）蛋白质组数据集。这三个队列在患者群体和诊断准确性上存在真实的差异。 以瑞典队列作为发现集，在柏林和马格德堡/基尔队列上进行测试，adapt-ms取得了0.85（马格德堡/基尔）和0.73（柏林）的auc。当将瑞典和马格德堡/基尔合并为发现集时，在最具挑战性的柏林队列上，auc提升至0.80。这表明adapt-ms能够从多样化的训练数据中获益，并有效地扩展到复杂的多中心应用场景。即便仅使用来自不同中心的少量样本（每个中心20个）进行训练，该框架依然能在跨中心分类中实现持续的高auc，展现出强大的适应性。
5. 回顾性队列匹配（Retrospective cohort matching） 研究进一步演示了adapt-ms框架通过回顾性队列匹配实现灵活、多任务诊断的能力。利用同一个脓毒症数据集的蛋白质组学数据库，研究者为一名假设的脓毒症患者执行了三个层次的分类任务：1) 脓毒症 vs. 非脓毒症（AUC = 0.99）；2) SRS vs. 非SRS（AUC = 0.87）；3) 基于蛋白质组学聚类定义的亚型（SPC1/2/3）分类（AUC范围为0.93-0.96）。这些分类器都是基于动态选择的、与患者相匹配的参考队列构建的，全程无需重新测量样本。
四、 主要研究结果
本研究的结果系统性地验证了adapt-ms框架的核心价值和性能优势。 首先，在单样本诊断性能上，adapt-ms在脓毒症SRS分型任务中，直接使用充满缺失值的发现模式蛋白质组学原始数据，在独立验证集上取得了0.87的AUC，优于传统基于数据填充和完整矩阵的xgboost模型（AUC 0.83）。这一结果直接证明了其“逐样本动态重建”策略在解决缺失值问题、保留原始数据完整性方面的有效性，是实现直接从发现数据走向临床诊断的关键证据。 其次，在模型的鲁棒性和可扩展性上，通过展示模型性能与单样本可用特征数量的关系，证明其即使在数据完整度不同的样本间也能保持稳定的分类能力。学习曲线分析显示，adapt-ms的性能随着训练样本量的增加而持续提升，这提示该框架能够从一个不断增长的数据库中持续获益，实现自我强化。 第三，在多中心泛化能力上，阿尔茨海默病脑脊液研究的结果是重要的临床前验证。模型在不同来源、存在批次效应和生物学差异的独立队列上，无需数据协调或填充即可获得良好的分类性能，解决了蛋白质组学技术向临床转化中的一个关键障碍。 第四，在多任务和灵活性上，回顾性队列匹配的演示完美诠释了adapt-ms框架从“以检测为中心”到“以数据为中心”的范式转变。同一个蛋白质组检测结果可以被反复利用，通过动态匹配不同的参考队列，回答多个临床假设，这在复杂或病因不明的疾病诊断中具有革命性的应用潜力。
五、 研究结论与价值
本研究得出结论，adapt-ms是一个具有重大概念性突破的框架，它使得直接从发现模式蛋白质组学数据中进行单样本层面的诊断和预后分类成为可能。此法避免了数据填充、固定生物标志物组合和靶向检测开发。其科学价值在于，它提出了一种全新的数据处理和模型应用范式，即通过动态、样本特异性的模型重建来应对高通量组学数据固有的缺失值和不完整性，挑战了传统机器学习要求完整数据矩阵的前提。其应用价值则更为深远，它为蛋白质组学进入常规临床实践描绘了一条可行的路径。它可以将质谱仪单次运行产生的海量数据转变为一个灵活、可重复使用的诊断工具，让临床医生能够根据个体患者的具体情况，从同一份蛋白质组图谱中快速获得多种鉴别诊断信息，尤其适用于急诊分诊、复杂共病管理等对时效性和灵活性要求极高的场景。
六、 研究亮点