2024年12月11日，《自然》（*Nature*）杂志在线发表了一篇题为“π-hub：人类蛋白质组导航计划”的“视角”（Perspective）文章。这篇重磅文章由Fuchu He、Ruedi Aebersold等来自全球众多顶尖科研机构的百余名科学家以及π-hub联盟成员共同撰写，阐述了一项雄心勃勃的国际性“大科学”计划——π-hub。该计划旨在对整个人体的蛋白质组进行系统性、高分辨率的数字化解析与整合，以揭示人体生物学的基本原理，并最终推动以蛋白质组学驱动的“实践智慧医学”（Phronesis Medicine）新时代的到来。
这篇文章的核心，是向科学界和公众系统性地介绍π-hub计划这一宏伟蓝图。其核心论点并非报告一项具体的实验结果，而是提出一个整合全球力量的长期科研战略规划。文章围绕π-hub的使命、目标、实现路径、技术支柱、预期成果以及面临的挑战展开论述，逻辑清晰，结构分明。
主要论点一：π-hub计划是一项旨在系统性解码人体蛋白质组、驱动生物医学新范式的国际大科学协作项目。 这一论点构成了整篇文章的基石。文章首先阐述了提出该计划的深刻背景。自人类基因组计划（HGP）完成以来，人们认识到基因组序列并不能预测细胞和生物体层面的所有复杂性。人体由约37万亿个细胞组成，这些细胞类型、形态和功能各异，且在个体生命周期中处于动态变化之中。作为生命活动的核心执行者，蛋白质（及其修饰、互作、定位等属性）的动态“蛋白质组”（Proteome）是理解人类生物学、疾病发生与治疗的关键。尽管国际人类蛋白质组组织（HUPO）及人类蛋白质组计划（HPP）等努力已取得重要进展（如到2023年已检测到93%的预测人类蛋白质），但现有技术仍未实现对人体蛋白质组复杂性的系统性探索和充分利用。在此背景下，中国科技部于2020年牵头，联合全球约40个蛋白质组学研究团队开始构想未来的HPP相关项目，最终形成了π-hub计划。该计划获得了数十亿人民币级别的投资承诺，旨在通过为期三十年的国际合作，生成前所未有的多模态蛋白质组数据集，并构建一个智能计算引擎——“π-hub导航器”。
主要论点二：π-hub计划确立了三大核心科学目标，旨在从理解、建模到应用实现多层次突破。 这是π-hub计划内涵的具体化。文章详细描绘了这三个逐层递进的目标： 1. 发现人体构成原理： 利用单细胞蛋白质组学、空间蛋白质组学等技术，将人体分解为数字化的蛋白质组解剖空间，描绘所有主要组织/器官的细胞组成、各类细胞及单细胞的蛋白质组成，以及细胞内的蛋白质网络。通过多模态数据融合和深度学习模型，解码细胞/组织/器官的分子/细胞构成原理，揭示生物过程的因果机制，即建立从蛋白质网络到表型的因果联系。 2. 开发“元智人”（Meta Homo Sapiens）模型： 在个体生命周期层面和群体层面，深入研究人体蛋白质组的动态变化，探索其在发育、衰老、疾病以及受到非遗传因素（如微生物组、生活方式、环境）影响时的适应模式。这些状态情境化的蛋白质组数据将与其他组学数据整合，投影到一个名为“元智人”的数字化模型中。该模型以三维解剖层级结构记录器官、组织、体液和细胞在每一层级的数字特征，并由一系列包含特定时间点蛋白质组数据的“帧”构成，以表征人体在特定时间戳的状态。 3. 构建π-hub导航器： 最终目标是实现“实践智慧医学”——一种超越传统精准医学，能够对个体健康状态进行预测、预警、预防和精准调控的医学范式。π-hub导航器是一个虚拟状态空间仪器，它整合生理表型和蛋白质组驱动的时空生化/生物物理信息。它将“元智人”原型模型扩展到不同的次级状态，通过模拟特定时期的人体动态，创建一个覆盖所有关键人体健康状态的状态空间图谱。图谱中的每个节点代表由生物标志物定义的关键状态，节点之间的边记录了状态转换的触发因素。这将使追踪健康和疾病轨迹、评估疾病风险、早期诊断、开发新疗法以及实施智能化健康管理成为可能。
主要论点三：π-hub计划的成功实施依赖于六个关键支柱的协同支撑。 文章明确指出，实现上述宏伟目标需要坚实的技术与组织基础： 1. 人类生物样本： 涵盖基于解剖的死后样本、双胞胎队列、大规模自然人群队列以及纵向队列研究样本。强调样本的标准化、高质量临床和人口统计学信息注释，并与全球现有和在建的生物样本库合作。 2. 测量技术创新： 这是项目成功的核心驱动力。计划重点关注并推动单细胞蛋白质组学（提升通量和蛋白质覆盖深度）、空间蛋白质组学（整合人工智能组织成像导航和高通量像素采样）、血浆蛋白质组分析（高灵敏度、高通量技术）以及功能蛋白质组学（研究翻译后修饰、相互作用、定位等）等前沿技术的发展，并设立专门的技术侦察部门。 3. 计算技术创新： 面对海量、多模态数据，需要开发先进的数据整合、分析与解释方法。计划将利用自动化机器学习（AutoML）处理复杂数据分析，发展可解释人工智能（XAI）来解读深度学习模型的发现，构建大型语言模型（LLM）从海量生物医学文本中提取洞察，并运用因果推断方法来识别状态转换的潜在触发因素。 4. 大科学基础设施： 需要建立超高通量的国家级设施/中心，用于样本处理、多层蛋白质组数据生产和计算分析。文中提到中国已有项目具备每日处理上千样本、生成TB级质谱原始数据的能力，并整合了天河二号等高性能计算系统。π-hub也将与全球其他顶尖设施（如荷兰蛋白质组中心、澳大利亚ProCan）合作。 5. 开放资源： 强调高效、国际化的开放共享。承诺按照可发现、可访问、可互操作、可重用（FAIR）原则，通过ProteomeXchange联盟（如PRIDE、iProX）等数据门户公开共享数据。同时，将开发基于网络的“元智人”计算框架，供临床医生和患者查询干预策略。 6. 国际研究团队： “人”是最终的执行者。项目需要全球范围内研究人员、软件工程师、临床医生、病理学家、项目管理人员的协同合作。计划将设立执行委员会和顾问委员会进行指导，并通过奖学金/研究员计划促进国际交流与人才培养。
主要论点四：π-hub计划在第一阶段（约2024-2033年）将聚焦于取得若干标志性成果，以验证其可行性并惠及社区。 文章设定了具体的短期里程碑，使宏大愿景更具可操作性： 1. 细胞类型组织原理： 建立所有主要器官的参考性细胞类型蛋白质组图谱（基于流式分选和质谱技术），结合空间蛋白质组学、邻近标记和体内交联等技术，揭示不同细胞类型和状态的分子/细胞机制，初步阐明组织/器官的细胞类型构成原理。 2. 蛋白质组学驱动的健康生活方式指南： 通过分析大规模自然人群的生物体液蛋白质组，开展一系列研究：绘制与遗传变异相关的循环/组织蛋白定量性状位点；追踪人类生命周期关键阶段（如胚胎发育、青春期、老年等）的蛋白质组轨迹；分析主要饮食模式、不同生态环境、人体微生物组对蛋白质组的影响；绘制临床干预措施（如药物、饮食、运动）的蛋白质组反应谱。最终目标是构建与生命状态相关的人类蛋白质组特征资源，并开发“蛋白质组健康评分”，为个性化健康管理提供科学依据。 3. 推广蛋白质组学驱动的精准医学： 利用π-hub联盟的多学科和临床资源优势，开展大规模、国际多中心队列研究，验证用于重大疾病早期诊断和伴随诊断的新生物标志物。计划对十个主要器官及其对应体液在不同病理生理阶段的蛋白质组进行图谱绘制，聚焦每个器官相关的3-5种代表性疾病。结合上述细胞类型图谱和生命周期适应性图谱，构建疾病发生发展的蛋白质组进化轨迹，并积极与临床、产业界合作，催化新的蛋白质基生物标志物和药物靶点的发现与应用。
主要论点五：π-hub计划在实施过程中将面临多重挑战，需要前瞻性地制定应对策略。 文章没有回避困难，而是坦诚地分析了可能遇到的障碍及应对思路： 1. 伦理挑战： 涉及样本采集的伦理审批标准、捐献者知情同意、样本注释本体论以及个人隐私（通过蛋白质组特征重新识别个体的风险）等。计划将建立专门的伦理委员会进行全方位监督，并寻求建立一个能被不同地区政府接受的、灵活且通用的伦理与监管框架。 2. 大数据挑战： 需要建立专门的数据中心，不仅能存储和管理海量蛋白质组数据，还能处理更多临床元数据，并支持多组学、多模型数据的管理与应用。解决方案可能包括在不同国家设立分中心，以符合当地法律约束，同时通过总部中心提供数据管理系统和技术支持。 3. 数据生成与整合挑战： 确保不同国际团队生成的数据具有可比性和可整合性至关重要。π-hub联盟将制定并执行从样本收集、处理到数据采集、分析全流程的标准操作程序，并开发集中式的云端交互平台，提供标准化的数据处理、整合和解释工具及流程。 4. 建模挑战： 构建“π-hub导航器”和“元智人”模型是极为复杂的计算任务。文章初步规划了模型的基本模块：状态识别器、谱系追踪器和路径规划器。 5. 蛋白质组学知识普及挑战： 与基因组学相比，蛋白质组学的公众和临床认知度较低。π-hub计划将致力于面向临床医生和公众构建易于理解的接口，提供工具和培训，推动蛋白质组学发现向临床和健康管理转化，提升公众意识和参与度。
总结与意义： 这篇视角文章的价值，首先在于系统性地提出了一个规模宏大、目标深远、路径清晰的后基因组时代生命科学战略蓝图。它标志着蛋白质组学研究正从局部的、特定疾病或器官的研究，迈向系统性解码整个人体复杂性的“大科学”新阶段。其次，文章强调了跨学科与国际协作的极端重要性，其整合的不仅是生物学、医学、化学，还包括数据科学、人工智能、工程学等多个领域，以及全球范围内的智力、样本和技术资源。最后，该计划指向了明确的应用转化前景，旨在将基础科学的深刻理解，通过“实践智慧医学”的理念，最终转化为提升人类健康水平的实际能力——从疾病风险预测、早期诊断到个性化治疗和健康管理。
π-hub计划的提出，有望在未来几十年内引领生物医学研究范式发生深刻变革。它不仅仅是一个数据生成项目，更是一个旨在构建人体动态数字孪生、实现从“治已病”到“治未病”根本性转变的宏大探索。虽然前路充满技术、数据、伦理和协作上的挑战，但其所描绘的愿景，无疑将激励全球科学界共同努力，开启人类认识自身、维护健康的崭新篇章。