本研究绘制了全球首个涵盖人类健康、疾病、遗传的全方位血浆代谢物图谱。基于27.4万人的大规模随访数据，揭示了代谢物在疾病确诊前10年的预警信号及衰老中的系统性重塑，为精准医学和早期干预提供了关键的科学依据和开放资源。

研究背景

代谢物是反映基因、行为与环境交互的核心指标。本研究基于英国生物样本库中274241名成年人的数据，进行了中位时长14.9年的长期随访，系统解析了313个代谢指标与1386种疾病及3142项健康相关表型（含影像）的全方位关联关系。 

核心发现

① 代谢物全景图谱：团队识别出52836个代谢物–疾病显著关联。研究发现，大粒径低密度脂蛋白（LDL）中的胆固醇/总脂质比例（L-LDL-C%）是关联最广泛的指标，涉及526种疾病。此外，研究还覆盖991项健康相关表型与2151项影像表型，共识别73639个显著关联。其中，健康相关表型发现62887个关联对，主要集中在饮食与食物偏好和身体测量两大类；影像表型方面共发现10752个关联，心脏与主动脉功能相关指标最为密集；在脑影像中，GlycA与PUFA/MUFA与多项皮层下体积指标相关。

② 疾病早期预警与时间跨度：通过巢式对照研究，团队发现超过50%的代谢指标在疾病确诊10年前甚至更早即已出现异常。例如，L-LDL-TG%在超过240种疾病确诊前10年就表现出显著变化，为慢性病的超早期预警提供了可能。 

③ 衰老的“代谢波峰”： 研究运用DE-SWAN分析发现，人体代谢组在46岁和64岁会经历“断崖式”的系统重塑，提示代谢组在中年和老年阶段存在明显的重塑轨迹。 

④ 人工智能（AI）赋能的临床转化：团队利用机器学习构建了代谢风险评分（MetRS），通过筛选前30个关键代谢物，在94种既往疾病和81种新发疾病中实现了优异的分类与预测性能（AUC>0.8），特别是在糖尿病视网膜病变等重大慢性病中表现卓越。

⑤ 潜在干预靶点：结合全基因组关联研究与孟德尔随机化分析，研究识别出454对具有潜在因果的代谢物与疾病关系，其中402对获得遗传共定位分析支持。例如，白蛋白水平与慢性肾病、溃疡性结肠炎等疾病呈正相关。其中，PCSK9位点在LDL/VLDL代谢与冠心病中的核心作用已被既往研究证实。以上发现为新药靶点开发提供了方向。 

代谢物反映了基因、行为与环境之间的复杂相互作用，是评估人类健康与疾病的重要指标。相较于其他血液指标，代谢物因其在生理功能调控中的关键作用，与表型关联更为密切。因此准确评估代谢物水平能够提供全面、精准的人类健康与疾病信息。

随着代谢组学技术的发展，结合大规模表型数据，我们正迎来系统解析代谢物与人类健康及疾病关系的宝贵机遇。然而人类遗传、健康、疾病与代谢物的关系极为复杂，海量的数据处理和分析给传统统计学分析带来了极大挑战，AI赋能的研究范式可以加速我们对疾病的理解，是未来精准医学研究的重要路径。

本工作系统解析了血浆代谢物与千余种疾病、3000余种人类表型以及人类遗传的全方位关联关系，描绘了其在疾病和衰老过程中的变化轨迹，明确了血浆代谢物作为疾病诊断预测标志物的价值，并最终确立了可用于疾病干预的潜在代谢物靶点。研究同时搭建了开放的图谱资源检索平台，将助力科学家更高效地开展疾病生物标志物的发现、预测诊断模型的构建与验证，以及创新治疗靶点的筛选。

本工作是团队继蛋白组学图谱后的全新研究，为探索疾病机制、生物标志物挖掘及全新治疗靶点发现提供了科学依据。未来，团队将进一步整合目前遗传、蛋白、代谢等多组学生物医学大数据，深入探究不同组学间的交互机制，为精准医学发展奠定坚实基础。

在生命科学的研究中，如果说基因组学是生命的“天书”，蛋白质组学是执行功能的“机器”，那么代谢组学则更像是人体内最实时的“晴雨表”。代谢物不仅是生理过程的副产物，更是基因、环境和行为共同作用下的最直接反映。

故事的起点，源于团队的一个宏大愿景：我们能否在分子层面，为人类健康绘制一张如同“元素周期表”般的精密导航图？2025年初，团队关于血浆蛋白质组学的研究荣登《细胞》（Cell）封面，该工作的成果并未让团队停下脚步。郁金泰教授、程炜研究员与冯建峰教授意识到，要实现真正的精准医学，仅有蛋白质图谱是不够的，必须深入到代谢这一更贴近生理表型、对环境更敏感的维度。于是，一场针对27.4万名参与者、历时15年随访数据的“代谢图谱”研究工作正式开启。

这项研究最大的挑战在于“规模”与“复杂性”。如何从300多个代谢指标中，精准捕捉到它们与1300多种疾病、3000多项表型之间的隐秘联系？这不仅仅是医学课题，更是一场算法竞赛。 在复旦大学类脑智能科学与技术研究院，计算机房的灯火常常彻夜不熄。临床医生们提供深刻的病理洞察，而计算科学家们则利用先进的机器学习模型在数以亿计的数据点中寻找模式。正是这种临床直觉与算力支撑的深度碰撞，让我们发现了一个令人振奋的事实：超过一半的代谢异常在疾病确诊前10年就已经出现了信号。这意味着，未来的医生或许能提前10年，通过一管血看清健康的“未来轨迹”。

研究过程中，最令团队感到惊讶的发现莫过于人类衰老的“代谢轨迹”。通过DE-SWAN算法分析，我们观察到代谢组在46岁和64岁时呈现出近乎“断崖式”的重塑。这两个节点不仅是数字，更是人体生理系统深刻转折的生物学标志。这一发现为“中年危机”和“老年门槛”提供了来自分子层面的精准解释，也让研究成员们深刻感受到，每一个数据点背后，其实都映射着生命演进的律动。

研究的最终落脚点不是论文，而是应用。为了让全球科研人员都能共享这一成果，团队同步开发了开放式数据库。我们希望这张图谱能成为精准预防的“地基”，让更多早期筛查、精准用药成为可能。 正如郁金泰教授常说的：“我们所做的一切，都是为了让‘精准’不再是高不可攀的医学术语，而是每一个普通人都能触及的健康保障。”

尤佳 研究员

第一作者

国家级青年人才入选者，复旦大学类脑智能科学与技术研究院青年研究员，博士生导师。

研究方向为人工智能、大数据挖掘方法与生物、临床医学相关的交叉研究，尤其是运用跨模态、多组学数据对脑重大疾病的智能诊断与预测。入选上海市白玉兰人才计划“浦江项目”、中国博士后国际交流计划“引进项目”、教育部脑科学前沿中心“珠峰青年学者”。主持国自然青年基金项目（B类、C类），国家临港实验室攻关任务，骨干参与科技创新2030、国家重点研发计划等项目。近5年来，以第一（含共同）作者在Cell、Nature Metabolism、Nature Aging（2篇）、Nature Human Behaviour（3篇）等高影响力期刊发表论著20余篇，成果入选Cell封面论文、被Nature专题报道，获世界人工智能大会优秀青年论文奖。

郁金泰 教授

通讯作者

国家高层次人才入选者，教授、主任医师、博士生导师、复旦大学附属华山医院神经内科副主任、复旦大学类脑研究院双聘教授、国家神经疾病医学中心（华山）认知障碍中心带头人、上海市优秀学术带头人。

研究领域为阿尔茨海默病的防诊治研究，主持科技部脑科学与类脑研究重大项目、教育部中央高校科技领军人才团队项目、国自然面上及重大计划，以通讯作者（含共同）身份在相关领域期刊发表论著60余篇,包括Cell、Science、Lancet Neurology、Nature Metabolism、Nature Human Behaviour、Nature Aging等。研究成果被N Engl J Med “Journal Watch”、 BMJ选为重要医学进展或研究亮点。连续多年入选全球高被引科学家，荣获中华医学青年科技奖、树兰医学青年奖、省自然科学一等奖。

程炜 研究员

通讯作者

国家级青年人才入选者，复旦大学类脑智能研究院研究员，博士生导师，老年脑健康智能科学中心主任，英国华威大学荣誉研究员。

主要研究领域为发展生物医学大数据统计分析方法及其在脑疾病中的应用研究，旨在通过多维度数据揭示脑疾病的病理机制以及发展智能诊疗算法。主持项目包括科技部国家重点研发计划专项子课题、国自然科学基金面上项目、国自然青年基金等，累计科研经费近千万，入围“全球前2%顶尖科学家”。近五年，以通讯作者（含共同）在Cell、Nature Metabolism、Nature Aging、Nature Human Behaviour、Nature Mental Health等发表论文40余篇。研究成果被Nature、Nature Reviews Neurology等期刊选为研究亮点并以专门评论文章高度评价，荣获2023年度中国十大医学科技新闻奖。

冯建峰 教授

通讯作者

教授、国家高层次引进人才，现任复旦大学类脑智能科学与技术研究院、大数据学院院长，上海数学中心首席教授，英国华威大学计算机系教授。

长期致力于数学、脑科学和计算机科学的交叉融合研究，推动计算脑科学及其应用领域的发展。主要研究贡献包括：在精神疾病研究方向，提出并论证抑郁症“奖惩环路失衡”神经机制，通过大数据挖掘验证精神分裂的语言起源假说；在计算神经科学方向，发展了全脑数字孪生脑模型和MNN数学理论；在人工智能方向，发展了多种新型神经网络结构和算法等。共发表四百多篇学术文章，部分成果以通讯作者发表在Cell、Nature子刊、Science子刊、JAMA Psychiatry、IEEE TPAMI、Brain、PNAS和PRL等。2023年获德国洪堡研究奖，2011年获英国皇家学会沃夫森研究功勋奖（首位华人），2019年作为三十年来的首位华人受邀在剑桥大学做Paykel Lecture年度冠名讲座。

每一项临床研究都倾注着研究团队的心血结晶。学习过后，您是否有所收获？或有疑问想与主创团队分享？请在评论区留言，期待与您交流！