Кровь может подсказать, какая болезнь появится следующей — задолго до симптомов

Речь не о «волшебном» тесте, который заранее назовёт человеку его будущий диагноз. Учёные работали со статистическими моделями риска: они проверяли, можно ли по молекулярному составу крови лучше предсказывать, у кого с большей вероятностью позже разовьются распространённые болезни.

В исследовании использовали данные 23 776 участников UK Biobank. У них измерили 159 метаболитов — малых молекул, связанных с обменом веществ, и 2 923 белка в крови. Затем исследователи сравнили, насколько такие данные улучшают прогноз по 17 заболеваниям по сравнению с обычными клиническими показателями. Работа опубликована в Nature Communications.

Детали

Врачи обычно оценивают риск болезни по возрасту, полу, семейной истории, образу жизни и стандартным анализам. Эти данные важны, но они не всегда показывают, что уже происходит внутри организма на молекулярном уровне.

Авторы новой работы решили проверить, помогут ли более подробные данные крови. Для этого они использовали подход, который называют мультиомикой. Простыми словами, это одновременное изучение разных «слоёв» биологии: например, белков и малых молекул, которые циркулируют в крови.

Белки особенно интересны, потому что они напрямую участвуют в работе клеток, воспалении, иммунных реакциях, обмене веществ и развитии многих заболеваний. Метаболиты показывают состояние обмена веществ — например, липидный профиль и другие химические процессы.

Исследователи построили модели прогноза и сравнили несколько вариантов. Одни модели учитывали только привычные клинические данные. Другие добавляли метаболиты, белки или оба типа молекулярных данных сразу.

Результат оказался заметным: добавление «омиксных» данных улучшало прогноз для всех 17 изученных заболеваний. Но главным источником пользы стали именно белки. Модели, основанные только на белках, в целом работали лучше, чем модели только с метаболитами, для 16 из 17 болезней. При этом объединение белков и метаболитов давало лишь небольшой выигрыш по сравнению с одними белками.

Учёные также нашли молекулярные маркеры, которые уже хорошо известны врачам. Например, белок KLK3, больше известный как PSA, связан с раком простаты. Но были и менее очевидные кандидаты — например, PRG3, который в модели оказался связан с риском рака кожи. Такие находки могут подсказать новые направления для будущих исследований, но сами по себе ещё не становятся клиническими тестами.

Важно, что исследование не говорит: «по крови можно точно узнать, чем заболеет конкретный человек». Оно показывает другое: если к обычным данным добавить подробный молекулярный профиль крови, прогноз риска в большой группе людей становится точнее.

Почему это важно

Если такие модели подтвердятся в других исследованиях, они могут помочь медицине двигаться к более раннему и персональному прогнозу болезней. В идеале врач сможет не только видеть текущие показатели человека, но и замечать молекулярные сигналы риска задолго до явных симптомов.

Это особенно важно для заболеваний, которые долго развиваются незаметно. Чем раньше удаётся понять, что человек находится в группе повышенного риска, тем больше возможностей для наблюдения, профилактики и своевременного лечения.

Но до применения в обычной клинике ещё далеко. Такие модели нужно проверять на разных популяциях, в разных странах и в реальных медицинских условиях. UK Biobank — очень ценный ресурс, но его участники не идеально отражают всё население. Кроме того, исследователи анализировали только данные, собранные на старте, а не постоянные изменения крови во времени.

Поэтому главный вывод осторожный: кровь действительно может содержать ранние молекулярные подсказки о будущем риске болезней, но превращать это в готовый «анализ на все болезни» пока нельзя.

Бэкграунд

Идея раннего прогноза болезней по молекулам крови активно развивается последние годы. Учёные всё чаще изучают не один показатель, а большие наборы данных: белки, метаболиты, генетические варианты, активность генов и другие биологические слои.

Такой подход нужен потому, что большинство распространённых болезней не возникает из-за одной причины. На риск влияют наследственность, возраст, обмен веществ, воспаление, лекарства, образ жизни, социальные условия и множество других факторов.

Новая работа важна масштабом. По словам авторов, это одно из крупнейших исследований, где одновременно оценивали вклад метаболомики и протеомики в прогноз будущих заболеваний. Статья была опубликована 9 мая 2026 года; на странице Nature Communications указано, что доступна ранняя неотредактированная версия рукописи перед финальной редакционной обработкой.

Источник

Jiawen Du, Muqing Zhou, Hanling Wang et al., “Multi-omics integration predicts the incidence of 17 diseases in the UK Biobank”, Nature Communications, 2026.

В исследовании использовали данные 23 776 участников UK Biobank с исходными показателями 159 NMR-метаболитов и 2 923 белков Olink в плазме крови. Авторы сравнили модели прогноза 17 заболеваний и показали, что добавление молекулярных данных улучшает предсказание риска по сравнению с одними клиническими показателями. Наиболее информативными в большинстве случаев оказались белковые профили.