身体是一个个极缜密的的设备，由不低于数十亿美元个受损人体本身组织本身内部结构，等等受损人体本身组织本身内部分类多元，系统化缜密的，或者会伴随着时间段发现改变。核核苷酸组学是钻研身体核核苷酸组的小学科学实验，对待正确理解猿类菌物学至关最重要。但是，身体核核苷酸组的缜密的性不了仅利用基因遗传组大数据讯息来估计，且原有新能力也不了设备性地测量方法其缜密的性。近年里来，核核苷酸组学新能力和统计小学科学实验的思想进步为钻研身体出示大数据了新的将会。单受损人体本身组织本身内部和个人空间核核苷酸组学新能力应该出示大数据更柔性生产的核核苷酸组大数据讯息，而深层次读书和人工服务智慧新能力应该作用各位最佳地深入分析和定义等等大数据。

2024年12月11日，Nature发表了一篇由国家蛋白质科学中心贺福初院士和苏黎世联邦理工学院Ruedi Aebersold教授联合近百名国际科学家发表的题为“π-HuB: the proteomic navigator of the human body”的观点文献。本文介绍了π-HuB项目，旨在通过生成和利用多模态蛋白质组数据来增强对人类生物学的理解，并推动精准医疗和智医的发展的“大科学”项目。

π-HuB工程新项目是一个个壮志勃勃的时期国际配合工程新项目，其的目标是按照合成和凭借多模态淀粉酶质组大的数据资料来开展对人生物体能力学的正确理解，并持续推进优质医疗控制和智医的发展趋势。还有表明人体本身组识、组识和地方的实现原里各类生物体能力的过程 的团伙/组识控制机制，按照淀粉酶质组大的数据资料予测发病高风险和判断发病，知道新的口服药物靶点以持续推进仿制药研发团队，凭借淀粉酶质组大的数据资料评价表各性化进行治疗实施策划方案的采用和调优，各类开放π-HuB车载导航器，凭借人为智能化能力为人个供给各性化的稳定控制实施策划方案，才能持续推进系统设计淀粉酶质组学的操作智能化临床医学新时期的带来。

具体化总体目标

π-HuB 工程广泛宣传经由五大学习目标来揭露体内蛋清质组的探索与发现，并持续推进识贫医疗服务的进步。

1. 会发现人体细胞工作原理

小数化生理学空间区域：利用单细胞和空间蛋白质组学等技术，将人体分解成一系列数字蛋白质组解剖空间，包括：

● 结构/脏器的神经元结构 ● 独立细胞系类型、的蛋清质构造 ● 血细胞内的淀粉酶质组核心碳原子手机网络

论述共建设计原理：通过整合多模态数据融合/整合技术，特别是深度学习和基础模型的快速发展，将高分辨率、基于解剖的蛋白质组数据转化为解码细胞/组织/器官的分子/细胞构建原理的绝佳机会，并揭示生物过程的关键分子/细胞机制，即从蛋白质网络到表型的因果关系。

2. 设计规划 Meta Homo Sapiens 对模型

生活周期公式趋势：深入研究个体一生中人类蛋白质组的动态变化，探索人类蛋白质组如何适应影响健康结果的各种因素。

形态地方：将整个人体状态空间转换为多个子空间，并通过各种维度进一步分解，例如：

● 侦测主要孕前和月子关键时期的蛋清质组咨询中心路径 ● 绘制图较为复杂性疾病症状发展和发展过程中中较为复杂性蛋白酶质组的横面各式各样变动 ● 确保非遗传性元素（随后互利微菌物组、的生活措施和情况）对人们脂肪酸质组的反应

自然数化建模方法：将状态上下文蛋白质组数据与其他人类组学数据整合，并投射到一个名为 Meta Homo Sapiens 的数字化模型中。该模型将使用三维解剖层次结构记录每个级别器官、组织、体液和细胞的数字特征，并包含时间序列帧，每个帧包含在单位时间内测量和增强的蛋白质组数据，以代表人体在特定时间戳的状态。

3. 倡导 π-HuB 车载导航器

VR虚拟感觉的空间医疗仪器：将生理表型与蛋白质组导向的时空生化/生物物理信息相结合，创建一个虚拟状态空间仪器。

最真实3d模型：将原型 Meta Homo Sapiens 模型从初始身体条件转移到不同的次级状态，以获得真实模型。

工作状态区域：通过模拟每个模型的身体动力学来创建一个涵盖人体所有关键状态的状态空间，并解决基于非侵入性蛋白质组快照和纵向蛋白质组测量的结果预测问题。

因果判断：使用因果推断来识别导致相邻关键状态之间转换的潜在触发因素。

拓补凯立德导航图：将每个状态空间视为拓扑导航图，其中每个节点是定义相应生物标志物的关键状态，两个节点之间的边记录了从一种状态转换为另一种状态的触发因素。

软件： ● 定位跟踪卫生规迹 ● 的定义慢性病风险点风险管控和早期测试的核心重要因素 ● 促使新的中药治疗介入处理和智能化社区医疗策略的快速发展 经由这三任务，π-HuB 业务将力争体现人的身体血清质组的奥密，并促进深度贫困诊疗的不断发展，不可能完成“智医”的的愿望。

图1 π-HuB 項目的整体目的（图源：He, et al., Nature, 2024）

重要性立柱

π-HuB 该项目将借助于四大支持力体系来支持力其目标值，并加强组织领导其非常成功施实。

1. 人体肌肉动物样板

源头复杂化化：

● 生理范例：从营养健康受赠者的尸首生理中有的器管、阻止和活体范例。 ● 三胞胎列队：用来算起众人中关察到的基因变异的基因遗传部分，并这会有利于的控制比较复杂病症病源学研究探讨中相混方面的作用。 ● 基本概念消费者的链表：位于中国与众多种中南部包括与众多种居住手段和条件的整体的优性能生物学模本的横段面采集而来。 ● 可以链表钻研：软件应用非渗入性或渗入性较小的水平，以相对的较高的取样频次对稳定个人独资或兼有稳定或诊治意义上或但是的分类露出的病患者的子样本使用取样。

标化的注音：所有样本都需要进行良好的、一致的注释，包括临床和人口统计学信息，例如问卷调查、物理测量、生化测试、医学影像数据、与疾病易感性相关的遗传变异记录以及可穿戴设备记录等。

元统计资料标：使用通用的元数据标准进行注释，以确保数据可访问性、互操作性和基于人工智能的数据整合。

2. 在测量水平的创新

单上皮细胞血清质组学 (SCP)：通过加速和基准测试基于质谱的技术如nanoPOTS、SCoPE-MS和scPiMS，以及开发完全集成/自动化的纳克级样品制备和单分子蛋白质测序技术，以提升分析通量。

空间区域球营养物质组学：利用深度视觉蛋白质组学技术或其衍生技术进行分析，并开发基于人工智能的组织成像导航技术，实现高通量和像素格式采样，同时整合多模态数据。

血浆淀粉酶质混合物析：应用基于质谱或亲和力的技术进行血浆蛋白质组分析，以同时分析数千个蛋白质在数千个血浆样本中的高通量。

用途蛋白酶质组学：开发和应用稳健的技术，以生成指示蛋白质组功能状态的多维蛋白质组数据，例如翻译后修饰、结构状态、定位和相互作用。

3. 计算出能力特色化

数值结合与分折：开发数据驱动的建模方法，例如自动机器学习 (autoML)，以近似许多虚拟和现实世界系统。

可回答人工成本自动化 (XAI)：开发 XAI 方法，以提供蛋白质组分析结果的清晰和可理解的解释，并验证人工智能驱动的假设。

魔幻语言学模型工具 (LLM)：建立先进的 LLM，以理解并生成蛋白质组学领域的特定语言，并分析大量生物医学文本。

因果演绎推理：使用因果推理方法来识别导致相邻关键状态之间转换的潜在触发因素。

4. 大数学根基设施设备

国家的设施管理/中间：建立国家设施/中心，用于收集和处理多层蛋白质组数据，并具备高吞吐量和高性能计算能力。

国.际相互合作：与世界各地的现有基础设施合作，例如荷兰蛋白质组学中心和澳大利亚的 ProCan。

5. 放开成本

资料独享：将 π-HuB 产生的（非敏感）原始数据通过实施可查找、可访问、可互操作和可重用 (FAIR) 数据原则的数据门户网站直接提供给国际科学界。

生态学图片信息学根基安全设施：开发将蛋白质组学图谱整合到 UniProt 中的生物信息学基础设施，以便向整个生命科学界提供信息。

计算方式架构：开发一个基于 π-HuB 分子和空间数据的网络版 Meta Homo Sapiens 计算框架，以便临床医生和患者可以免费查询医疗干预策略。

6. 国际英文学习技术团队

多各学科协议：由研究人员、软件工程师、临床医生、病理学家、项目经理、管理人员、财务人员、律师、商业实体等组成的国际研究团队。

管理决策部门：由执行委员会和顾问委员会领导，并遵循明确的治理和问责制指南。

力制作文化产业交流会：通过奖学金/研究员计划促进国际研究人员之间的思想交流和研究成果交流，并吸引更多年轻科学家参与该项目。

用这6大支撑，π-HuB 活动将极可能进一步推动其制定目标，并进一步推动蛋清质组学在医学研究教育领域的操作，结果是进一步推动识贫医疔的企业愿景。

图2 π-HuB 大型项目的要素支撑点（图源：He, et al., Nature, 2024）

挑战性

π-HuB 工程也要面对着很多挑战模式。

1. 理论学：建立一个共同的、灵活的、普遍接受的框架，以应对伦理和监管方面的挑战。

2. 大数据应用统计：建立一个专门为 π-HuB 项目设计的、适合目的的数据中心。

3. 数据库添加和转型：确保来自不同团队的数据具有可比性和可整合性。

4. 模型制作：构建一个复杂的计算机驱动的人体蛋白质组 Meta Homo Sapiens 模型。

期望重大成果

π-HuB 活动我委按照 30 年的的努力，有这一拜谱生物超越性的工作成效，统筹推进精准度医疗器械和智医的壮大。以内是 π-HuB 活动开始和开放阶段中（2024-2033-5年）的预想有的工作成效。

1. 安排整合的工作原理

组织类型的分析的蛋白质组图谱：建立包含所有主要器官和组织的细胞类型解析的蛋白质组图谱，揭示不同细胞类型的蛋白质表达、亚细胞定位、翻译后修饰和相互作用。

新碳原子/神经元逻辑：发现新的分子/细胞机制，解释不同细胞类型和组织功能的多样性。

2. 蛋清质组导识的现在的生活方试要点

人氨基酸质组特征英文資源：建立一个包含人类蛋白质组特征资源的数据集，包括与不同生活方式相关的蛋白质组特征。

核蛋白质含量安全健康评价：开发一个基于神经网络或大型语言模型的蛋白质健康评分系统，为个人提供个性化的健康指导。

3. 核高蛋白组层面的有目的治疗

人们球营养物质组功能資源：建立一个包含人类蛋白质组特征资源的数据集，包括与主要疾病相关的蛋白质组特征。

新的生物体标记物和冶疗靶点：发现新的蛋白质组生物标志物和治疗靶点，用于疾病的早期诊断和精准治疗。

4. π-HuB 汽车导航器

虚拟主机睡眠状态三维空间实验室设备：开发一个虚拟状态空间仪器，用于追踪人体健康轨迹、预测疾病风险和制定精准治疗方案。

智医：实现“智医”的愿景，通过人工智能技术为个人提供个性化的健康管理方案。

π-HuB 品牌预测完成的成效将极大值地推动了准确医疗卫生和智医的發展，处世类营养健康行业给出非常大影响力。

拜谱工作小结

π-HuB 投资工程都是个兴奋的人的内心的投资工程，它有几率根除该变当我们对我们身体的解读，并助推靶向性的医治的的发展。借助全国合作的和新材料技术创新技术，π-HuB 投资工程即将在未来的二十多年内确认重点突破自我，为病症有效防范和诊断报告、类药找到和靶向性的医治给出影响。

拜谱生物作为一家国内领先的多组学服务公司，率先引进赛默飞2016新一代质谱仪Astral，并且专家团队总结多年DIA淀粉酶组项目经验，结合Astral质谱仪高稳定性、高灵敏度、高通量、高深度的特性对样品制备、分离技术、算法软件、实验设计全流程进行多维迭代更新，助力公司的DIA蛋白组产品全线升级，推出了DIA-Ultra进一步血清质组学验测产品，达到万级蛋白深度检测（最高可超越12k），在此基础上也开展了磷碱化、乳碱化、完善糖肽、半胱氨酸遮盖或者前景蛋清组等特色技术，欢迎大家咨询！

参看论文资料：

He F, Aebersold R, Baker MS, Bian X, Bo X, Chan DW, Chang C, Chen L, Chen X, Chen YJ, Cheng H, Collins BC, Corrales F, Cox J, E W, Van Eyk JE, Fan J, Faridi P, Figeys D, Gao GF, Gao W, Gao ZH, Goda K, Goh WWB, Gu D, Guo C, Guo T, He Y, Heck AJR, Hermjakob H, Hunter T, Iyer NG, Jiang Y, Jimenez CR, Joshi L, Kelleher NL, Li M, Li Y, Lin Q, Liu CH, Liu F, Liu GH, Liu Y, Liu Z, Low TY, Lu B, Mann M, Meng A, Moritz RL, Nice E, Ning G, Omenn GS, Overall CM, Palmisano G, Peng Y, Pineau C, Poon TCW, Purcell AW, Qiao J, Reddel RR, Robinson PJ, Roncada P, Sander C, Sha J, Song E, Srivastava S, Sun A, Sze SK, Tang C, Tang L, Tian R, Vizcaíno JA, Wang C, Wang C, Wang X, Wang X, Wang Y, Weiss T, Wilhelm M, Winkler R, Wollscheid B, Wong L, Xie L, Xie W, Xu T, Xu T, Yan L, Yang J, Yang X, Yates J, Yun T, Zhai Q, Zhang B, Zhang H, Zhang L, Zhang L, Zhang P, Zhang Y, Zheng YZ, Zhong Q, Zhu Y; π-HuB Consortium. π-HuB: the proteomic navigator of the human body. Nature. 2024 Dec;636(8042):322-331. doi: 10.1038/s41586-024-08280-5