小赛推荐：
该研究通过整合高通量血浆蛋白质组与机器学习模型，显著提升了对癌症相关静脉血栓栓塞（VTE）的预测能力，并揭示了IL17A在血栓性炎症中的中心机制，为相关领域的个体化血栓风险评估和抗炎干预策略提供了新范式。
文献概述
本文《Plasma proteomics improves thrombosis prediction in cancer and implicates a targetable IL-17-driven endothelial activation pathway》，发表于《Science translational medicine》杂志，系统探讨了如何利用血浆蛋白质组学结合机器学习构建更精准的癌症相关血栓（CAT）预测模型，并深入解析了CD200R1与IL17A之间的机制联系。研究不仅提升了临床风险分层能力，还揭示了一条可靶向的血栓性炎症调控通路，为开发非抗凝性抗血栓策略提供了理论依据。背景知识
癌症相关血栓（CAT）是癌症患者第二大死亡原因，严重影响治疗安全与生活质量。当前临床依赖的Khorana评分系统预测效能有限，阳性预测值仅约10%，导致抗凝预防的获益-风险比不理想。尽管已知组织因子、中性粒细胞胞外诱捕网（NETs）等参与CAT，但缺乏稳定可靠的生物标志物。近年来，血栓性炎症（thrombo-inflammation）概念兴起，强调免疫系统与凝血系统的交互作用，IL17A、Th17细胞等免疫介质被发现与多种血栓性疾病相关，但其在CAT中的机制仍不明确。本研究切入点在于：利用高灵敏度Olink平台对1,105种血浆蛋白进行无偏倚筛选，结合机器学习构建新型预测模型，并通过动物模型与孟德尔随机化分析验证关键蛋白的因果作用，从而突破传统凝血标志物的局限，探索免疫调控轴在CAT中的驱动机制。
研究方法与核心实验
研究采用前瞻性队列设计，发现队列（HYPERCAN研究）纳入163例新诊断肺癌与胃癌患者，收集基线血浆进行Olink血浆蛋白质组检测。通过机器学习特征筛选，最终构建包含11个蛋白与5个临床变量的贝叶斯预测模型（TOP模型）。该模型在独立验证队列（AVERT试验安慰剂组，n=72）中进行了外部验证，显示出优于Khorana评分的判别能力（c-statistic 0.71 vs 0.36）。
为解析关键蛋白CD200R1的机制作用，研究采用Cd200r1−/−小鼠进行表型分析。结果显示，基因敲除小鼠体内凝血酶-抗凝血酶复合物（TAT）显著升高，提示促血栓状态。进一步通过RNA-seq与小鼠Olink蛋白组分析，发现IL17A水平显著上调，并伴随内皮激活标志物（如sE-selectin、sICAM-1）升高。体外实验显示IL17A可直接诱导内皮细胞表达粘附分子并促进单核细胞粘附。
为验证IL17A的因果作用，研究在Cd200r1−/−小鼠中给予抗-IL17A抗体，结果成功逆转了TAT水平的升高，证明IL17A介导了CD200R1缺失导致的高凝状态。此外，研究通过孟德尔随机化分析在人类遗传数据中证实，遗传预测的低CD200R1表达与静脉血栓风险增加相关（OR=1.04）。关键结论与观点
研究意义与展望
该研究标志着从传统凝血标志物向系统性血栓性炎症网络解析的范式转变。TOP模型的开发为临床实现精准血栓预防铺平道路，未来可集成液体活检与免疫蛋白标志物，构建动态风险评分系统。
机制上，CD200R1–IL17A轴的揭示为开发非抗凝性抗血栓策略提供了新靶点。尤其在免疫检查点抑制剂广泛使用的背景下，此类疗法可能打破免疫耐受并激活Th17/IL17A通路，增加血栓风险。因此，监测CD200R1或IL17A水平可能有助于识别高危患者，甚至联合抗-IL17A治疗以降低血栓并发症。
此外，该研究展示了多组学整合与动物模型验证在转化医学中的强大价值。未来研究可拓展至更多癌种，探索CD200R1在肿瘤微环境中的免疫调控作用，以及其作为免疫相关不良事件（irAE）生物标志物的潜力。
结语
本研究通过整合血浆蛋白质组学、机器学习与机制验证，不仅构建了优于现有标准的癌症相关血栓预测模型，更重要的是揭示了CD200R1–IL17A–内皮激活这一可靶向的血栓性炎症通路。这一发现将血栓风险的评估从凝血系统扩展至免疫调控网络，为癌症患者提供更精准的血栓预防策略。从实验室到临床，该研究为开发基于IL17A抑制的抗血栓干预措施提供了坚实证据，尤其适用于高炎症状态的患者群体。未来，结合CD200R1遗传背景与动态蛋白监测，有望实现个体化血栓风险管理，显著改善癌症患者的生存质量与治疗安全。该工作为血栓性炎症疾病的机制研究与转化应用树立了新标杆，推动了从“抗凝”向“免疫调节”抗血栓策略的演进。
