EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Comparative and Sex-Specific Assessment of Proteomics, Clinical, and Genomic Data on Visceral Adipose Tissue Volume Using Machine Learning in UK Biobank: Advancing Precision Medicine

Vergleichende und geschlechtsspezifische Bewertung von Proteomik-, klinischen und genomischen Daten zur viszeralen Fettgewebsmenge mithilfe von Machine Learning in der UK Biobank: Präzisionsmedizin voranbringen

Zahra Azizi iD, Trisha Gupte iD, Pik Fang Kho iD, Jiayan Zhou iD, Kevin Nzenkue, Rodrigo Guarischi-Sousa iD, Daniel J Panyard iD, Ming-Li Chen iD, Fahim Abbasi iD, Shoa L Clarke iD, Joshua W Knowles iD, Philip S Tsao iD und 1 weitere

Circulation: Genomic and Precision Medicine · 04.11.2026

DOI: 10.1161/circgen.125.005465 ↗

Auf einen Blick

In UK-Biobank-Daten wurden plasma proteomics, klinische und genomische Daten mit der viszeralen Fettgewebsmenge verknüpft. Das kombinierte Modell erklärte 67 % der Varianz.

Fragestellung

Welche Zusammenhänge bestehen zwischen Plasma-Proteomik und viszeralem Fettgewebevolumen, insgesamt und geschlechtsspezifisch, und wie ergänzen klinische und genomische Daten diese Analyse?

Methode

Analyse von UK-Biobank-Teilnehmenden mit mehrstufigem Machine Learning zur Untersuchung linearer und nichtlinearer Zusammenhänge zwischen Proteomik, klinischen und polygenen Daten.

Ergebnisse

Das kombinierte Modell aus klinischen, proteomischen und polygenen Daten erklärte 67 % der Varianz des viszeralen Fettgewebevolumens. Es wurden signifikante Proteininteraktionen mit Umweltfaktoren sowie geschlechtsspezifische Proteine identifiziert.

Schlussfolgerung der Autor:innen

Die Ergebnisse sprechen dafür, dass wenige Plasma-Proteine einen großen Teil der Varianz des viszeralen Fettgewebes zusätzlich zu nichtproteomischen Messgrößen erklären und eine leicht zugängliche, personalisierte Messung ermöglichen könnten.

Kernaussagen

  • Kombiniertes Modell erklärte 67 % der Varianz des viszeralen Fettgewebes
  • Proteininteraktionen mit Umweltfaktoren wurden gefunden
  • Geschlechtsspezifische Proteine korrelierten mit der Varianz des viszeralen Fettgewebes

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift Circulation: Genomic and Precision Medicine, online erschienen am 04.11.2026. Verfasst von Zahra Azizi und 12 weiteren Autor:innen. Beteiligte Einrichtung: Stanford Cardiovascular Institute, Stanford University, CA (Z.A., T.G., P.F.K., J.Z., K.N., R.G.-S., D.J.P., M.-L.C., F.A., S.L.C., J.W.K., P.S.T., T…. Die Arbeit nennt 318 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: NIDDK NIH HHS.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

BACKGROUND: Visceral adiposity is a key driver of insulin resistance, which in turn is a strong risk factor for type 2 diabetes and cardiovascular diseases. METHODS: We investigated the overall and sex-specific associations between plasma proteomics and visceral adipose tissue volume, and their intersection with clinical and genomic data to identify critical candidate proteins for visceral adiposity possibly linked to insulin resistance. We analyzed data from UK Biobank participants, using multistep machine learning to establish linear and nonlinear associations. RESULTS: The combined model, integrating clinical, proteomic, and polygenic data, accounted for 67% of visceral adipose tissue variance. Our research revealed significant protein interactions with environmental factors and identified sex-specific proteins correlated with visceral adipose tissue variance in both males and females. CONCLUSIONS: The findings suggest that a small number of plasma proteins explain a significant portion of the variance of visceral adipose tissue beyond nonproteomic measures, offering a potential single-source, personalized measurement of visceral adiposity that is easily accessible and may facilitate improved prediction and understanding of the biology of insulin resistance.

Schlagwörter

Stichwörter der Autor:innen

UK Biobankgenomicsinsulin resistancemachine learningproteomicssex differencessocial determinants of health

Autor:innen und Institutionen

  • Stanford Cardiovascular Institute, Stanford University, CA (Z.A., T.G., P.F.K., J.Z., K.N., R.G.-S., D.J.P., M.-L.C., F.A., S.L.C., J.W.K., P.S.T., T.L.A.).
  • Department of Medicine, Stanford University, CA (Z.A., T.G., P.F.K., J.Z., K.N., R.G.-S., D.J.P., M.-L.C., F.A., S.L.C., J.W.K., P.S.T., T.L.A.).
  • Department of Medicine, University of Ottawa, Canada (Z.A., J.Z., R.G.-S.).
  • VA Palo Alto Health Care System, CA (P.S.T., T.L.A.).

ORCID-Profile: Zahra Azizi, Trisha Gupte, Pik Fang Kho, Jiayan Zhou, Rodrigo Guarischi-Sousa, Daniel J Panyard, Ming-Li Chen, Fahim Abbasi, Shoa L Clarke, Joshua W Knowles, Philip S Tsao, Themistocles L Assimes

Förderung

  • NIDDK NIH HHS

Zitieren

APA

Azizi, Z., Gupte, T., Kho, P. F., Zhou, J., Nzenkue, K., Guarischi-Sousa, R., Panyard, D. J., Chen, M. L., Abbasi, F., Clarke, S. L., Knowles, J. W., Tsao, P. S., & Assimes, T. L. (2026). Comparative and Sex-Specific Assessment of Proteomics, Clinical, and Genomic Data on Visceral Adipose Tissue Volume Using Machine Learning in UK Biobank: Advancing Precision Medicine. Circulation: Genomic and Precision Medicine. https://doi.org/10.1161/circgen.125.005465

Vancouver

Azizi Z, Gupte T, Kho PF, Zhou J, Nzenkue K, Guarischi-Sousa R, et al. Comparative and Sex-Specific Assessment of Proteomics, Clinical, and Genomic Data on Visceral Adipose Tissue Volume Using Machine Learning in UK Biobank: Advancing Precision Medicine. Circulation: Genomic and Precision Medicine. 2026. doi:10.1161/circgen.125.005465

BibTeX
@article{Azizi2026,
  author = {Azizi, Zahra and Gupte, Trisha and Kho, Pik Fang and Zhou, Jiayan and Nzenkue, Kevin and Guarischi-Sousa, Rodrigo and Panyard, Daniel J and Chen, Ming-Li and Abbasi, Fahim and Clarke, Shoa L and Knowles, Joshua W and Tsao, Philip S and Assimes, Themistocles L},
  title = {Comparative and Sex-Specific Assessment of Proteomics, Clinical, and Genomic Data on Visceral Adipose Tissue Volume Using Machine Learning in UK Biobank: Advancing Precision Medicine},
  journal = {Circulation: Genomic and Precision Medicine},
  year = {2026},
  doi = {10.1161/circgen.125.005465}
}
Kostenlos starten →