🧬 biology

Plasma proteomic scores for body mass index generalize across multiple ancestries

Este estudo demonstra que os escores proteômicos plasmáticos para o índice de massa corporal, desenvolvidos através de diversas ancestralidades nos coortes do UK Biobank e da África do Sul, são portáteis e eficazes na predição da obesidade e na identificação de indivíduos de peso normal metabolicamente não saudáveis, aumentando, assim, a estratificação de risco cardiometabólico em populações globais.

Autores originais: Tinashe Chikowore, Monica Muti, Yann Ilboudo, Usama Aliyu, Chengyue Zhang, Lisa Ware, Michael Chong, Lisa Micklesfield, Julia Goedecke, Robert Ntozini, Guillaume Paré, Michele Ramsay, Andrew Morris, P

Publicado 2026-09-08

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Tinashe Chikowore, Monica Muti, Yann Ilboudo, Usama Aliyu, Chengyue Zhang, Lisa Ware, Michael Chong, Lisa Micklesfield, Julia Goedecke, Robert Ntozini, Guillaume Paré, Michele Ramsay, Andrew Morris, Paul Franks, Abram Kamiza, Shane Norris, Omar Albagha, Matthew Moll, Michael Cho

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Durante décadas, a forma padrão de avaliar o risco de uma pessoa para doenças cardíacas e diabetes foi um cálculo simples: peso dividido pela altura ao quadrado. Esse número, conhecido como índice de massa corporal, ou IMC, serviu como uma ferramenta de triagem universal para a obesidade. É fácil de medir e funciona bem para grandes grupos de pessoas. No entanto, no nível individual, o número frequentemente falha em contar a história completa. Duas pessoas podem ter exatamente o mesmo IMC, mas carregar quantidades muito diferentes de gordura interna e enfrentar riscos vastamente distintos de doenças graves. Uma pode ser metabolicamente saudável, enquanto a outra carrega níveis perigosos de gordura ao redor de seus órgãos, uma condição que pode levar ao diabetes e a problemas cardíacos, mesmo que seu peso pareça normal. Cientistas buscam há muito tempo uma maneira melhor de enxergar dentro da maquinaria metabólica do corpo, olhando além da balança para encontrar sinais biológicos que revelem os verdadeiros riscos à saúde.

Um novo estudo deu um passo significativo para resolver esse enigma ao observar as proteínas que flutuam no sangue. Essas proteínas atuam como mensageiras, refletindo o que está acontecendo dentro dos tecidos do corpo. Pesquisadores de instituições nos Estados Unidos, África do Sul, Reino Unido e Catar buscaram verificar se poderiam criar um "escore de proteína" que prediga o índice de massa corporal de uma pessoa e, mais importante, sua saúde metabólica subjacente. Eles queriam saber se esses sinais biológicos eram universais ou se funcionavam apenas para grupos específicos de pessoas. Para descobrir, analisaram amostras de sangue de mais de 50.000 adultos de quatro origens ancestrais diferentes: europeia, leste-asiática, sul-asiática e africana. Eles também incluíram um grupo específico de adultos de meia-idade de Soweto, na África do Sul, para garantir que os achados se aplicassem a populações diversas.

A equipe utilizou modelos computacionais avançados para filtrar milhares de proteínas e identificar quais estavam mais estreitamente ligadas à massa corporal. Eles construíram um escore único para cada grupo ancestral, treinando os modelos em um conjunto de dados e testando-os em outro. Os resultados foram impressionantes. Os escores de proteína foram capazes de explicar até quase 49 por cento da variação no índice de massa corporal entre esses diferentes grupos. Este nível de precisão é muito superior ao que é tipicamente alcançado com escores de risco genético, que frequentemente têm dificuldade em funcionar bem quando aplicados a pessoas de diferentes ancestralidades. O estudo mostrou que as previsões baseadas em proteínas eram portáteis; um escore desenvolvido para um grupo funcionava de forma notável para os outros. Isso sugere que as vias biológicas que impulsionam o peso corporal e o armazenamento de gordura são amplamente compartilhadas pela humanidade, independentemente da origem genética.

Aprofundando a investigação, os pesquisadores descobriram que oito proteínas específicas apareciam em todos os escores, independentemente da ancestralidade. Estas incluíam proteínas envolvidas em como o corpo armazena gordura, responde à fome e gerencia a inflamação. Ao usar dados genéticos para testar a relação de causa e efeito, eles confirmaram que seis dessas proteínas eram diretamente influenciadas pela massa corporal de uma pessoa. Em outras palavras, carregar mais peso altera os níveis dessas proteínas no sangue. Essa descoberta aponta para um conjunto central de marcadores biológicos que são fundamentais para a forma como o corpo lida com o peso. Os pesquisadores então testaram uma versão simplificada de seu escore usando apenas essas proteínas compartilhadas. Mesmo com essa lista menor e mais manejável, o escore permaneceu altamente preciso e pôde ser aplicado em diferentes plataformas de testes laboratoriais, provando sua robustez.

Talvez a descoberta mais convincente tenha surgido quando a equipe observou pessoas que eram classificadas com peso normal pelos padrões convencionais, mas que apresentavam sinais de problemas metabólicos. Em um grupo de adultos no Catar, os pesquisadores compararam o peso real na balança com o peso previsto pelo escore de proteína. Eles encontraram um grupo de indivíduos cujas proteínas sanguíneas sugeriam que eles carregavam o fardo metabólico da obesidade, embora seu IMC medido fosse normal. Esses indivíduos, frequentemente chamados de "peso normal metabolicamente não saudável", apresentavam níveis mais altos de gordura visceral perigosa, triglicerídeos elevados e menor sensibilidade à insulina em comparação com seus pares com pesos medidos semelhantes. O escore de proteína foi capaz de detectar esses riscos ocultos onde a balança não conseguiu.

O estudo também olhou para o futuro, acompanhando os participantes ao longo de vários anos para ver se os escores de proteína poderiam prever quem desenvolveria obesidade. Os escores tiveram sucesso em identificar indivíduos que provavelmente ganhariam peso significativo nos anos seguintes, apresentando bom desempenho tanto em populações europeias quanto do Oriente Médio. Essa capacidade de prever o risco sugere que esses marcadores proteicos podem se tornar ferramentas poderosas para intervenção precoce. Em vez de esperar que uma pessoa se torne acima do peso em uma balança, os médicos poderão, um dia, usar um simples exame de sangue para identificar aqueles cujos corpos já estão lutando contra o estresse metabólico. Ao revelar a biologia oculta do peso, esta pesquisa oferece uma maneira mais precisa de entender a saúde, indo além das limitações de um único número para enxergar a realidade complexa do corpo humano.

Resumo Técnico: Pontuações Proteômicas Plasmáticas para o Índice de Massa Corporal Generalizam-se entre Múltiplas Ancestralidades

Declaração do Problema
A obesidade é um principal fator de risco modificável para doenças cardiometabólicas (DCM), embora a triagem tradicional via Índice de Massa Corporal (IMC) exiba uma heterogeneidade significativa na predição de desfechos de saúde individuais. Indivíduos com valores de IMC idênticos podem possuir perfis de risco metabólico vastamente diferentes, levando à classificação errônea de indivíduos com "peso normal metabolicamente doente" (MUNW - metabolically unhealthy normal weight). Embora abordagens multiômicas (genética, metabolômica, proteômica) ofereçam potencial para refinar a estratificação de risco, as pontuações proteômicas de IMC existentes foram derivadas principalmente em populações europeias. Consequentemente, sua generalização para outras ancestralidades permanece incerta. Além disso, as pontuações de risco poligênico (PRS) para o IMC frequentemente sofrem de baixa portabilidade entre diversas populações devido a diferenças no desequilíbrio de ligação (LD) e nas frequências alélicas. Este estudo aborda a necessidade de determinar se as pontuações proteômicas plasmáticas para o IMC são portáteis entre ancestralidades e se podem capturar a disfunção metabólica independentemente de medidas antropométricas.

Metodologia
O estudo utilizou um design multi-coorte e multi-ancestralidade envolvendo 51.569 participantes do UK Biobank (UKBB) e da Coorte de Soweto de Idade Média da África do Sul (MASC), com validação no Qatar Biobank (QBB).

Coortes: A análise incluiu indivíduos de ancestralidades europeia, do leste asiático, do sul da Ásia e africana do UKBB ( $N=50.621$ ) e sul-africanos de ancestralidade africana da MASC ( $N=948$ ). Uma validação independente foi realizada no QBB ( $N=2.410$ ), uma população do Oriente Médio.
Plataformas Proteômicas: Os dados proteômicos foram gerados usando Olink (painéis CVD II e III) para UKBB e MASC, e SomaScan (versão 1.3) para QBB.
Desenvolvimento de Pontuação: Pontuações de IMC baseadas em proteínas plasmáticas ponderadas foram desenvolvidas para cinco grupos de ancestralidade distintos (contAFRPPS, EASPPS, SASPPS, diaAFRPPS, EURPPS) usando regressão LASSO adaptativa com validação cruzada de 10 dobras (10-fold cross-validation). Divisões de treinamento e teste foram aplicadas (70%/30%).
Avaliação de Cruzamento de Ancestralidade: Pontuações derivadas em uma ancestralidade foram aplicadas a outras para avaliar a portabilidade, medindo a variância da característica explicada fora da amostra ( $R^2$ ).
Inferência Causal: Uma Mendelian Randomization (MR) de duas amostras foi conduzida usando dados de GWAS do Million Veterans Program (IMC) e do UK Pharma Proteomics Project (proteínas) para estabelecer direções causais entre o IMC e biomarcadores proteicos compartilhados.
Análise de Discrepância: O estudo identificou indivíduos com IMC medido normal, mas IMC predito por proteômica elevado, para caracterizar o fenótipo MUNW.
Análise Longitudinal: Modelos de riscos proporcionais de Cox foram usados para prever a obesidade incidente (IMC $\ge$ 30 kg/m²) durante 6–9 anos de acompanhamento.
Recalibração de Multiplataforma: Uma pontuação parcimoniosa baseada em proteínas compartilhadas foi recalibrada usando ElasticNet para reduzir a lacuna entre as plataformas Olink e SomaScan para a análise do QBB.

Principais Contribuições e Resultados

Alta Portabilidade entre Ancestralidades: As pontuações de IMC baseadas em proteínas plasmáticas desenvolvidas em grupos de ancestralidade específicos generalizaram-se efetivamente para outros. Enquanto as pontuações específicas de ancestralidade explicaram de 55,3% a 67,6% da variância do IMC dentro de seus grupos de descoberta, elas mantiveram poder preditivo significativo entre as ancestralidades, explicando até 48,7% da variância do IMC fora da amostra. Este desempenho excede substancialmente as previsões típicas de PRS.
Identificação de Biomarcadores Compartilhados: Oito biomarcadores proteicos (ACE2, ADM, FABP4, GDF2, IGFBP2, LEP, PRELP e AGER) foram comuns a todas as cinco pontuações específicas de ancestralidade. Seis desses biomarcadores exibiram direções de coeficientes de modelo LASSO concordantes em todas as pontuações, enquanto dois (ACE2 e PRELP) mostraram padrões discordantes. Especificamente, a ACE2 foi positivamente associada ao IMC em todas as ancestralidades, exceto na de sul-africanos de ancestralidade africana, onde foi negativamente associada. A PRELP foi negativamente associada ao IMC em sul-africanos de ancestralidade africana, no grupo de africanos do UKBB e no leste asiático do UKBB, enquanto foi positivamente associada ao IMC nos outros grupos de ancestralidade.
Associações Causais: A análise de MR revelou que o IMC mais elevado influencia causalmente a expressão de seis das oito proteínas compartilhadas (diminuindo IGFBP2, AGER e GDF2; aumentando LEP, FABP4 e ADM). Inversamente, a expressão de AGER foi encontrada para aumentar causalmente o IMC, indicando uma relação causal reversa onde a proteína impulsiona o IMC, em vez de o IMC impulsionar a proteína.
Superioridade na Estratificação Metabólica: As pontuações de IMC proteômicas capturaram a variância de características cardiometabólicas (tecido adiposo visceral, triglicerídeos, sensibilidade à insulina) independentemente do IMC medido e da circunferência da cintura. Em participantes sul-africanos, as pontuações proteômicas explicaram variância adicional nessas características além do que foi capturado pelas medidas antropométricas.
Detecção de Peso Normal Metabolicamente Doente (MUNW): No QBB, indivíduos com IMC medido normal, mas IMC proteômico elevado (análise de discrepância), exibiram perfis metabólicos significativamente piores, incluindo maior índice TyG, HOMA-IR e menores QUICKI e colesterol HDL, em comparação com aqueles com pontuações baixas concordantes. A pontuação proteômica demonstrou um gradiente de deterioração metabólica mais acentuado através dos quintis de risco do que o IMC medido.
Generalização Multiplataforma: Uma pontuação parcimoniosa de seis proteínas (derivada das oito compartilhadas, excluindo duas não disponíveis no QBB) foi recalibrada com sucesso para a plataforma SomaScan. Esta pontuação de 6 proteínas explicou 46% da variância do IMC no QBB e manteve fortes associações com resistência à insulina e perfis lipídicos adversos, independentemente do IMC medido.
Predição Longitudinal: As pontuações proteômicas predisseram significativamente a obesidade incidente. Em europeus do UKBB, a pontuação de 8 proteínas derivada da ancestralidade africana (8protcontAFRPPS) alcançou um C-estatística de Harrell de 0,76, comparável à pontuação completa de 91 proteínas da ancestralidade africana (0,71). A pontuação de 6 proteínas no QBB também predisse significativamente a obesidade incidente (C-estatística 0,62).

Significância e Alegações
O artigo afirma que as pontuações de IMC de proteínas plasmáticas oferecem uma ferramenta robusta e portátil para a estratificação de risco cardiometabólico que transcende as barreiras da ancestralidade genética. Ao contrário das pontuações de risco poligênico, que são limitadas pelas estruturas de LD específicas de cada população, as pontuações proteômicas parecem capturar vias biológicas conservadas subjacentes à regulação metabólica.

O estudo postula que essas pontuações fornecem uma medida mais sensível da disfunção metabólica subjacente do que o IMC convencional, particularmente para identificar indivíduos com MUNW que apresentam risco elevado, apesar de medições antropométricas normais. Ao utilizar um conjunto parcimonioso de proteínas (de apenas seis), a abordagem demonstra potencial para uma avaliação de risco baseada em sangue escalável, que poderia ser implementada em ambientes de recursos limitados onde a imagem avançada de composição corporal não está disponível. Os achados sugerem que a integração de dados proteômicos com medidas antropométricas pode refinar a precisão da fenotipagem da obesidade e melhorar a predição do risco de doença cardiometabólica em diversas populações globais.

Mais como este