隊列筑基，智能賦能——第四屆尿液生物標志物學術研討會報告系列之隊列研究篇

　　6月27-28日，由中國醫學科學院基礎醫學研究所、北京師范大學生命科學學院聯合主辦的第四屆尿液生物標志物學術研討會（Urimarker 2026）暨“中國尿計劃”第四次會議在北京成功舉辦。會議匯聚國內頂尖高校、三甲醫院、科研機構及生物科技企業的專家學者，從隊列體系搭建、技術平臺革新、數據治理賦能、AI智能輔助、臨床場景應用等多維度展開深度研討，系統梳理了當前尿液多組學隊列研究的發展現狀、技術突破、現存短板與未來發展方向，為“中國尿計劃”的縱深推進、尿液生物標志物從基礎研究走向大規模臨床應用筑牢了理論與實踐基礎。

　　隊列研究作為解析人體疾病發生發展規律、挖掘可靠生物標志物、驗證診療技術有效性的核心科研范式，在尿液蛋白質組、抗體組、代謝組等多組學精準醫學研究中具備不可替代的核心價值。本次會議多項研究證實，依托大規模、標準化、高質量的人群隊列，能夠精準刻畫疾病流行特征、解析器官衰老與免疫失衡機制、挖掘疾病早期預警及預后評估標志物，是實現重大疾病早篩、分子分型、療效監測與健康精細化管理的關鍵支撐。相較于傳統研究樣本，尿液樣本具備無創便捷、可動態采集、適配大規模人群篩查的獨特優勢，成為當前臨床大隊列多組學研究的優質體液載體，也推動尿液隊列研究成為精準醫學領域的前沿研究方向。

　　當前國內尿液及多組學隊列研究已取得階段性突破，業內已建成多項覆蓋普通人群、特定職業人群、慢病高危人群的特色隊列，依托超千萬級臨床數據資源，初步實現了慢性腎病、心腦血管疾病、衰老相關疾病、膿毒癥等多種疾病的特征解析與風險預測。同時，高通量質譜檢測、全流程自動化樣本處理、多組學聯合分析等技術的迭代升級，解決了傳統隊列研究中樣本降解、檢測通量低、批次差異大等技術難題，大幅提升了隊列樣本的檢測精度與研究效率。AI大模型、智能檢索系統、本地化科研智能體、標準化ICD編碼體系等數字化工具的落地應用，也有效破解了多中心臨床數據異構、清洗整合難度大、專業檢索精準度不足等行業痛點，構建起“樣本采集-檢測分析-數據治理-智能研判”的全鏈條隊列研究支撐體系。

　　與此同時，本次會議也明確了當前隊列研究及尿液生物標志物臨床轉化的現存短板：體液衰老標志物作用機制尚未完全闡明、部分研究臨床驗證規模不足、多中心大隊列研究的標準化體系仍需完善、低成本普惠篩查方案有待進一步落地。針對以上問題，與會專家圍繞隊列精細化建設、多組學技術融合、臨床轉化落地、數據安全與智能賦能等核心方向，分享了前沿研究成果與創新解決方案，為后續規范化開展高質量隊列研究、推動尿液多組學技術臨床規模化應用提供了全新思路與實踐路徑。

　　現將相關專家的核心報告內容梳理如下：

報告人：國家蛋白質科學中心 于曉波 研究員

報告題目：尿液蛋白質組與抗體大數據精準醫學的新型體液窗口

　　于曉波在報告中指出，體液抗體具有樣本獲取便捷、穩定性高及生物信號天然放大等獨特優勢，是開展大規模人群研究和疾病動態監測的重要生物標志物來源。其團隊通過構建 Human Autoantigen Atlas（人體自身抗原圖譜）、開發高通量抗體大數據芯片和自動化檢測平臺，并結合 AI 智能分析系統，實現了對超微量血液、尿液、腦脊液、淚液等多種體液樣本的高效、高靈敏度檢測。該技術體系已在癌癥、自身免疫病早期預警、分子分型以及腫瘤免疫治療療效監測等領域展現出顯著的臨床轉化潛力。報告最后，于曉波倡議依托“中國尿計劃”，推動尿液蛋白質組與尿液抗體組的深度融合研究，共同解析人體免疫狀態，為重大疾病的精準診斷、療效評估及健康管理提供新的技術路徑。

報告人：清華大學 鄧海騰 教授

報告題目：器官衰老的體液分析

　　鄧海騰教授團隊依托高通量質譜技術，對血液與尿液中的蛋白質組及代謝物進行深度分析，成功構建了基于GDF15升高及白蛋白降低等關鍵指標的生物學年齡預測模型。研究對比了血液與尿液在衰老及急性炎癥中的標志物差異，發現尿液中特定蛋白組合能有效預測膿毒癥患者預后。鄧海騰教授強調，當前體液衰老標志物研究存在機制待闡明、臨床驗證不足等短板，后續團隊將重點推進臨床轉化，落地無創尿液衰老檢測技術。

報告人：北京大學第一醫院 張路霞 教授

報告題目：高質量數據集賦能醫學科技創新

　　張路霞教授團隊依托中國腎臟疾病數據網絡（CK-NET）整合超4000萬人數據，精準刻畫了我國慢性腎臟病及心腎代謝綜合征的流行特征。基于此，團隊不僅提出針對45歲以上人群普查的疾病防控新策略，還融合AI技術開發了即時檢測系統與“腎說”大模型等數字化工具，顯著提升基層篩查與風險預測能力。

報告人：吉林大學中日聯誼醫院 崔璨璨 副研究員

報告題目：人群隊列建設的研究方案

　　報告深入剖析了隊列建設中代表性與失訪率的平衡，并以CHARLS、開灤隊列及美國護士健康研究為例，強調了標準化問卷與生物樣本庫的核心價值。崔璨璨重點介紹了其團隊建設的“中國亞臨床動脈粥樣硬化白衣影像隊列（CLEAR隊列）”。該研究瞄準“零到斑塊發生”的國際研究盲區，創新性建設30-60歲醫務人群精細隊列，重點探究動脈粥樣硬化從無到有的早期發生過程。該隊列依托影像學精準檢測、多維度生物樣本采集及標準化問卷體系，兼顧研究深度與低失訪率，同時探索低成本篩查方案，為心腦血管疾病早期防控的臨床研究提供全新隊列范式。

報告人：華大基因質譜專項蛋白組學研發負責人 徐寅泰

報告題目：整合自動化樣本處理體系的尿液蛋白質組學平臺：邁向臨床大隊列應用

　　針對臨床大隊列研究需求，華大基因質譜團隊構建了一套涵蓋尿液采集、前處理及檢測的全流程自動化平臺。前期研究中發現樣本凍融會導致低分子量蛋白降解，該平臺自動化高通量采集存儲樣本的能力解決了在未來臨床大隊列中可能由此引發的批次性問題，通過建立并優化磁珠法，去除了丙酮純化及離心等限速步驟，將前處理通量提升20倍，此外，團隊還聯合多中心數據篩選出29個潛在的尿液穩定蛋白，為定量歸一化提供了新工具。目前整套采集-前處理-檢測自動化流程已落地中國尿計劃，后續團隊將拓展翻譯后修飾等多組學技術，完善穩定蛋白臨床大規模驗證，推動尿液標志物技術落地臨床大隊列應用。

報告人：北京鴻志遠航科技有限公司CTO 王云鋒

報告題目：讓智能體接管“臟活累活”：一個通用Agent如何輔助尿液多組學研究

　　王云鋒指出，針對公開大模型在數據安全、地緣合規及業務深度上的局限，科研工作需部署本地化Agent系統。他解析了Agent的任務分解與自動規劃機制，并演示了其團隊研發的混合架構Agent，該系統能高效完成文獻檢索、代碼生成與自動化測試。同時王云鋒強調，AI智能體僅能承擔輔助性工作，無法替代科研核心研判與創新，建議科研場景優先采用本地私有化智能體，平衡科研效率與數據安全。

報告人：吉林大學中日聯誼醫院 于夢溪 博士

報告題目：多中心臨床報告整合與icd編碼

　　針對多中心臨床數據存在的字段命名混亂、計量單位不一及非結構化文本處理難等挑戰，于夢溪博士團隊提出了“基礎清洗+AI輔助”的雙管線解決方案。該方案通過構建映射注冊表、文本原子化及正則規則清洗，并結合大語言模型（LLM）實現ICD編碼的自動化與標準化。目前，該流程已成功處理來自6個中心的6786例樣本，有效提升了異構數據的整合效率與質量，為大規模臨床研究提供了堅實的數據支撐。

報告人：北京及遇智悅生物科技有限公司創始人 邵晨 博士

報告題目：基于本體精準語義的尿液知識庫智能檢索系統

　　邵晨博士回顧了尿液生物標志物知識庫從手工構建到大模型輔助的十五年發展歷程，針對通用大模型在專業文獻檢索中的“幻覺”與 術語概念的準確性問題，提出引入生物醫學本體進行精準的語義索引與跨庫ID映射。團隊結合MCP接口與多智能體架構，構建了可溯源的智能檢索底座，并通過強制執行預設置SOP與外部記憶機制，有效保障了科研檢索的嚴謹性與準確性，為尿液生物標志物研究提供了高效、可靠的AI輔助新范式。

報告人：武漢邁維代謝產品總監 石堅

報告題目：蛋白組與代謝組在隊列研究中的價值與實踐

　　報告指出，隊列研究不僅具有解析機制的科研價值，更在臨床轉化與社會效益方面潛力巨大。針對目前高質量多組學數據匱乏的現狀，石堅詳細介紹了邁維代謝公司提出的Olink/SomaSeq與LC-MS雙平臺互補的蛋白組學解決方案，以及覆蓋脂質與小分子的“Quant 10K?”絕對定量方案，旨在解決大隊列研究中檢測深度、定性定量準確性及跨批次穩定性的痛點。此外，他還分享了基于AI算法結合HE染色與空間轉錄組的新型空間蛋白組技術。該系列全流程解決方案，將助力“中國尿計劃”及臨床大隊列研究邁上新臺階。