队列筑基，智能赋能——第四届尿液生物标志物学术研讨会报告系列之队列研究篇

　　6月27-28日，由中国医学科学院基础医学研究所、北京师范大学生命科学学院联合主办的第四届尿液生物标志物学术研讨会（Urimarker 2026）暨“中国尿计划”第四次会议在北京成功举办。会议汇聚国内顶尖高校、三甲医院、科研机构及生物科技企业的专家学者，从队列体系搭建、技术平台革新、数据治理赋能、AI智能辅助、临床场景应用等多维度展开深度研讨，系统梳理了当前尿液多组学队列研究的发展现状、技术突破、现存短板与未来发展方向，为“中国尿计划”的纵深推进、尿液生物标志物从基础研究走向大规模临床应用筑牢了理论与实践基础。

　　队列研究作为解析人体疾病发生发展规律、挖掘可靠生物标志物、验证诊疗技术有效性的核心科研范式，在尿液蛋白质组、抗体组、代谢组等多组学精准医学研究中具备不可替代的核心价值。本次会议多项研究证实，依托大规模、标准化、高质量的人群队列，能够精准刻画疾病流行特征、解析器官衰老与免疫失衡机制、挖掘疾病早期预警及预后评估标志物，是实现重大疾病早筛、分子分型、疗效监测与健康精细化管理的关键支撑。相较于传统研究样本，尿液样本具备无创便捷、可动态采集、适配大规模人群筛查的独特优势，成为当前临床大队列多组学研究的优质体液载体，也推动尿液队列研究成为精准医学领域的前沿研究方向。

　　当前国内尿液及多组学队列研究已取得阶段性突破，业内已建成多项覆盖普通人群、特定职业人群、慢病高危人群的特色队列，依托超千万级临床数据资源，初步实现了慢性肾病、心脑血管疾病、衰老相关疾病、脓毒症等多种疾病的特征解析与风险预测。同时，高通量质谱检测、全流程自动化样本处理、多组学联合分析等技术的迭代升级，解决了传统队列研究中样本降解、检测通量低、批次差异大等技术难题，大幅提升了队列样本的检测精度与研究效率。AI大模型、智能检索系统、本地化科研智能体、标准化ICD编码体系等数字化工具的落地应用，也有效破解了多中心临床数据异构、清洗整合难度大、专业检索精准度不足等行业痛点，构建起“样本采集-检测分析-数据治理-智能研判”的全链条队列研究支撑体系。

　　与此同时，本次会议也明确了当前队列研究及尿液生物标志物临床转化的现存短板：体液衰老标志物作用机制尚未完全阐明、部分研究临床验证规模不足、多中心大队列研究的标准化体系仍需完善、低成本普惠筛查方案有待进一步落地。针对以上问题，与会专家围绕队列精细化建设、多组学技术融合、临床转化落地、数据安全与智能赋能等核心方向，分享了前沿研究成果与创新解决方案，为后续规范化开展高质量队列研究、推动尿液多组学技术临床规模化应用提供了全新思路与实践路径。

　　现将相关专家的核心报告内容梳理如下：

报告人：国家蛋白质科学中心 于晓波 研究员

报告题目：尿液蛋白质组与抗体大数据精准医学的新型体液窗口

　　于晓波在报告中指出，体液抗体具有样本获取便捷、稳定性高及生物信号天然放大等独特优势，是开展大规模人群研究和疾病动态监测的重要生物标志物来源。其团队通过构建 Human Autoantigen Atlas（人体自身抗原图谱）、开发高通量抗体大数据芯片和自动化检测平台，并结合 AI 智能分析系统，实现了对超微量血液、尿液、脑脊液、泪液等多种体液样本的高效、高灵敏度检测。该技术体系已在癌症、自身免疫病早期预警、分子分型以及肿瘤免疫治疗疗效监测等领域展现出显著的临床转化潜力。报告最后，于晓波倡议依托“中国尿计划”，推动尿液蛋白质组与尿液抗体组的深度融合研究，共同解析人体免疫状态，为重大疾病的精准诊断、疗效评估及健康管理提供新的技术路径。

报告人：清华大学 邓海腾 教授

报告题目：器官衰老的体液分析

　　邓海腾教授团队依托高通量质谱技术，对血液与尿液中的蛋白质组及代谢物进行深度分析，成功构建了基于GDF15升高及白蛋白降低等关键指标的生物学年龄预测模型。研究对比了血液与尿液在衰老及急性炎症中的标志物差异，发现尿液中特定蛋白组合能有效预测脓毒症患者预后。邓海腾教授强调，当前体液衰老标志物研究存在机制待阐明、临床验证不足等短板，后续团队将重点推进临床转化，落地无创尿液衰老检测技术。

报告人：北京大学第一医院 张路霞 教授

报告题目：高质量数据集赋能医学科技创新

　　张路霞教授团队依托中国肾脏疾病数据网络（CK-NET）整合超4000万人数据，精准刻画了我国慢性肾脏病及心肾代谢综合征的流行特征。基于此，团队不仅提出针对45岁以上人群普查的疾病防控新策略，还融合AI技术开发了即时检测系统与“肾说”大模型等数字化工具，显著提升基层筛查与风险预测能力。

报告人：吉林大学中日联谊医院 崔璨璨 副研究员

报告题目：人群队列建设的研究方案

　　报告深入剖析了队列建设中代表性与失访率的平衡，并以CHARLS、开滦队列及美国护士健康研究为例，强调了标准化问卷与生物样本库的核心价值。崔璨璨重点介绍了其团队建设的“中国亚临床动脉粥样硬化白衣影像队列（CLEAR队列）”。该研究瞄准“零到斑块发生”的国际研究盲区，创新性建设30-60岁医务人群精细队列，重点探究动脉粥样硬化从无到有的早期发生过程。该队列依托影像学精准检测、多维度生物样本采集及标准化问卷体系，兼顾研究深度与低失访率，同时探索低成本筛查方案，为心脑血管疾病早期防控的临床研究提供全新队列范式。

报告人：华大基因质谱专项蛋白组学研发负责人 徐寅泰

报告题目：整合自动化样本处理体系的尿液蛋白质组学平台：迈向临床大队列应用

　　针对临床大队列研究需求，华大基因质谱团队构建了一套涵盖尿液采集、前处理及检测的全流程自动化平台。前期研究中发现样本冻融会导致低分子量蛋白降解，该平台自动化高通量采集存储样本的能力解决了在未来临床大队列中可能由此引发的批次性问题，通过建立并优化磁珠法，去除了丙酮纯化及离心等限速步骤，将前处理通量提升20倍，此外，团队还联合多中心数据筛选出29个潜在的尿液稳定蛋白，为定量归一化提供了新工具。目前整套采集-前处理-检测自动化流程已落地中国尿计划，后续团队将拓展翻译后修饰等多组学技术，完善稳定蛋白临床大规模验证，推动尿液标志物技术落地临床大队列应用。

报告人：北京鸿志远航科技有限公司CTO 王云锋

报告题目：让智能体接管“脏活累活”：一个通用Agent如何辅助尿液多组学研究

　　王云锋指出，针对公开大模型在数据安全、地缘合规及业务深度上的局限，科研工作需部署本地化Agent系统。他解析了Agent的任务分解与自动规划机制，并演示了其团队研发的混合架构Agent，该系统能高效完成文献检索、代码生成与自动化测试。同时王云锋强调，AI智能体仅能承担辅助性工作，无法替代科研核心研判与创新，建议科研场景优先采用本地私有化智能体，平衡科研效率与数据安全。

报告人：吉林大学中日联谊医院 于梦溪 博士

报告题目：多中心临床报告整合与icd编码

　　针对多中心临床数据存在的字段命名混乱、计量单位不一及非结构化文本处理难等挑战，于梦溪博士团队提出了“基础清洗+AI辅助”的双管线解决方案。该方案通过构建映射注册表、文本原子化及正则规则清洗，并结合大语言模型（LLM）实现ICD编码的自动化与标准化。目前，该流程已成功处理来自6个中心的6786例样本，有效提升了异构数据的整合效率与质量，为大规模临床研究提供了坚实的数据支撑。

报告人：北京及遇智悦生物科技有限公司创始人 邵晨 博士

报告题目：基于本体精准语义的尿液知识库智能检索系统

　　邵晨博士回顾了尿液生物标志物知识库从手工构建到大模型辅助的十五年发展历程，针对通用大模型在专业文献检索中的“幻觉”与 术语概念的准确性问题，提出引入生物医学本体进行精准的语义索引与跨库ID映射。团队结合MCP接口与多智能体架构，构建了可溯源的智能检索底座，并通过强制执行预设置SOP与外部记忆机制，有效保障了科研检索的严谨性与准确性，为尿液生物标志物研究提供了高效、可靠的AI辅助新范式。

报告人：武汉迈维代谢产品总监 石坚

报告题目：蛋白组与代谢组在队列研究中的价值与实践

　　报告指出，队列研究不仅具有解析机制的科研价值，更在临床转化与社会效益方面潜力巨大。针对目前高质量多组学数据匮乏的现状，石坚详细介绍了迈维代谢公司提出的Olink/SomaSeq与LC-MS双平台互补的蛋白组学解决方案，以及覆盖脂质与小分子的“Quant 10K™”绝对定量方案，旨在解决大队列研究中检测深度、定性定量准确性及跨批次稳定性的痛点。此外，他还分享了基于AI算法结合HE染色与空间转录组的新型空间蛋白组技术。该系列全流程解决方案，将助力“中国尿计划”及临床大队列研究迈上新台阶。