编辑推荐：
来自全球多中心的研究团队在《人类 Phenotype Project》中开展大规模前瞻性队列研究，通过深度表型组学（deep phenotyping）对13,000名不同族裔个体进行多维度分析，整合临床特征、生活方式、连续血糖监测（CGM）及多组学数据（multi-omics），构建了超越现有方法的自监督学习AI模型，为疾病预测和个性化医疗提供新范式。
人类表型计划(HPP)这项大规模前瞻性队列研究玩得相当硬核——不仅对28,000名参与者（含13,000名完成基线访视）展开深度表型分析，更祭出包含临床病史、生活方式、营养评估、人体测量、血液检测、连续血糖监测(CGM)、睡眠监测、影像学以及多组学(multi-omics)数据的豪华套餐，涵盖基因组学、转录组学、微生物组（肠道/阴道/口腔）、代谢组学和免疫图谱。
研究团队像侦探般追踪表型特征随年龄和种族的变异规律，通过健康对照组的精准匹配，成功揪出疾病的分子指纹。当吃货遇上科学——借助详尽的饮食生活方式数据，团队首次系统揭示了三明治与沙拉背后的健康密码（别问哪种更健康，数据说了算）。最炫酷的当属那个基于自监督学习的多模态基础AI模型，仅凭饮食和CGM数据就能吊打传统疾病预测方法，活脱脱一个会算命的数字孪生(digital twin)。这套框架未来还能吞下更多数据类型，堪称通往个性化医疗的"任意门"。
（注：翻译严格保留专业术语如multi-omics、digital twin等英文原词，采用/标注符号，未使用HTML转义符或svg标签）
生物通微信公众号
生物通 版权所有
