《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》:Chemometrics-assisted FTIR and machine learning for biochemical profiling of human skeletal muscles in relation to type 2 diabetes
编辑推荐:
全球糖尿病(DM)患者数量预计到2050年将达到8.53亿,这凸显了深入理解糖尿病相关组织改变及其对慢性并发症贡献机制的迫切需求。由于疾病的病理生理机制通常表现为受累组织大分子组成的改变,因此更深入地认识这些分子变化有助于阐明DM如何影响代谢关键器官,尤其是骨
全球糖尿病(DM)患者数量预计到2050年将达到8.53亿,这凸显了深入理解糖尿病相关组织改变及其对慢性并发症贡献机制的迫切需求。由于疾病的病理生理机制通常表现为受累组织大分子组成的改变,因此更深入地认识这些分子变化有助于阐明DM如何影响代谢关键器官,尤其是骨骼肌。骨骼肌约占总体重的40%,是胰岛素刺激下葡萄糖处置的主要场所,介导了约80%的胰岛素刺激葡萄糖摄取。因此,骨骼肌胰岛素敏感性受损会导致全身代谢失调及多种相关疾病中心血管风险升高。此外,代谢灵活性受损——表现为骨骼肌根据生物能量需求在碳水化合物与脂质燃料之间切换的能力下降——是胰岛素抵抗性代谢紊乱的主要特征。尽管骨骼肌具有核心病理生理作用,但对DM所致骨骼肌生化改变的整体表征在技术上仍具挑战性且发展尚不完善。传统的靶向分子、生化和组织化学检测方法能提供高度信息化的见解,但不适合在大量尸检样本中进行广泛、同步的大分子筛查。为克服这些局限,振动光谱——包括红外(IR)和拉曼光谱——已成为生物医学组织研究的强有力替代方案。该方法可在单次实验中同时检测多个官能团的细微生化变化,且所需样品制备极少。在现有测量手段中,傅里叶变换红外(FTIR)光谱提供了具有不同实验优势的多种模式。特别是衰减全反射(ATR)模式日益广泛地应用于组织分析,因为它特别适合对水合组织样本进行快速、无损、高通量筛查。近年来,这些不同IR测量模式产生的数据已广泛与化学计量学和机器学习相结合,实现了先进的分子谱分析和疾病诊断。在糖尿病研究领域,振动光谱已在多种生物组织研究中得到评估。研究人员在前期工作的基础上,对方法学框架进行了改进、升级和优化,应用于本研究中的400份骨骼肌样本(来自40名非T2D个体和40名T2D个体的五种肌肉类型)。本研究的第一目标是证明将ATR-FTIR光谱与调优的化学计量学分解相结合,能够成功识别人类骨骼肌的关键大分子组成,并建立相应描述符以量化T2D相关的组成变化。第二目标是利用机器学习算法丰富这一生化谱分析,以捕获区分健康组织与T2D受累组织的潜在组成模式。研究人员假设,尽管T2D所致组织大分子改变预计是微妙的,但可通过所提出的方法加以识别。所得见解可能有助于阐明糖尿病相关骨骼肌功能障碍的分子层面,并为未来糖尿病肌病研究提供指导。
论文解读
一、研究背景与问题
全球糖尿病(DM)患者数量预计到2050年将达到8.53亿,这一严峻形势凸显了深入理解糖尿病相关组织改变及其对慢性并发症贡献机制的迫切性。疾病的病理生理机制通常表现为受累组织大分子组成的改变,因此对这些分子变化的深入认识有助于阐明糖尿病如何影响代谢关键器官。骨骼肌约占人体总体重的40%,是胰岛素刺激下葡萄糖处置的主要场所,介导约80%的胰岛素刺激葡萄糖摄取。骨骼肌胰岛素敏感性受损会导致全身代谢失调及心血管风险升高。此外,代谢灵活性受损——即骨骼肌根据生物能量需求在碳水化合物与脂质燃料之间切换的能力下降——是胰岛素抵抗性代谢紊乱的主要特征。
然而,对糖尿病所致骨骼肌生化改变的整体表征在技术上仍具挑战性。传统靶向分子、生化和组织化学检测方法虽能提供高度信息化的见解,但不适合在大量尸检样本中进行广泛、同步的大分子筛查。多数研究仅关注与糖尿病相关骨骼肌功能障碍有关的特定生物分子类别或通路,可能忽视主要大分子组织成分之间更广泛的关联性变化。为克服这些局限,振动光谱——涵盖红外(IR)和拉曼光谱——已成为生物医学组织研究的强有力替代方案,能够在单次实验中同时检测多个官能团的细微生化变化,且所需样品制备极少。
在现有测量手段中,傅里叶变换红外(FTIR)光谱的衰减全反射(ATR)模式日益广泛地应用于组织分析,特别适合对水合组织样本进行快速、无损、高通量筛查,同时规避了透射和反射模式在分析致密生物物质时的严格样品厚度限制和散射伪影。近年来,这些数据已广泛与化学计量学和机器学习相结合,实现了先进的分子谱分析和疾病诊断。在糖尿病研究领域,振动光谱已在血液、血清、唾液、尿液、骨、肺水肿液等多种生物组织中用于检测糖尿病的新型生物标志物。骨骼肌在糖尿病病理框架中的研究主要集中于肥胖、胰岛素抵抗和链脲佐菌素(STZ)诱导的1型糖尿病动物模型。研究人员的前期试点研究首次分析了2型糖尿病(T2D)影响下的人类骨骼肌组成,利用探索性多元分解对红外光谱进行了分析。
二、研究目的与意义
本研究在前期工作基础上,对方法学框架进行了改进、升级和优化,应用于400份骨骼肌样本的大规模研究,样本来自40名非T2D个体和40名T2D个体的五种肌肉类型。研究的第一目标是证明将ATR-FTIR光谱与调优的化学计量学分解相结合,能够成功识别人类骨骼肌的关键大分子组成,并建立相应描述符以量化T2D相关的组成变化。第二目标是利用机器学习算法丰富生化谱分析,以捕获区分健康组织与T2D受累组织的潜在组成模式。研究人员假设,尽管T2D所致组织大分子改变预计是微妙的,但可通过所提出的方法加以识别。所得见解可能有助于阐明糖尿病相关骨骼肌功能障碍的分子层面,并为未来糖尿病肌病研究提供指导。
三、关键技术方法
研究人员采用了多步骤的方法学框架。首先,使用配备单反射金刚石ATR池的Bruker Vertex 80光谱仪采集ATR-FTIR光谱,每份样本在4000 cm?1至600 cm?1范围内以2 cm?1分辨率平均128次扫描。样本来自斯洛文尼亚卢布尔雅那大学法医学研究所尸检的80名男性个体(40名T2D患者和40名对照),涵盖五种骨骼肌类型:膈肌(DIA)、肋间外肌(EXT)、肩胛提肌(LEV)、头夹肌(SPL)和股外侧肌(VL),分别代表呼吸、姿势和运动功能。其次,利用多元曲线分辨-交替最小二乘法(MCR-ALS)对光谱进行多步骤分解,先分离脂肪组织和水的贡献,再将纯骨骼肌光谱分解为五个固态组织成分和一个体液水分成分。最后,应用无监督和有监督的机器学习算法对高维数据和/或特征选择数据进行建模,以区分健康与T2D受累组织。
四、研究结果
4.1 受试者特征
研究纳入80名男性尸检个体,T2D组和对照组各40名。两组在年龄(对照组67.7±11.4岁,T2D组72.1±7.6岁,p=0.047)和BMI(对照组27.3±4.1,T2D组29.5±5.2,p=0.039)上存在统计学差异,因此这两个变量作为协变量纳入后续统计分析。T2D组记录病程为17±8年,45%的病例接受伴随胰岛素治疗。对照组通过病史和尸检糖化血红蛋白(HbA1c)水平确认排除T2D及其他可能影响骨骼肌的血糖表型,对照组HbA1c为5.5±0.3%,显著低于T2D组的7.6±1.5%(p<0.001)。
4.2 MCR-ALS分解识别骨骼肌大分子组成
通过多步骤MCR-ALS分解,研究人员将归一化的纯骨骼肌光谱分解为六个主要组分:五个固态组织组分(SC1至SC5)和一个体液水分组分(BW)。每个组分代表特定的分子基团,提供了用于比较骨骼肌的新描述符。通过非负性约束、初始估计调控和组分数量优化,确保每个分解步骤中至少解析出一个具有有意义生化谱的组分,并验证了扣除有意义组分后残差谱中无负谱带。
4.3 机器学习区分T2D与对照组织
研究人员对生成的光谱数据应用了无监督和有监督的机器学习算法,包括对高维数据、特征选择数据或两者的建模。通过机器学习捕获潜在的组成模式,以区分健康组织与T2D受累组织,验证了尽管T2D所致组织大分子改变微妙,但可通过所提出的方法加以识别的研究假设。
五、讨论与结论
讨论部分强调了将ATR-FTIR光谱与调优的化学计量学分解和机器学习相结合的方法学优势。该方法能够在单次实验中同时检测多个大分子基团的细微生化变化,适用于大量尸检样本的广泛筛查,克服了传统靶向方法仅关注特定生物分子类别的局限。研究建立的大分子组成描述符可量化T2D相关的骨骼肌组成变化,机器学习模型能够捕获区分健康与T2D受累组织的潜在组成模式。
研究结论指出,尽管T2D所致骨骼肌大分子改变是微妙的,但通过所提出的整合方法能够成功识别。该方法学框架不仅适用于骨骼肌和糖尿病研究,还可转移至其他组织和疾病的研究。所得见解有助于阐明糖尿病相关骨骼肌功能障碍的分子层面,为未来糖尿病肌病研究提供指导。研究还生成了与糖尿病研究相关的原始实验数据,为后续研究提供了宝贵资源。