糖尿病肾病中预测非致命性主要不良心血管事件的多蛋白组合的发现与验证

《Frontiers in Endocrinology》:Discovery and validation of a multi-protein panel for predicting non-fatal major adverse cardiovascular events in diabetic kidney disease

【字体: 大 中 小 】 时间:2026年08月28日 来源:Frontiers in Endocrinology 5.7

编辑推荐:

  **摘要** **目的:** 识别与糖尿病肾病(DKD)患者发生非致命性主要不良心血管事件(MACE)相关的血浆蛋白质生物标志物。 **研究设计和方法:** 研究人员分析了来自英国生物银行(UK Biobank)的317例DKD患者。整合了血浆蛋白质组学和

  
**摘要**

**目的:** 识别与糖尿病肾病(DKD)患者发生非致命性主要不良心血管事件(MACE)相关的血浆蛋白质生物标志物。

**研究设计和方法:** 研究人员分析了来自英国生物银行(UK Biobank)的317例DKD患者。整合了血浆蛋白质组学和临床数据(人口统计学、代谢、肾功能)。在探索性发现阶段,三个序贯Cox回归模型(粗模型、社会人口学校正模型、社会人口学-代谢校正模型)筛选了与非致命性MACE相关的蛋白质。为防止信息泄露,队列随后被随机分为训练集(70%)和测试集(30%);机器学习特征选择、超参数优化和最终模型开发仅在训练集内进行。相关蛋白质被输入四步机器学习流程(LASSO-Cox、随机生存森林、Boruta、XGBoost-Cox)。使用Kaplan-Meier生存分析、纵向轨迹建模和ROC基准测试验证了预测性能。部署了一个交互式网络应用程序用于临床实施。

**结果:** 在1,463种血浆蛋白质中,561种与Cox模型中的非致命性MACE相关,其中14种蛋白质重叠。九个核心蛋白质(ANG, IL1R1, CXCL14, ESAM, PTGDS, HAVCR1, FGFR2, IGSF8, CCL3)得到验证:ANG显示出最强的非致命性MACE关联(HR = 3.88, 95%CI 2.33-6.48, p<0.001),所有高表达组的非致命性MACE风险均升高。GO/KEGG富集分析强调了炎症-免疫通路,如MAPK级联的正调控、细胞因子-细胞因子受体相互作用和PI3K-Akt信号通路,是关键机制。整合蛋白质、人口统计学因素和临床变量的模型在非致命性MACE(AUC = 0.768)、心肌梗死(MI)(0.808)和卒中(0.816)结局中均达到最高预测性能,且在交叉验证中具有优越的稳定性。通过101种算法的基准测试,CoxBoost + Elastic Net框架被选为最优框架。该模型在高风险患者中表现出良好的校准性,并在5%至45%的决策阈值范围内产生正向的净临床获益。该网络工具(https://jiangli2941.github.io/MACE-prediction-v2/)可输入28个变量,输出非致命性MACE风险状态、风险概率,并高亮异常指标。

**结论:** 血浆蛋白质组学结合机器学习可识别DKD中稳健的非致命性MACE预测因子。
**论文解读:基于血浆蛋白质组学与机器学习构建糖尿病肾病非致命性主要不良心血管事件预测模型**

**一、 研究背景与问题**

糖尿病肾病(diabetic kidney disease, DKD)已成为全球日益严峻的公共卫生问题,其发病率与患病率持续攀升。DKD患者不仅面临肾病进展的风险,还常常遭受心肌梗死、卒中(stroke)等主要不良心血管事件(major adverse cardiovascular events, MACE)的打击,给社会和家庭带来沉重负担。尽管DKD本身病程迁延且可能通过干预得以改变,但微血管基底膜增厚、高凝状态、低度炎症以及肾素-血管紧张素-醛固酮系统(renin-angiotensin-aldosterone system, RAAS)的持续激活共同构成了一个易损的微环境,使心肌和脑血管易于发生缺血。因此,MACE发生后预期寿命显著下降,这凸显了早期风险检测的紧迫性。

当代高敏肌钙蛋白、N末端前脑钠肽(NT-proBNP)和血液流变学标志物的进展深化了对MACE病理生理学的理解。然而,这些指标通常在明显缺血发生后6-12小时才升高,限制了其在原始预防中的应用。结构性影像学检查如心脏灌注显像或脑MRI可在症状出现前描绘代谢紊乱,但其相关成本、通量限制和辐射暴露使这些方法不适用于大规模筛查。因此,在DKD人群中,在发生不可逆器官损伤之前预测MACE的廉价、可扩展工具存在未满足的迫切需求。

近年来,基于血液的生物标志物研究取得重大进展,尤其是在血浆蛋白质组学领域。在心血管和代谢疾病背景下,这些分子已被证明对机制解析和风险分层具有重要价值。

**二、 研究目的与方法概述**

该研究旨在利用UK Biobank队列中的DKD参与者,鉴定与偶发非致命性MACE稳健相关的血浆蛋白质,并进一步融合蛋白质组学与临床特征,构建并验证一个可解释的、成本效益高的预测模型。研究人员通过整合Olink? Explore 3072平台生成的血浆蛋白质组学数据与详细的临床表型数据,采用严格的统计学和机器学习方法筛选并验证了核心蛋白质组合,最终部署了交互式网络工具以促进临床转化。

**三、 主要关键技术方法**

本研究使用的主要技术方法包括:
1. **基于UK Biobank的队列研究**:研究数据来源于英国生物银行(UK Biobank),这是一个覆盖超过50万39-70岁英国人群的前瞻性群体队列。研究最终纳入317例符合DKD诊断标准的参与者,中位随访时间为10.2年。
2. **高通量血浆蛋白质组学**:利用Olink? Explore 3072邻近延伸分析技术定量血浆蛋白质,产生log2标度的相对蛋白质表达值(Normalized Protein eXpression, NPX)。数据经过严格质量控制,缺失值采用链式方程多重插补处理。
3. **多阶段特征选择与模型构建**:首先,通过三个序贯Cox比例风险回归模型在全部队列中进行探索性筛选。随后,将队列随机分为训练集(70%)和测试集(30%),并在训练集内独立执行四步机器学习流程,包括LASSO-Cox、随机生存森林、Boruta和XGBoost-Cox,以逐步精简并确证核心蛋白质特征。最后,通过系统性的101种算法组合基准测试,选定CoxBoost + Elastic Net框架作为最终预测模型。
4. **模型性能评估与解释**:采用Kaplan-Meier生存分析、受试者工作特征曲线下面积(AUC)和Harrell's C-index评估模型性能。使用SHapley Additive exPlanations(SHAP)值解释模型预测,量化每个变量对个体风险的贡献。模型校准性和临床净获益通过校准曲线和决策曲线分析评估。

**四、 主要研究结果**

1. **参与者特征**:在317例基线无MACE的DKD成人中,随访期间68例(21.5%)发生非致命性事件(38例心肌梗死,34例卒中)。基线时,除MACE组冠心病患病率更高、糖尿病病程更长外,两组在人口统计学、人体测量学及大部分代谢指标上无显著差异,表明传统临床指标难以有效区分高危个体。

2. **蛋白质筛选与富集分析**:通过全队列探索性Cox分析,在1,463种血浆蛋白质中鉴定出561种与非致命性MACE显著相关,其中14种蛋白质在三个模型中均达到显著阈值。这14种蛋白质输入机器学习流程后,最终确定9个核心蛋白质(ANG、IL1R1、CXCL14、ESAM、PTGDS、HAVCR1、FGFR2、IGSF8、CCL3)。功能富集分析显示,这些蛋白质显著富集于炎症与免疫相关通路,如“MAPK级联正调控”、“白细胞迁移”、“细胞因子-细胞因子受体相互作用”及“PI3K-Akt信号通路”,提示慢性炎症微环境在DKD心血管并发症中的关键作用。

3. **核心蛋白质验证与生存分析**:基于Youden指数确定的最优截断值,将9种蛋白质分为高、低表达组。Kaplan-Meier生存分析显示,ANG(HR=3.88, 95%CI 2.33-6.48, p<0.001)、IL1R1、CXCL14、ESAM、PTGDS、HAVCR1、FGFR2、IGSF8和CCL3的高表达均与非致命性MACE风险增加显著相关。其中,ANG显示出最强的风险关联。纵向轨迹分析显示,所有9种蛋白质在事件发生前10年内存在显著组间差异,部分蛋白质(如IL1R1、CXCL14)持续升高,而其他蛋白质(如IGSF8、FGFR2)在事件临近时显著上升。敏感性分析证实除CCL3外,其余8种蛋白质的风险关联不受糖尿病病程、合并症和用药情况影响。

4. **预测模型性能与临床效用**:整合9种蛋白质、人口统计学因素和临床变量的组合模型在预测非致命性MACE(AUC=0.768)、心肌梗死(AUC=0.808)和卒中(AUC=0.816)方面均达到最高预测性能,且在重复交叉验证中表现出优越的稳定性。相比之下,未包含蛋白质的临床-人口统计学模型AUC最低(0.657),凸显了蛋白质组学数据的增量价值。通过101种算法组合基准测试,CoxBoost + Elastic Net框架被选定为最终模型,其在训练集和测试集中的C-index分别为0.69和0.76。模型校准曲线显示在高风险区域预测准确性良好,决策曲线分析表明在5%至45%的决策阈值范围内能提供正的净临床获益。

**五、 讨论与结论**

该研究系统性地鉴定并验证了9种与非致命性MACE相关的血浆蛋白质生物标志物。与既往研究相比,本模型特异性地聚焦于DKD人群,其蛋白质组合可能更倾向于捕获心肾损伤、内皮粘附、趋化因子信号和炎症重塑等过程。研究讨论部分指出,虽然GDF15和NT-proBNP等标志物在既往研究中具有预测价值,但在本研究的DKD特定抽样框架、非致命性MACE定义、Olink检测平台可用性、有限事件数及序贯特征选择流程下未能进入最终模型,这并非否定其预后价值,而是反映了研究设计对标志物谱构成的深刻影响。

研究还探讨了核心蛋白质(如ANG、FGFR2、PTGDS)的潜在病理生理学机制,包括血管生成、血管平滑肌细胞表型调节、炎症小体激活与脂质代谢紊乱等,为DKD相关心血管并发症的分子机制提供了见解。研究者指出本研究存在样本种族代表性不足、样本量相对较小、缺乏外部验证等局限性,并将当前结果视为有前景的内部验证发现,需在独立队列中进一步确认。模型基于Olink PEA平台的NPX值构建,预测结果具有平台特异性。

**结论**:该研究成功整合血浆蛋白质组学、临床与人口统计学因素,构建了DKD患者非致命性MACE的稳健预测模型。核心生物标志物(包括ANG、FGFR2和PTGDS)的鉴定揭示了DKD相关心血管并发症的分子机制。CoxBoost + Elastic Net框架表现出可接受的性能,并已部署为交互式网络工具以促进临床可及性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号