基于蛋白质组学的eGFR联合五蛋白模型预测2型糖尿病患者慢性肾病风险

《ASN Publications》：Sodium-Glucose Cotransporter 2 Inhibitors Prevent Nephrolithiasis in Patients with Diabetes: A TriNetX-Based Real-World Global Comparison

本研究针对糖尿病缺乏非侵入性慢性肾病(CKD)预测标志物的难题，通过靶向蛋白组学分析发现AMBP、MMP7等5个关键蛋白标志物，结合eGFR构建的"eGFR+FPPC"预测模型在UK Biobank验证中AUC达0.82，显著优于传统临床模型，为糖尿病肾病早期预警提供新策略。

　　

研究人员开展了一项突破性研究，旨在解决2型糖尿病患者缺乏有效慢性肾病(CKD)预测工具的临床难题。他们采用靶向Olink血浆蛋白质组学技术，对368种蛋白质进行深度扫描，首先在中国糖尿病队列中开展巢式病例对照研究（132例CKD患者与132例对照），随后在英国生物样本库(UK Biobank)的1580人训练集和677人验证集中进行机器学习建模。

通过Boruta、支持向量机(SVM)和极限梯度提升(XGBoost)三种算法筛选出18个关键蛋白标志物，其中12个在东西方队列中呈现一致预测效能。最终构建的"eGFR+五蛋白面板预测CKD(eGFR+FPPC)"模型，整合了肾小球滤过率(eGFR)与AMBP、MMP7、PGF、TRAILR2和KIM1五种生物标志物。该模型在验证集中展现出卓越的预测性能（训练集AUC=0.82[0.79-0.85]，测试集AUC=0.80[0.74-0.86]），且比传统临床模型产生更少的模糊判断结果。

这项跨人群验证研究首次建立了适用于不同种族的糖尿病肾病蛋白质预测体系，为早期干预提供了精准医学新路径。模型中的KIM1(肾损伤分子-1)等蛋白已被证实与肾小管损伤机制密切相关，而TRAILR2则涉及细胞凋亡通路，揭示了糖尿病肾病的新型分子机制。