糖尿病肾病“毕加索面孔”：表型分型与分子标志物如何革新临床肾脏病学

《BMC Nephrology》：The “Picasso faces” of diabetic kidney disease – how the art of phenotyping and molecular biomarkers is transforming clinical nephrology: an observational study in patients with type 2 diabetes

本研究针对2型糖尿病(T2DM)中糖尿病肾病(DKD)的高度异质性难题，通过一项观察性研究评估了microRNAs等生物标志物在DKD表型分型和肾功能预测中的价值。研究发现血管紧张素转换酶(ACE)、血浆致动脉硬化指数(AIP)及hsa-miR-126-3p和hsa-miR-423-5p等分子标志物可有效区分DKD临床表型，并构建了高精度的判别模型。该研究为DKD的早期风险分层及个体化肾脏保护策略的实施提供了新思路。

　　

糖尿病已成为全球性的重大健康挑战，其患病率持续攀升。作为糖尿病最常见且严重的微血管并发症之一，糖尿病肾病(Diabetic Kidney Disease, DKD)影响着约30-40%的糖尿病患者，是导致慢性肾脏病(Chronic Kidney Disease, CKD)和心血管事件风险增加的主要原因。传统的DKD认知主要基于蛋白尿和肾功能下降的线性进展模式，然而，临床实践表明，DKD的临床表现极具“异质性”——如同毕加索的画作，呈现出多样化的“面孔”。有些患者表现为典型的蛋白尿伴随肾功能减退（经典表型），而另一些患者则可能肾功能严重受损却无明显蛋白尿（非蛋白尿表型）。这种异质性使得早期准确的风险评估和个体化治疗面临巨大挑战，因为传统的危险因素如高血压、高血糖等并不能完全解释非蛋白尿型DKD的发病和进展机制。

在此背景下，表型分型（Phenotyping）和分子生物标志物的探索成为转化临床肾脏病学的关键。本研究旨在通过对2型糖尿病(T2DM)患者进行系统的临床表型划分，并整合分子标志物（如microRNAs）分析，以期揭示不同DKD表型背后的潜在病理生理机制，并为临床实践提供新的风险预测工具。

本研究前瞻性招募了97名T2DM患者，最终79名患者根据估算肾小球滤过率(eGFR)和尿白蛋白/肌酐比值(UACR)被划分为三个核心DKD表型：F1（蛋白尿型，eGFR<60且UACR≥300）、F2（非蛋白尿且肾功能保留型，eGFR≥60且UACR≤30）和F3（非蛋白尿但肾功能减退型，eGFR<60且UACR≤30）。此外，一个UACR在30-300 mg/g之间的F4亚组被描述性呈现，但未纳入主要分析。研究人员采集了患者的血清样本，采用酶联免疫吸附测定(ELISA)检测了血管紧张素转换酶(ACE)和血管内皮生长因子A(VEGF-A)的浓度，并通过免疫分析法测定了血清中hsa-miR-126-3p和hsa-miR-423-5p的表达水平。统计分析采用了多种方法，包括Spearman相关性分析、多元回归分析、偏最小二乘结构方程模型(PLS-SEM)以及判别分析，以探究生物标志物与肾功能指标的关系，并建立表型分类模型。

研究结果

患者队列特征与临床表型比较

研究队列平均年龄为67岁，女性占60.8%，肥胖普遍（平均BMI为31.4 kg/m²）。基线平均eGFR为59.7 mL/min/1.73 m²，平均UACR为100.6 mg/g。对不同表型进行比较发现，F1表型患者ACE水平最高，高密度脂蛋白胆固醇(HDL-C)最低，微血管并发症（如视网膜病变）和透析需求最多见，死亡率也最高。F2表型患者肾功能最佳，ACE和hsa-miR-126-3p水平最低，女性比例最高，心血管并发症最少。F3表型患者年龄最大，尿酸水平最高。冠状动脉疾病在F1和F3表型中更常见，而卒中仅见于F1和F2表型。这些结果凸显了不同DKD表型在临床和生化特征上的显著差异。

循环miRNAs与肾功能指标的相关性

在整体队列中，hsa-miR-423-5p与eGFR呈正相关（相关系数=0.23），与UACR呈负相关（相关系数=-0.29）。相反，hsa-miR-126-3p与UACR呈正相关（相关系数=0.24），与eGFR无显著相关性。尽管相关系数较小，但其方向具有生物学一致性，提示这两种miRNA可能参与了DKD不同方面的病理过程。

肾功能决定因素的多元回归与PLS-SEM模型

多元回归分析显示，ACE（β = -0.478）、年龄（β = -0.336）和AIP（β = -0.245）是eGFR的独立负向预测因子，而hsa-miR-423-5p（β = 0.138）是正向预测因子，该模型解释了eGFR 61.9%的方差。

PLS-SEM模型进一步揭示了变量间的复杂关系。该模型整体拟合良好（SRMR=0.024），解释了eGFR 60.9%的方差。ACE、年龄、AIP和hsa-miR-423-5p对eGFR有显著的直接效应。此外，ACE浓度受到年龄、hsa-miR-126-3p和BMI的调节。间接效应分析表明，年龄、BMI（通过AIP和ACE路径）、性别和hsa-miR-126-3p均通过中介变量对eGFR产生显著间接效应。

ACE与eGFR的相关性

研究发现了血清ACE浓度与eGFR（CKD-EPI公式计算）之间存在显著的负线性相关关系。F1表型患者的ACE水平最高，F3次之，F2最低，提示肾素-血管紧张素-醛固酮系统(RAAS)的激活程度因表型而异。

判别分析与表型分类

基于年龄、ACE、尿酸和AIP四个变量进行的判别分析，能够以87.5%的准确率将患者正确分类到F1-F3表型（Wilks' Lambda p<0.05）。其中AIP和尿酸水平对区分表型的贡献最大。尝试纳入F4亚组会降低模型的分类准确性和可解释性，因此最终模型仅包含F1-F3表型。

miRNA在不同DKD表型中的表达

hsa-miR-126-3p在F1（蛋白尿型）表型中的表达水平显著高于F2和F3表型（p=0.02）。相反，hsa-miR-423-5p在非蛋白尿表型（F2和F3）中的表达水平更高（p=0.01）。这种差异性的表达模式提示这两种miRNA可能参与了不同表型DKD的发病机制。

研究结论与意义

本研究的结论强调了DKD在T2DM中的显著异质性，并证实了分子标志物（hsa-miR-126-3p, hsa-miR-423-5p）、代谢指标（AIP）和ACE浓度在区分临床DKD表型方面的效用。ACE和miR-126-3p可能作为疾病进展的早期标志物，尤其在蛋白尿表型（F1）中，同时指示了RAAS激活作为潜在治疗靶点。miR-423-5p则可能指示与非蛋白尿表型（F2-F3）相关的肾小管间质损伤，提示了不同的发病机制可能需要替代的治疗策略。基于表型的DKD分类（F1-F3）显示出重要的预后和判别价值，支持了根据患者分子谱制定个体化肾脏保护疗法的必要性。PLS-SEM模型的使用有助于识别生物标志物与患者临床特征之间的复杂相互作用，为临床实践提供了潜在的预测工具。此外，研究观察到的不同表型间冠状动脉疾病和卒中发生率的差异，提示在无蛋白尿的患者中心血管风险可能被低估，强调了无论经典DKD标志物如何，都需要进行系统性风险评估。该研究还揭示了DKD表型分布和生物标志物表达的性别差异，支持了生物学性别是影响疾病进展的一个因素。因此，利用所提出的生物标志物早期识别DKD表型，可以改善风险分层，并允许实施针对主要致病机制而非仅仅针对临床症状的疗法。

这项发表在《BMC Nephrology》上的研究，为理解DKD的复杂性提供了新的视角，并展示了将临床表型与分子特征相结合以推动精准肾脏病学的巨大潜力。未来的研究需要在更大规模、经活检证实的队列中验证这些发现，并探索这些标志物在指导治疗决策中的实际应用价值。