利用集成傅里叶变换红外光谱（FTIR）和拉曼光谱技术结合机器学习方法，研究db/db糖尿病小鼠大脑中的生化变化

《Spatial and Spatio-temporal Epidemiology》：Investigation of biochemical alterations in the brain of db/db diabetic mice using integrated FTIR and Raman spectroscopy combined with machine learning

糖尿病性脑病代谢特征研究基于FTIR与拉曼光谱整合分析，揭示了糖原堆积、蛋白质构象改变及脂质代谢紊乱等阶段特异性分子改变，PLS-DA与GA-PLS模型实现高精度分期诊断（准确率88.9%），关键光谱特征为1180-1203 cm?1（FTIR）和1300、2853 cm?1（Raman）。

　　

Xinjie Li|Lei Wan|Jinfeng Ding|Jiawen Shi|Xuxiang Zhou|Zhengyi Fang|Suhua Zhang|Chengtao Li|Ping Huang|Hancheng Lin

复旦大学法医学研究所，上海200032，中国

摘要

本研究通过结合傅里叶变换红外光谱（FTIR）和拉曼光谱与机器学习方法，系统分析了2型糖尿病小鼠在不同疾病阶段的脑组织中的分子代谢变化。研究结果表明，存在糖原/多糖的积累、酰胺带的分阶段重塑、β-折叠结构的早期不稳定、胶原蛋白的逐渐沉积以及脂质代谢紊乱，并且在12周之前观察到一个短暂的代偿期。FTIR对极性基团和总脂质含量特别敏感，而拉曼光谱则提供了关于蛋白质构象和脂质不饱和度的信息。这两种方法共同揭示了糖尿病脑组织的分子重塑特征。基于融合光谱的偏最小二乘判别分析（PLS-DA）在各个疾病阶段的分类准确率高达88.9％，变量重要性投影（VIP）分析确定了1180–1203 cm^?1（FTIR）和1300及2853 cm^?1（拉曼）为关键的鉴别带。此外，一个仅保留了7％光谱变量的GA-PLS回归模型能够有效预测糖尿病脑损伤的严重程度（R² = 0.885，RMSE = 0.407），显示出疾病进展过程中的线性代谢轨迹。总体而言，这种光谱-计算策略能够敏感地检测糖尿病性脑病中的阶段依赖性代谢变化，为识别特征性光学生物标志物和阐明潜在的分子机制提供了新的框架，同时也为法医学中的精确死因鉴定提供了新的见解。

引言

糖尿病（DM）是一种慢性代谢紊乱，其特征是持续的高血糖，由胰岛素分泌不足、胰岛素作用受损或两者共同作用引起[1,2]。除了常见的心血管系统[3]、肾脏[4]和视网膜[5]并发症外，糖尿病对中枢神经系统的影响也日益受到关注[6]。越来越多的临床和实验证据表明，糖尿病可导致认知能力下降、神经退行性变化以及脑代谢紊乱，这些统称为糖尿病性脑病（DE）[7]。由于其隐匿的临床表现和尚未完全理解的发病机制，识别可靠的分子指标并阐明糖尿病进展背后的生化变化对于及时干预和法医学上的糖尿病相关死亡判定至关重要。

振动光谱技术，包括傅里叶变换红外光谱（FTIR）和拉曼光谱，由于其无标记、非破坏性的特点以及能够提供丰富的分子振动信息，已被广泛应用于生物样本的分子和生化分析[[8], [9], [10]]。在糖尿病相关研究中，FTIR光谱因其高灵敏度而常用于分析组织和体液中的分子变化[11]。研究表明，FTIR可以有效监测血清和组织蛋白质的糖基化水平，揭示糖尿病肝和肾组织中的代谢重编程过程，并阐明疾病进展过程中主要生物分子（如脂质、蛋白质和核酸）的动态变化[12,13]。同时，拉曼光谱在表征非极性分子方面具有独特优势，已被用于识别特征性振动模式，包括在高血糖条件下脂质不饱和度的降低、糖原代谢紊乱以及蛋白质二级结构的改变[14]。此外，表面增强拉曼光谱（SERS）通过金属纳米结构实现信号放大，能够高度敏感地检测血清和组织中的晚期糖基化终产物（AGEs）、氧化应激标志物和低丰度代谢物[15,16]。这为糖尿病的早期诊断和分子亚型分类提供了一种新的技术方法。

然而，大多数现有研究仅依赖单一光谱模式，这限制了对复杂代谢网络的全面表征。随着化学计量学和机器学习方法的快速发展，结合FTIR和拉曼光谱已成为可能[17,18]，从而获得了更完整的分子指纹，并显著提高了复杂生物系统中的分类准确性和关键波长的选择。值得注意的是，在涉及糖尿病脑组织和视网膜分析的研究中，结合振动光谱与机器学习的方法实现了超过90％的分类准确率[19,20]。

本研究使用db/db小鼠作为2型糖尿病的成熟遗传模型，从脑匀浆中获取FTIR和拉曼光谱。经过标准化预处理后，将两个光谱数据集融合并通过机器学习算法进行分析，以识别与糖尿病性脑病（DE）特异性相关的光谱生物标志物，并进一步评估其在疾病进展过程中的动态变化。本研究旨在阐明糖尿病脑组织中的分子振动变化，建立一个综合的光谱-计算框架，为早期识别生物标志物和糖尿病性脑病的机制研究提供新的见解，同时也为法医学中的精确死因鉴定提供了新的技术方法。

实验动物

所有动物实验均获得了复旦大学上海医学院动物护理和使用委员会的批准。从GemPharmatech Co.LTD（南京，中国）获得了24只5周龄的雄性C57BLKS/JGpt-Leprem2Cd479/Gpt db/db小鼠和15只同窝的野生型（wt/wt）小鼠。在这个年龄，db/db小鼠的体重约为25–28克，而wt小鼠的体重约为18–22克。动物被饲养在温度控制的环境中（22±2°C）

糖尿病小鼠与对照组小鼠的表型和光谱变化

与WT对照组相比，糖尿病小鼠在7周、12周和21周时表现出显著的代谢异常。血糖从7周开始升高并持续保持高水平，而体重也始终高于对照组，证实了糖尿病的成功建立及其逐渐恶化（见补充图1 A）。

光谱分析显示糖尿病小鼠的脑匀浆在分子水平上发生了明显的变化。预处理后的二次导数FTIR

讨论

本研究通过结合傅里叶变换红外光谱（FTIR）和拉曼光谱与机器学习方法（包括PLS-DA和GA-PLS），系统分析了糖尿病小鼠在不同疾病阶段的脑部分子变化。我们的结果表明，糖尿病会导致脑组织中碳水化合物、蛋白质和脂质的显著代谢重塑。由于FTIR和拉曼光谱的检测机制不同，它们提供了互补的信息：FTIR对极性基团更敏感

结论

总之，本研究表明糖尿病性脑病会导致小鼠脑组织中碳水化合物、蛋白质和脂质的阶段特异性代谢重塑。通过结合FTIR和拉曼光谱与机器学习方法（如PLS-DA和GA-PLS），我们系统地揭示了不同疾病阶段的代谢模式，并敏感地捕捉到了糖尿病性脑病早期的细微变化。FTIR和拉曼光谱的互补优势使得能够全面了解这些变化

致谢

本工作得到了国家自然科学基金[项目编号：82430060, 82202076]和国家重点研发计划（2022YFC3302002）的资助。

利益冲突声明

作者声明他们没有已知的可能影响本文研究的财务利益或个人关系。