血浆代谢组学揭示T2DM与CAD特异性代谢紊乱特征并发现糖尿病CAD风险升级潜在生物标志物

《Cardiovascular Diabetology》：Plasma metabolomics disentangles T2DM- and CAD-specific dysmetabolism and identifies potential biomarkers for CAD risk escalation in diabetic patients

本研究针对2型糖尿病(T2DM)患者冠状动脉疾病(CAD)风险预测难题，通过非靶向血浆代谢组学分析123例健康对照、50例单纯T2DM患者和155例T2DM合并CAD患者血浆样本，成功区分出100个T2DM特异性代谢物和223个CAD特异性代谢物，发现5个CAD风险升级特征和18个降级特征。机器学习模型整合关键代谢物与临床参数后对T2DM_CAD的区分AUC达0.95以上，为糖尿病心血管并发症的早期预警提供了新型生物标志物组合。

　　

在全球范围内，2型糖尿病(T2DM)患者数量已超过5亿，其中超过90%为T2DM患者。尽管当前治疗方法能有效控制血糖和减少微血管并发症，但对大血管结局的改善效果有限，冠状动脉疾病(CAD)仍是T2DM患者的主要死因，占糖尿病相关死亡的三分之二。尤其值得关注的是，T2DM合并CAD患者心肌梗死后的死亡率是非糖尿病患者的4-5倍。然而，当前CAD诊断主要依赖心肌损伤后的心电图和血清标志物变化，这些指标出现较晚，不适合早期预警。

更关键的是，既往研究往往将T2DM和CAD的代谢改变混为一谈，直接比较健康对照(HC)与CAD患者，而未考虑糖尿病本身带来的代谢影响。这使得所谓的"CAD相关代谢物"可能仅仅是T2DM代谢紊乱的体现，而非真正驱动CAD进展的特异性标志物，严重限制了精准生物标志物的开发和针对性干预措施的制定。

为了突破这一局限，来自北京朝阳医院的研究团队在《Cardiovascular Diabetology》上发表了最新研究成果。他们设计了一项精巧的临床研究，纳入了123名健康对照(HC)、50名不伴CAD的T2DM患者(代谢匹配对照，MMC)以及155名T2DM合并CAD(T2DM_CAD)患者，后者要求T2DM诊断早于CAD诊断至少5年，且经冠状动脉造影证实主要冠状动脉存在>30%的狭窄。通过这种三队列设计，研究者能够清晰区分哪些代谢改变是T2DM特有的，哪些是CAD独有的，从而揭示T2DM背景下CAD发展的特异性代谢驱动因素。

研究采用的主要技术方法包括：通过UHPLC-Q Exactive MS系统进行非靶向血浆代谢组学分析；使用XCMS软件包进行代谢物峰检测和整合；采用Norm ISWSVR方法进行数据标准化；通过Compound Discoverer v3.1与多个数据库比对进行代谢物鉴定；利用limma包进行差异代谢物筛选（调整年龄因素）；应用MetaboAnalyst 6.0进行通路富集分析；开发SVM、随机森林、朴素贝叶斯和KNN四种机器学习模型进行疾病分类和风险评估。

代谢组学分析揭示T2DM特异性代谢特征

研究发现，T2DM特异性代谢物主要富集在碳水化合物和某些脂质物种中，反映了葡萄糖和脂质代谢的紊乱。具体而言，研究团队鉴定出100个T2DM特异性代谢物，其中10个被成功注释，包括显著升高的神经酰胺乙醇胺、果糖、棕榈油酰乙醇胺、L-亮氨酰-L-缬氨酸、LysoPE(18:3(6Z,9Z,12Z)/0:0)、亮氨酰-谷氨酸、葡萄糖和十八碳-9-炔酸，以及降低的L-哌啶酸和甘露庚酮糖。通路富集分析显示，这些代谢物显著富集于淀粉和蔗糖代谢、半乳糖代谢等通路。

多因素逻辑回归分析（调整年龄和HbA1_c后）显示，52个代谢物与T2DM风险显著相关。其中果糖(OR=7.95)、LysoPE(18:3(6Z,9Z,12Z)/0:0)(OR=3.41)、神经酰胺乙醇胺(OR=2.16)和十八碳-9-炔酸(OR=3.23)被确定为风险因素，而L-哌啶酸(OR=0.31)为保护因素。这些发现不仅阐明了T2DM特有的代谢特征，也为理解T2DM及其向CAD进展的代谢基础提供了潜在治疗靶点和候选生物标志物。

CAD特异性代谢特征与疾病风险关联

研究团队通过严格筛选框架，识别出223个CAD特异性代谢物，其中约50%被归类为脂质和类脂分子，26%为有机酸及其衍生物。通路富集分析显示，这些代谢物主要富集于缬氨酸、亮氨酸和异亮氨酸生物合成；精氨酸生物合成；亚油酸代谢；以及不饱和脂肪酸生物合成通路。

在支链氨基酸(BCAA)代谢通路中，L-苏氨酸、L-异亮氨酸、L-亮氨酸和L-缬氨酸在CAD患者中均升高，且存在显著正相关。在精氨酸生物合成通路中，氧化戊二酸、谷氨酸、N-乙酰-L-谷氨酸和瓜氨酸在CAD中上调，而谷氨酰胺下调，并与氧化戊二酸呈显著负相关。在n-6多不饱和脂肪酸代谢方面，除二高-γ-亚麻酸(DGLA)外，所有相关CAD特异性代谢物在CAD患者中均升高，且存在广泛正相关。

多因素逻辑回归分析（调整年龄和HbA1_c）显示，183个代谢物与CAD风险显著相关，其中106个为风险因素，77个为保护因素。关联最强的五个代谢物为：抗坏血酸(风险因素，OR=8.04)、皮质醇(保护因素，OR=0.20)、谷氨酸(风险因素，OR=6.85)、甘氨酰脯氨酸(保护因素，OR=0.13)和(+)-15,16-二羟基十八烷酸(保护因素，OR=0.23)。这些CAD特异性代谢特征不仅有助于区分CAD与T2DM的代谢紊乱，还为CAD在糖尿病人群中的潜在生物标志物和治疗靶点提供了新见解。

CAD风险升级与降级特征及其临床意义

研究还识别出5个在疾病连续谱（从HC到T2DM再到T2DM_CAD）中表现出一致升级模式的代谢物，以及18个显示降级模式（在HC与T2DM和T2DM与T2DM_CAD比较间呈现相反轨迹变化）的代谢物。四个升级代谢物(N2248、N3878、N4100、N2171)与血糖指标(GLU和HbA1_c)以及CAD严重程度（包括冠状动脉狭窄程度和心脏症状严重程度）呈显著正相关。而N2432在CAD进展过程中持续下降，与CAD严重程度呈负相关。

大多数CAD降级代谢物与CAD严重程度呈负相关。蓖麻油酸和tetranor-12(R)-HETE与冠状动脉狭窄程度的相关性最强。这些脂质物种在T2DM中相对于HC升高，但在T2DM_CAD中显著降低。升级和降级特征提供了CAD进展过程中动态代谢变化的见解，为糖尿病人群的风险分层和治疗监测提供了潜在生物标志物。

机器学习模型在CAD鉴别中的价值

研究团队整合临床指标和代谢物开发了机器学习模型，特别是支持向量机(SVM)和随机森林模型在区分T2DM_CAD与对照组方面表现出优异性能。CAD特异性代谢物（如甘氨酰脯氨酸、皮质醇）和血糖标志物(HbA1_c、GLU)成为关键贡献因素。使用前10重要特征重构的模型在测试集中区分HC和T2DM_CAD的AUC超过0.95，区分T2DM的AUC也超过0.93。500次置换测试证实这些结果并非偶然。

值得注意的是，这些模型的表现似乎优于传统脂质标志物（如LDL-C），后者在T2DM_CAD患者中未见显著升高，很可能与广泛使用降脂疗法有关。虽然单独对T2DM的分类准确度较为适中（70-86.8%），但在检测CAD方面的较强性能表明，所识别的代谢物组合可能有助于在T2DM个体中更早识别CAD。

研究结论与意义

该研究成功区分了T2DM特异性代谢改变与CAD独有特征，克服了既往研究常将糖尿病相关代谢紊乱与心血管发病机制直接相关的代谢改变相混淆的局限性。识别出的CAD特异性代谢物和CAD风险升级/降级特征代表了疾病进展研究的有前景候选指标。

机器学习模型整合临床指标和代谢物后显示出良好的疾病鉴别能力，表明这一生物标志物组合具有临床转化潜力。这些发现增强了对糖尿病心血管并发症代谢相互作用的理解，并为这一高风险人群的个性化风险分层和预防性干预提供了潜在候选指标。

然而，研究人员也指出了几个重要局限性：横断面研究设计无法推断代谢物与疾病进展之间的因果关系；不完全的代谢物鉴定可能遗漏重要代谢途径；缺乏详细的用药史和合并症数据可能混淆代谢谱；T2DM组样本量相对较小可能引入统计偏差；以及已识别代谢物可能因参与基本生物学过程而缺乏疾病特异性。

未来需要更大规模、多中心、种族多样化的队列研究来验证这些代谢物的特异性、可重复性和转化潜力。纵向研究对于追踪从T2DM发病到CAD发展的代谢轨迹至关重要，而机制研究则需要进一步探索CAD特异性代谢物（尤其是那些显示动态升级或降级模式的代谢物）如何在糖尿病背景下促进动脉粥样硬化发生。