基于CRIC与PACE队列蛋白质组学分析揭示血液透析患者死亡风险的新型生物标志物

《Nature Communications》：Risk factors for mortality in patients with kidney failure on hemodialysis identified by proteomic analysis of CRIC and PACE studies

本研究针对终末期肾病血液透析患者死亡率高、传统风险因素预测能力有限的问题，通过大规模蛋白质组学分析，发现SVEP1、R-spondin 4和Tetranectin三种蛋白构成的模型能显著提升5年死亡率预测效能（AUC=0.826），为风险分层提供了新型生物标志物。

　　

在当代医疗技术不断进步的背景下，终末期肾病患者依然面临着严峻的生存挑战。尽管血液透析技术、血管通路管理和药物治疗方案已取得长足发展，但接受维持性血液透析的患者五年死亡率仍超过50%，这一数字远高于仅考虑年龄和传统风险因素的预期值。更令人困惑的是，在普通人群中明确有效的心血管保护策略，如他汀类药物治疗，在这一特殊群体中却未能显现出显著益处。这种传统风险因素与临床结局之间的反常关联，使得探索非传统生物风险因素成为改善血液透析患者预后的关键突破口。

由美国国立卫生研究院（National Institutes of Health, NIH）支持的这项研究，在《Nature Communications》上发表了重要成果。研究团队利用高通量蛋白质组学技术，对来自CRIC（Chronic Renal Insufficiency Cohort，慢性肾功能不全队列）和PACE（Predictors of Arrhythmic and Cardiovascular Risk in End-Stage Renal Disease，终末期肾病心律失常和心血管风险预测因子）两大前瞻性队列研究的893名血液透析患者进行了深入分析。研究人员在患者开始透析后不久（初始期）和透析一年后（普定期）两个时间点，检测了约6287种循环蛋白质的水平，旨在揭示与全因死亡率密切相关的关键蛋白，并评估其预测价值。

研究采用的核心技术方法包括：SomaScan V4.1高通量蛋白质组学检测平台，用于对数千种循环蛋白进行定量分析；Cox比例风险回归模型，用于评估单个蛋白与死亡率的关联强度；弹性网络（Elastic Net）正则化回归算法，用于从海量蛋白中筛选最具预测价值的特征并构建多蛋白风险预测模型；以及受试者工作特征曲线下面积（Area Under the Curve, AUC）用于评估和比较不同预测模型（如临床模型、蛋白模型、混合模型）的判别能力。研究队列包括CRIC和PACE研究的参与者，所有分析均遵循了相应的伦理规范。

Characteristics of CRIC and PACE participants

研究首先描述了CRIC和PACE队列参与者的基线特征。两个队列中约60%为男性，黑人参与者多于白人。CRIC参与者年龄中位数为62岁，高于PACE的55岁；CRIC参与者中糖尿病（74% vs. 59%）和 prevalent CVD（67% vs. 29%）的患病率也更高。这些差异为后续的跨队列验证提供了异质性基础。

Deaths in CRIC and PACE

死亡率分析显示，在透析启动后的基线（初始期），CRIC和PACE的5年全因死亡率分别为33%和40%。而在透析≥1年后的普定期，两个队列的5年死亡率非常接近（CRIC 40%，PACE 39%），但心血管疾病（CVD）死亡在CRIC中更高（14% vs. 10%）。高死亡率事件为统计分析提供了足够的效能。

Single proteins associated with mortality in CRIC and PACE

研究人员首先分析了单个蛋白质与死亡率的关联。在CRIC队列的普定期，有27种蛋白质达到了Bonferroni校正的显著性水平（p < 7x10^-6），184种蛋白质在错误发现率（FDR）<0.05水平上显著。值得注意的是，超过一半的显著蛋白与死亡率呈负相关。研究重点聚焦于在CRIC和PACE两个队列中均显著（FDR < 0.05）且风险比（Hazard Ratio, HR）极端的28种蛋白质。其中，Sushi von Willebrand factor type A EGF and pentraxin domain-containing protein 1 (SVEP1)、R-spondin 4和Tetranectin在普定期与死亡率的关联在两组队列中均达到高度显著。此外，多种与胰岛素样生长因子1（IGF-1）相关的蛋白，如胰岛素样生长因子结合蛋白7（IGFBP-7）、胰岛素样生长因子结合蛋白复合物酸不稳定亚基（IGFALS）以及IGF-1本身，也与死亡率显著相关。即使在调整了社会人口学特征、合并症、营养不良和炎症标志物等多种协变量后，123种蛋白质仍保持独立关联。

Within-subject longitudinal changes in proteins

对个体内蛋白质水平纵向变化的分析发现，在平均1年的间隔期内，蛋白质的绝对变化和百分比变化均较小。然而，某些蛋白质的变化率本身与死亡率相关。例如，在CRIC中，几丁质酶-3样蛋白1（CHI3L1）和IGFBP2、IGFBP5的水平变化与死亡率显著相关；在PACE中，SVEP1和neuroligin 1的变化与死亡率相关。这提示动态监测特定蛋白可能提供额外的预后信息。

Functional Enrichment of Proteins Associated with Mortality

为了理解与死亡率相关的蛋白质所涉及的生物学过程，研究人员对在两组队列普定期均与死亡率显著相关的144种蛋白质进行了功能富集分析。结果显示，除了炎症通路外，与IGF-1摄取和转运相关的Reactome通路富集程度最高（FDR q = 3.2 x 10^-10）。此外，JAK-STAT信号通路和HIF-1信号通路等也显著富集。通过STRING蛋白互作网络分析发现，一个包含55个蛋白的最大互作网络中，包含了8个IGF相关蛋白和24个炎症相关蛋白，表明IGF-1可能是多个生化相互作用网络的枢纽。

Risk models for Five-Year Mortality

风险模型构建是研究的核心。研究人员比较了不同模型预测5年死亡率的表现。在CRIC队列中开发，并在PACE队列中进行外部验证的模型显示，基于合并症或临床指标的传统模型预测效能有限（AUC约0.59-0.69）。而包含14种蛋白质的模型或结合年龄与10种蛋白质的混合模型，其AUC在PACE验证集中达到0.709-0.727，显著优于合并症模型。在合并CRIC和PACE数据的汇总队列分析中，结果更为突出。一个仅由三种蛋白质（SVEP1, R-spondin 4, Tetranectin）构成的简约模型，其预测5年死亡率的AUC高达0.826 (95% CI: 0.742, 0.896)，显著优于包含年龄、血清白蛋白、血红蛋白等多种临床指标的队列临床模型（AUC = 0.629, p < 0.001）。将这三蛋白加入队列临床模型后，AUC提升至0.778。校准曲线显示三蛋白模型预测风险与实际观察风险吻合良好（p = 0.67）。亚组分析表明，该三蛋白模型在不同年龄、种族、是否合并CVD或糖尿病等亚组中表现稳定，但在女性中的判别能力有所降低（AUC = 0.631）。模型对于2年死亡率和10年死亡率也显示出良好的预测能力。值得注意的是，在透析初始期构建的模型，临床因素的预测效用与蛋白质相当甚至更高，提示普定期可能是应用蛋白质风险模型更佳的时机。

Sensitivity Analyses and Alternate Time Horizons for the Three-Protein Model

敏感性分析证实了三蛋白模型在不同时间窗（2年、10年死亡率）和不同亚组中的稳健性，尽管在女性中的预测效能需要进一步研究。

Risk Models for Mortality Developed for Incident Time Period

作为对比，研究也分析了在初始期构建的风险模型，发现此时临床因素具有较高或相当的预后效用，这凸显了选择合适时间点进行蛋白质组学风险评估的重要性。

讨论与结论

本研究通过大规模蛋白质组学分析，成功识别出与血液透析患者死亡率密切相关的多种循环蛋白质。SVEP1、R-spondin 4和Tetranectin这三种蛋白构成的简约模型，在预测普定期透析患者5年死亡率方面表现出卓越的性能，显著优于基于传统临床指标的风险模型。这一发现为改善这一高危人群的风险分层和管理策略提供了强有力的新工具。

研究的重要意义在于：首先，它揭示了血液透析患者高死亡率背后潜在的、可量化的生物学通路，特别是IGF通路和炎症网络的突出作用，为理解疾病机制和开发新的治疗靶点提供了线索。其次，所建立的三蛋白风险模型具有临床转化的巨大潜力。与年龄、合并症等静态指标不同，蛋白质水平可能随着饮食、药物治疗或透析依从性而改变。这意味着该模型不仅可用于识别死亡风险极高的患者（如预测风险>80%者），以便进行更密切的监测或尝试新的治疗策略，还可能作为动态指标，用于评估干预措施的效果，从而激励患者改善行为。

当然，该研究也存在一些局限性，例如需要在独立的外部队列中进行验证，未能深入分析死亡具体原因以明确蛋白质与特定病理过程的关联，以及部分透析相关数据缺失等。未来的研究应致力于在更广泛的人群中验证这一模型，并深入探讨这些关键蛋白质是否在疾病发生中起因果作用，以及其水平是否可通过特定干预措施加以调节。此外，探索不同透析方式（如血液透析滤过）对这些蛋白的清除效率，也可能为个性化治疗开辟新的途径。

总之，这项研究展示了大规模蛋白质组学在发现新型生物标志物和疾病介质方面的强大能力，为终末期肾病患者，特别是已度过透析初期阶段的患者，提供了优于传统方法的死亡风险预测工具，有望最终推动精准医疗在这一挑战性人群中的应用。