代谢组学在脊柱关节炎中的突破：从早期诊断到心血管风险评估的创新探索

本研究针对脊柱关节炎(SpA)临床实践中早期诊断困难、心血管风险评估不足等关键问题，通过系统分析1973-2024年间14项代谢组学研究，揭示了氨基酸代谢紊乱、脂质异常等特征性生物标志物谱。研究人员采用核磁共振(NMR)光谱和机器学习技术，成功区分了反应性关节炎(REA)、银屑病关节炎(PsA)等SpA亚型，并建立了疾病活动度评估新模型(AUC达0.818)，为SpA精准诊疗提供了新思路。

　　

脊柱关节炎(SpA)作为一类常见的炎症性风湿病，包括强直性脊柱炎(AS)、银屑病关节炎(PsA)等多种亚型，临床上面临着三大挑战：早期诊断困难、心血管风险评估不准确以及疾病活动度监测手段有限。传统诊断方法往往依赖于临床症状和影像学表现，当典型骶髂关节炎尚未出现时，患者常面临诊断延迟的问题。更棘手的是，约25%的银屑病患者会发展为PsA，但目前缺乏可靠的预测指标。此外，SpA患者心血管风险显著增加，但常规评估工具如Framingham评分难以准确反映这一风险。

为破解这些临床难题，德国耶拿大学医院的研究团队系统分析了1973-2024年间PubMed、Web of Science等数据库收录的14项代谢组学研究。这项发表在《BMC Rheumatology》的综述研究揭示，通过检测生物样本中的小分子物质(<1.5kD)，代谢组学为SpA管理提供了全新视角。

研究主要采用核磁共振(NMR)光谱技术分析血清、滑液等样本，结合机器学习算法如LogitBoost模型。样本来源包括AS患者队列(n=18-50)、PsA患者(n=50)及健康对照(n=20-164)。通过多变量分析和受试者工作特征(ROC)曲线评估诊断效能，重点关注氨基酸代谢、脂质通路等生物标志物。

诊断标志物发现
Wang等2016年研究通过¹H NMR分析30例AS患者的血浆、尿液和髋关节组织，鉴定出20种差异代谢物，涉及甘油三酯代谢异常和免疫调节通路。Li等2017年建立的包含9种代谢物(如胱氨酸甘氨酸二硫化物)的诊断模型对AS的区分准确率高达95%(AUC=1)。特别值得注意的是，Muhammed等2020年发现滑液中苯丙氨酸/酪氨酸比值在REA/未分化SpA中显著升高，成为特异性鉴别指标。

疾病活动度评估
Koussiouris等2024年研究采用机器学习分析脂质代谢物，建立的LogitBoost模型能有效区分PsA活动度(低vs高活动度AUC=0.818)。关键代谢物包括马尿酸、DL-色氨酸和鞘磷脂等。Paine等2023年纵向研究发现，白三烯B₄(LTB₄)和硫酸甘氨熊去氧胆酸可作为PsA发生的预测指标，为高风险人群筛查提供了新工具。

心血管风险评估
Colaco等2021年研究纳入977例银屑病患者，发现糖蛋白乙酰化、载脂蛋白B等11种代谢物与心血管事件相关。虽然结合代谢物未能显著提升Framingham评分的预测效能(AUC 0.75 vs 0.73)，但为个性化风险评估奠定了基础。

这项系统分析证实，代谢组学能有效识别SpA特征性代谢紊乱模式，特别是在区分PsA与血清阴性类风湿关节炎(negRA)方面显示出84.5%的特异性。研究同时揭示了维生素D代谢异常与AS骨破坏的潜在关联，以及活动性PsA特有的长链脂肪酸升高现象。尽管目前研究多集中于已确诊患者，但发现的LTB₄等预测性标志物为早期干预提供了可能。未来需要更多前瞻性研究验证这些代谢标志物在临床实践中的应用价值，特别是将其整合到现有的诊疗流程中。这项研究为SpA的精准医学发展指明了新方向，有望改善这一复杂疾病群体的诊断和治疗现状。