基于内脏脂肪组织炎症相关甲基化位点的列线图预测LSG术后3年总减重百分比

本研究针对腹腔镜袖状胃切除术(LSG)后患者减重效果个体差异大的临床难题，创新性地从内脏脂肪组织(VAT)炎症相关甲基化位点入手，通过850K甲基化芯片筛选出cg14027957(PDPN基因)和cg20666492(RASGRP1基因)两个关键位点，构建了预测3年总减重百分比(%TWL)的列线图模型(AUC=0.968)。该研究为肥胖患者术后个性化管理提供了表观遗传学新靶点，对优化代谢手术预后评估体系具有重要意义。

　　

在全球肥胖大流行的背景下，腹腔镜袖状胃切除术(LSG)已成为最常用的减重手术方式。然而令人困扰的是，约20-30%患者术后出现减重不足或体重反弹，传统临床指标难以准确预测长期疗效。肥胖本质上是一种慢性低度炎症状态，内脏脂肪组织(VAT)的炎症反应(INF)通过表观遗传调控参与代谢紊乱。首都医科大学附属北京世纪坛医院肥胖与代谢病中心的研究团队创新性地将目光投向手术中获取的VAT样本，通过表观遗传学手段寻找预测LSG长期疗效的生物标志物。

研究团队收集25例LSG患者的术中VAT样本，根据术后3年总减重百分比(%TWL)分为满意组(%TWL≥25%)和不满意组(%TWL<25%)。采用850K甲基化芯片检测样本DNA甲基化谱，结合基因集富集分析(GSEA)筛选200个INF相关基因对应的4,974个甲基化位点。通过LASSO回归、随机森林(RF)和支持向量机递归特征消除(SVM-RFE)三种机器学习算法交叉验证，最终锁定cg14027957(PDPN基因)和cg20666492(RASGRP1基因)两个关键位点。

技术方法上，研究采用术中采集VAT样本，通过Illumina MethylationEPIC 850K芯片进行全基因组甲基化分析，使用β值量化甲基化水平。采用三种机器学习算法筛选特征位点，最终通过多因素logistic回归构建列线图模型，并经过1,000次bootstrap重采样进行内部验证。

研究结果显示：

1. 患者分类与临床特征：11例满意组患者与14例不满意组在年龄、性别等基线特征无差异，但满意组术前BMI(39.49 vs 50.32 kg/m²)和腰臀比(0.89 vs 0.99)显著更低。
2. 枢纽甲基化位点的鉴定与验证：从151个差异甲基化位点中筛选出cg14027957(AUC=0.896)和cg20666492(AUC=0.786)，其甲基化水平在两组间存在显著差异。
3. 列线图的构建与验证：基于两个枢纽位点构建的预测模型显示出色 discriminative性能(AUC=0.968)，校准曲线和决策曲线分析(DCA)证实其良好的校准度和临床实用性。

讨论部分指出，PDPN作为免疫细胞浸润的标志物，可能通过调节IL-33影响T2DM免疫微环境；而RASGRP1作为T2DM风险基因位点，其甲基化状态可能影响胰岛素敏感性。这是首次建立VAT炎症相关甲基化位点与LSG长期疗效的预测模型，为肥胖的"炎症-表观遗传-代谢"机制研究提供了新视角。

该研究的创新性在于将手术获取的VAT资源转化为预测工具，突破了传统临床指标的局限性。虽然目前甲基化检测尚未普及，但随着表观遗传学技术的发展，这种基于生物标志物的个性化预测模式有望成为代谢手术管理的新标准。研究团队也指出，未来需要扩大样本量并开展多中心验证，以进一步提高模型的普适性。