基于外周血lncRNA MALAT1、miR-199b与AGEs水平的糖尿病听力损伤诺莫图预测模型的构建与验证

本研究创新性地整合外周血长链非编码RNA MALAT1、微小RNA-199b（miR-199b）和晚期糖基化终末产物（AGEs）等分子标志物与临床指标，开发了糖尿病听力损伤（DHI）的诺莫图预测模型。该模型在训练集和验证集中分别达到0.810和0.739的曲线下面积（AUC），校准曲线和决策曲线分析（DCA）证实其具有良好的预测准确性与临床适用性，为DHI的早期筛查提供了量化工具。

　　

引言

糖尿病是一种以血糖异常升高为特征的慢性代谢性疾病，全球患者数量持续攀升，其中2型糖尿病占比超过90%。糖尿病听力损伤（DHI）作为常见并发症，主要表现为听力下降、耳鸣、听觉过敏等症状，严重影响患者生活质量。其发病机制涉及代谢紊乱、氧化应激、炎症激活及血管病变等多重因素，尤其对耳蜗血管纹和螺旋神经节细胞等关键听觉结构造成损害。

长链非编码RNA（lncRNA）在基因转录调控中发挥重要作用，其中lncRNA MALAT1在糖尿病并发症中呈现高表达，可通过激活NF-κB炎症通路促进螺旋神经节细胞释放IL-6和TNF-α，导致神经纤维脱髓鞘。微小RNA（miRNA）作为转录后调控因子，miR-199b在耳蜗组织中高表达，其下调会削弱对TNF-α、IL-6等促炎因子的抑制作用。晚期糖基化终末产物（AGEs）通过非酶糖化反应生成，在耳蜗组织中积累后通过受体（RAGE）信号通路激活氧化应激和炎症反应，损害血管纹功能。

目前基于临床指标（如血糖、病程）的DHI预测模型曲线下面积（AUC）较低，本研究首次整合外周血生物标志物（lncRNA MALAT1、miR-199b、AGEs）与临床因素，旨在提高预测效能。

材料与方法

研究纳入2021年1月至2024年2月期间就诊的318例糖尿病患者，年龄40~80岁，无听力损失史及其他影响听力的疾病。采用随机数字表法按7:3比例分为训练集（223例）和验证集（95例）。收集患者临床资料包括年龄、性别、体重指数、糖尿病病程、周围神经病变、血压、血糖指标（FBG、2hPG、HbA1c）及血脂参数。

空腹采集肘静脉血5mL，离心后保存于-80°C超低温冰箱。采用实时荧光定量PCR（RT-qPCR）检测lncRNA MALAT1和miR-199b表达水平，以内参基因U6标准化，计算2^?ΔΔCt值。AGEs水平通过酶联免疫吸附测定（ELISA）试剂盒量化。所有检测重复三次，组内变异系数（CV）小于5%（PCR）和8%（ELISA），符合实验要求。

纯音听阈测定（PTA）在隔音室进行，测试频率为0.5kHz、1kHz、2kHz和4kHz。根据WHO 2021听力分级标准，以平均听阈≥20 dB HL定义为听力损伤，将患者分为DHI组和非DHI组。

采用SPSS 26.0和R 4.3.0软件进行统计分析。分类变量以频数和百分比表示，组间比较采用χ2检验或Fisher精确检验；符合正态分布的连续变量以均值±标准差表示，采用t检验；非正态分布变量以中位数（四分位距）表示，采用Mann-Whitney U检验。通过单因素分析筛选潜在风险因素（P<0.05），再纳入多因素Logistic回归模型确定独立影响因素，并构建诺莫图预测模型。采用受试者工作特征曲线（ROC曲线）计算曲线下面积（AUC），Bootstrap法进行内部验证，绘制校准曲线，计算一致性指数（C-index），Hosmer-Lemeshow检验评估模型拟合优度，决策曲线分析（DCA）评价临床应用价值。

结果

训练集与验证集基线特征无显著差异（均P>0.05）。训练集中72例（32.29%）诊断为DHI，验证集中31例（32.63%）诊断为DHI。单因素分析显示，糖尿病周围神经病变、糖尿病病程、FBG、2hPG、lncRNA MALAT1、miR-199b和AGEs在组间差异显著（均P<0.05）。

多因素Logistic回归分析显示，糖尿病周围神经病变、高AGEs水平、高FBG和2hPG水平、lncRNA MALAT1高表达、miR-199b低表达及长糖尿病病程是DHI的独立危险因素（均P<0.05）。调整高脂血症（LDL-C、HDL-C）和高血压后，这些因素仍保持统计学意义。

基于上述因素构建诺莫图预测模型，每个风险因素对应特定刻度线段，通过垂直投影获取各因素得分，总分对应DHI发生风险概率。例如一名55岁男性2型糖尿病患者，病程10年，合并周围神经病变，FBG 9.5 mmol/L，2hPG 15 mmol/L，lncRNA MALAT1表达1.3，miR-199b表达0.6，AGEs水平150 U/mL，计算总分为250分，对应DHI风险概率约为65%。

该模型在训练集和验证集中的C-index分别为0.811和0.745，校准曲线显示预测值与实际值之间一致性良好（平均绝对误差分别为0.160和0.186），Hosmer-Lemeshow检验P值分别为0.610和0.534，表明无显著偏离。ROC曲线分析显示，训练集和验证集的AUC分别为0.810（95% CI: 0.737-0.883）和0.739（95% CI: 0.597-0.882），灵敏度分别为0.788和0.762，特异性分别为0.762和0.882。

决策曲线分析表明，当阈值概率为0.1-0.9时，使用诺莫图预测DHI比“所有患者均发生”或“均未发生”的决策具有更高临床收益。例如在阈值概率0.3时，每100例患者可避免约25例漏诊并减少15例过度干预。

讨论

本研究首次整合外周血生物标志物与临床指标构建DHI诺莫图预测模型。仅包含临床指标的简化模型AUC为0.682，加入生物标志物后提升至0.810（P<0.05），显著提高预测效能。该模型预测性能优于同类研究，如Al-Rubeaan等基于临床指标构建的模型AUC为0.68。

生物标志物在DHI发病机制中发挥关键作用：AGEs通过循环到达耳蜗，优先沉积于血管纹和螺旋韧带，与RAGE结合后激活NADPH氧化酶等氧化应激通路，引起耳蜗血管内皮损伤和毛细血管基底膜增厚，减少耳蜗血流量，导致毛细胞退化。lncRNA MALAT1通过血-耳屏障进入内耳，特异性靶向螺旋神经节细胞，通过海绵作用抑制miR-205-5p等保护性miRNA，解除对Bax等促凋亡基因的抑制，增加神经节细胞凋亡。miR-199b下调导致其与IL-1β、TNF-α mRNA的3'UTR区结合能力减弱，促炎因子合成增加，引发柯蒂器慢性炎症，损伤毛细胞静纤毛。

糖尿病周围神经病变、FBG和2hPG水平升高、长糖尿病病程等临床因素也显著增加DHI风险，强调血糖管理和长期随访的重要性。

局限性及未来方向

本研究存在若干局限性：首先，模型基于单中心中国人群构建，适用性可能受种族和饮食习惯等因素影响，未来需要包含不同种族和糖尿病亚型的多中心大样本研究验证普适性。其次，仅聚焦lncRNA MALAT1、miR-199b和AGEs，未纳入其他潜在生物标志物（如8-OHdG、SLC26A4）和环境因素，也未按年龄、性别或病程进行亚组验证。未来研究应整合更多风险因素，采用机器学习等先进方法优化预测精度。第三，缺乏长期随访数据评估模型在真实世界的临床效用，需通过前瞻性研究和体外实验验证MALAT1/miR-199b/AGEs相互作用机制。此外，未系统收集中耳炎病史、噪声暴露（职业/休闲）和饮食模式等潜在混杂因素，应在未来前瞻性研究中优先考虑。

结论

本研究基于外周血lncRNA MALAT1、miR-199b和AGEs水平构建并验证了DHI诺莫图预测模型，具有良好的预测准确性和临床适用性，可为DHI早期筛查提供量化工具。未来应扩大样本量，纳入更多风险因素，开展长期随访研究，提升模型的精确度和可靠性。