《Analytical Science Advances》：Predicting the Risk of Proteinuria Based on Blood Plasma Fourier-Transform Infrared Spectroscopy and Machine Learning Algorithms From Pregnant Women and Newborns
编辑推荐：
蛋白尿（Proteinuria）定义为尿液中蛋白质浓度异常升高，是早期检测和诊断子痫前期（Preeclampsia）的关键生物标志物。蛋白尿水平升高对母体和胎儿健康均产生不利影响，增加早产和低出生体重的风险。本研究聚焦于利用傅里叶变换红外光谱（Fourier-
蛋白尿（Proteinuria）定义为尿液中蛋白质浓度异常升高，是早期检测和诊断子痫前期（Preeclampsia）的关键生物标志物。蛋白尿水平升高对母体和胎儿健康均产生不利影响，增加早产和低出生体重的风险。本研究聚焦于利用傅里叶变换红外光谱（Fourier-transform infrared, FTIR）鉴定血液样本中的蛋白尿，作为一种实时诊断工具。研究人员评估了分娩时采集的血浆样本，分为四组：妊娠对照组（n=12）、伴蛋白尿的孕妇组（n=13）、新生儿对照组（n=12）、伴蛋白尿的新生儿组（n=14）。首先，收集血浆样品的衰减全反射-傅里叶变换红外光谱（attenuated total reflectance-FTIR spectra），随后进行光谱平滑、向量归一化以及采用多种监督式机器学习算法进行分类，包括几种类型的支持向量机（Support Vector Machine）、K近邻（K-Nearest Neighbours）和决策树。研究人员在孕妇分类中获得了（76.1 ± 3.1）%的准确率、（72.1 ± 4.8）%的敏感性和（80.4 ± 3.8）%的特异性；在新生儿分类中获得了（90.6 ± 1.5）%的准确率、（83.3 ± 2.4）%的敏感性和（98.9 ± 1.6）%的特异性。研究列出了孕妇和新生儿血浆中主要生化成分对应的振动模式。敏感性和特异性结果表明，FTIR可成为早期诊断和监测个体蛋白尿的有前景的工具。尽管所提出的光谱学方法显示出良好的诊断性能，但其发现应结合可能影响生化特征的临床条件进行解读。需要涉及更大规模、更具异质性人群的进一步研究来验证所提出的方法。
一、研究背景与研究目的
蛋白尿是指尿液中蛋白质的病理性存在，持续性蛋白尿可能提示肾脏损伤或衰竭。在正常健康人群中，每日尿蛋白排泄量通常不超过150 mg。然而，妊娠期间蛋白排泄会生理性增加，可达每日300 mg或以上。蛋白尿是评估子痫前期的重要临床标志物，但并非确诊的必要条件。蛋白尿水平不仅对妊娠和母体健康产生不良影响，还可能影响新生儿健康，导致早产和低出生体重。
目前，24小时尿液收集试验被认为是量化尿蛋白排泄的金标准，但其准确性可能因收集不全而受影响，且耗时较长，可能延误诊断，尤其对于需要快速临床评估的孕妇而言。临床实践中常用随机尿样进行初步筛查，但阳性结果常需定量实验室方法确认。因此，临床上迫切需要一种能够实时、快速检测蛋白尿的方法。
基于此，研究人员提出利用傅里叶变换红外光谱技术分析血液样本，作为一种基于分子指纹的生物样本实时诊断工具。FTIR光谱技术通过测量分子键对红外光的吸收，产生反映组织成分的特征振动光谱，具有无需标记、无需复杂样品制备、可重复性强等优势。将FTIR与机器学习算法相结合，有望开发出一种快速检测孕妇及新生儿蛋白尿的新方法。据研究人员所知，这是首次探索利用FTIR光谱技术基于母血或脐带血样本检测蛋白尿的研究。
二、研究方法与技术路线
研究人员在陶巴特市立大学医院招募参与者，开展了一项观察性研究。纳入标准包括：孕早期开始产前护理、单胎妊娠、非吸烟者、至少具备一项子痫前期风险因素或在围产期被诊断为子痫前期。排除标准包括：可能干扰生化指标解读的疾病、未进入妊娠后半期的孕妇、妊娠期糖尿病、自身免疫性疾病及流产者。最终纳入四组样本：妊娠对照组12例、伴蛋白尿的孕妇组13例、新生儿对照组12例、伴蛋白尿的新生儿组14例。
关键技术方法包括：1）使用配备衰减全反射钻石晶体的Bruker Alpha II光谱仪采集血浆样品的FTIR光谱，扫描范围为600至1800 cm-1指纹区；2）光谱预处理采用Savitzky-Golay滤波器进行平滑处理，并进行欧几里得向量归一化；3）使用MATLAB软件实施监督式机器学习算法，包括线性核及二次核支持向量机、K近邻和决策树分类器；4）采用20次迭代的5折交叉验证评估模型性能，每次迭代随机抽样以确保数据分布的代表性；5）分类性能指标包括准确率、敏感性、特异性及受试者工作特征曲线下面积。
三、研究结果
3.1 孕妇血浆样本分类结果
通过比较多种机器学习算法，二次支持向量机被确定为孕妇血浆样本的最优分类方法。结果显示，二次SVM达到了（76.1 ± 3.1）%的准确率、（72.1 ± 4.8）%的敏感性、（80.4 ± 3.8）%的特异性和（79.6 ± 3.8）%的AUC值。这表明二次SVM能够有效区分孕妇对照与蛋白尿患者的血浆光谱特征。
3.2 新生儿血浆样本分类结果
对于新生儿样本，线性支持向量机表现最佳。研究获得了（90.6 ± 1.5）%的准确率、（83.3 ± 2.4）%的敏感性、（98.9 ± 1.6）%的特异性和（95.9 ± 0.6）%的AUC值。新生儿血浆样本的分类性能显著高于孕妇样本，这可能与新生儿血浆生化组成较为简单、光谱干扰较少有关。
3.3 光谱波段与生化成分鉴定
研究鉴定了所有组别中共有的及特异性的振动模式和波段。其中，816.3 cm-1波段（环CH变形）仅在妊娠对照组中出现；950.5 cm-1波段（与类胡萝卜素和DNA相关）也仅在妊娠对照组及伴蛋白尿的新生儿组中出现；1307.0 cm-1波段（酰胺III振动模式，与蛋白质相关）仅在伴蛋白尿的新生儿组中被识别。这些光谱特征揭示了不同健康状况下妊娠和新生儿的独特生化组成和分子特征，为潜在诊断生物标志物的识别提供了重要线索。
四、讨论与结论
研究表明，FTIR光谱技术结合机器学习能够有效检测孕妇和新生儿血浆样本中的蛋白尿相关生化改变。与传统24小时尿液收集相比，FTIR分析时间大大缩短，有助于加快临床决策。尽管孕妇分类的敏感性和特异性低于12小时尿液收集法，但更快的干预速度仍可能改善母婴健康结局。值得注意的是，新生儿血浆样本的分类性能更高，这可能归因于新生儿基质更简单的生化组成，减少了光谱干扰。
FTIR光谱的诊断性能不应被直接解读为血清白蛋白浓度的度量。虽然白蛋白是最丰富的血浆蛋白并对酰胺I和酰胺II光谱带贡献显著，但这些振动模式也受到其他血浆蛋白的影响。FTIR光谱捕获的是血浆的整体生化特征，整合了蛋白质、脂质、碳水化合物、核酸、炎症介质和氧化应激相关的分子变化，这解释了为何即使在血清白蛋白浓度尚未显著改变的情况下，ML模型也能区分蛋白尿患者。
研究人员指出，该研究的局限性包括：缺乏尿液样本的FTIR分析、样本量较小、以及尚无同类研究可供直接比较。尽管如此，作为首次原理验证研究，其结果仍然有效，并为后续更大规模、更多样化人群的验证研究奠定了基础。
研究结论：通过对血浆样本获得的FTIR光谱进行分类，并识别区分对照与蛋白尿患者的生化特征，研究证明FTIR光谱技术是一种可行的蛋白尿检测方法，能够揭示与母婴健康相关的分子改变。该方法在孕妇中实现了约80%的分类准确率，在新生儿中达到83%。鉴于临床对快速可靠的诊断工具的需求，FTIR光谱代表了一种有前景的分析模式，能够支持及时的临床决策。
