整合多组学解析代谢综合征的分子特征：基于KORA FF4队列的代谢组与蛋白质组联合分析

《Metabolites》：Integrative Multi-Omics Reveals Distinct Molecular Signatures of Metabolic Syndrome from KORA FF4 Study

　　

摘要 背景/目的： 代谢综合征（Metabolic syndrome, MetS）是一组异质性心血管代谢危险因素的聚集，其潜在的分子异质性尚未完全阐明。方法： 在KORA FF4研究（n = 1921）中分析了靶向代谢组学（388种代谢物）和非靶向蛋白质组学（842种蛋白质）。研究人员应用多变量回归、LASSO和多组学因子分析（Multi-Omics Factor Analysis, MOFA）来识别与MetS相关的分子特征。作为次要分析，研究人员在MetS亚组（n = 582）中基于22项临床变量进行了软聚类原型分析（archetypal analysis），以识别极端临床亚表型。结果： 共有117种代谢物和70种蛋白质与MetS相关，其中5种代谢物和8种蛋白质在所有MetS组分中共享。关键的代谢组学特征包括二酰甘油（diacylglycerols）、甘油三酯评分（triglyceride score）、己糖（hexoses）和支链氨基酸（branched-chain amino acids）。突出的蛋白质包括APOC4、APOE、APOB、APOD、APOF、脂联素（adiponectin）、脂多糖结合蛋白（LBP）和性激素结合球蛋白（SHBG），反映了脂质代谢、炎症和代谢调节的改变。MOFA识别出一个与MetS密切相关的潜在因子，整合了脂质代谢、胰岛素抵抗和炎症的特征。原型分析识别出极端MetS谱型，并与所有MetS组分共享的代谢物和蛋白质相关联。结论： 整合多组学分析揭示了MetS相关的分子特征，主要表现为脂质代谢失调、胰岛素抵抗和慢性低度炎症。次要原型分析强调了MetS极端边界的临床异质性，同时支持存在共享的分子基础。这些发现凸显了结合临床、代谢组学和蛋白质组学以改善MetS异质性表征的价值，并为未来精准风险分层提供信息。

论文解读：整合多组学揭示代谢综合征的分子特征与临床异质性

一、研究背景与科学问题

代谢综合征（Metabolic syndrome, MetS）是一组相互关联的心血管代谢异常聚集，包括中心性肥胖、血压升高、血脂异常、高血糖和胰岛素抵抗，共同增加2型糖尿病（type 2 diabetes mellitus, T2D）、心血管疾病（cardiovascular disease, CVD）及全因死亡风险。随着全球肥胖和久坐生活方式的持续上升，MetS已成为重大公共卫生问题，影响全球约四分之一成年人口。例如，在美国，按NCEP-ATP III标准定义的MetS患病率已从2011–2012年的37.6%上升至2017–2018年的41.8%。MetS的发病机制涉及代谢、炎症、内分泌和遗传通路之间的复杂相互作用，共同促成胰岛素抵抗、脂肪组织功能障碍和系统性代谢失调。然而，当前MetS的二元定义未能充分捕捉其病理生理异质性，对预测未来代谢轨迹的能力有限，也导致标准化代谢治疗的效果不一致。

高通量分子谱分析技术的进步使得对生物系统进行全面表征成为可能。代谢组学可定量评估低分子量代谢物，反映细胞过程的终产物，提供代谢活性的直接快照；蛋白质组学则通过大规模表征介导细胞信号、炎症、脂质转运和代谢调节的蛋白质，提供机制性见解。虽然单一组学分析提供了有价值的见解，但代谢疾病源于跨越多个生物学水平的相互关联分子网络，因此整合多组学方法能更全面地理解疾病生物学。多组学因子分析（Multi-Omics Factor Analysis, MOFA）是一种无监督统计框架，专门用于整合异质组学数据集，识别跨多个分子层共享和模态特异的变异来源。此外，软聚类方法如原型分析（archetypal analysis）可识别数据边界的极端纯模式，量化个体与各原型的匹配程度。

本研究基于德国奥格斯堡地区的KORA FF4队列，整合靶向代谢组学（388种代谢物）和非靶向蛋白质组学（842种蛋白质），旨在识别MetS相关分子特征，并通过MOFA整合组学数据、通过原型分析表征MetS亚组内的临床异质性。

二、研究设计与方法概述

研究人员分析了KORA FF4队列（n = 1921）参与者，其中582例MetS患者和1339例非MetS对照。MetS诊断依据国际糖尿病联盟（International Diabetes Federation, IDF）2009年标准。蛋白质组学分析采用液相色谱-串联质谱（LC-MS/MS）技术，最终获得842种蛋白质在1825名参与者中的数据；代谢组学采用MxP? Quant 500试剂盒通过液相色谱-三重四极杆质谱分析，最终获得388种代谢物在863名参与者中的数据。统计方法包括：多变量线性/逻辑回归模型（校正年龄、性别、生活方式和药物使用）评估单个代谢物和蛋白质与MetS及其各组分的关联；MOFA2整合代谢组和蛋白质组数据识别潜在因子；原型分析（archetypal analysis）基于22项临床变量对MetS亚组（n = 582）进行软聚类，并通过调整兰德指数（adjusted Rand index, ARI）评估原型稳定性，最终确定三个原型。

三、主要研究结果

3.1 描述性统计

在1921名参与者中，582名（30.3%）患有MetS。MetS参与者年龄更大（64岁 vs. 55岁），男性比例更高（61.9% vs. 41.5%），体重（86.6 vs. 73.5 kg）、BMI（29.6 vs. 25.6 kg/m2）和腰臀比（0.96 vs. 0.87）均显著更高。MetS组收缩压（127 vs. 113 mmHg）和舒张压（76.5 vs. 71 mmHg）显著更高，空腹血糖（5.88 vs. 5.22 mmol/L）、2小时血糖（7.02 vs. 5.38 mmol/L）、空腹胰岛素（79.5 vs. 45.0 pmol/L）和2小时胰岛素（437.6 vs. 228.0 pmol/L）均显著升高。MetS组QUICKI评分更低（0.32 vs. 0.35），HOMA2-IR更高（1.55 vs. 0.85），HOMA2-S更低（64.6 vs. 117.0），HOMA2-B更高（88.1 vs. 78.3），表明胰岛素抵抗增强和代偿性β细胞活性增加。血脂方面，MetS组HDL-C显著降低（1.38 vs. 1.77 mmol/L），甘油三酯显著升高（1.75 vs. 1.03 mmol/L）。MetS组中45.8%为肥胖，而非MetS组仅16.1%。

3.2 代谢组学与MetS的关联

逻辑回归分析识别出117种与MetS显著相关的代谢物。5种代谢物（胆固醇酯CE(16:1)、神经酰胺Cer(d18:1/18:0)、二酰甘油DG(16:0/18:1)、DG(17:0/18:1)和磷脂酰胆碱PC aa C36:4）与所有MetS组分相关。BMI相关代谢物中，谷氨酸（β = 0.42）、缬氨酸（β = 0.42）、异亮氨酸（β = 0.41）和酪氨酸（β = 0.37）呈最强正相关，而lysoPC a C18:2（β = ?0.38）呈最强负相关。甘油三酯水平与二酰甘油种类高度相关，包括DG 16:0/18:1、DG 18:1/18:1、DG 16:0/18:2和DG 16:1/18:2（所有q < 1 × 10?1??）。HDL胆固醇与多种磷脂酰胆碱种类正相关。空腹血糖与己糖（H1；β = 0.94）和谷氨酸（β = 0.28）强正相关。MetS状态与H1（OR = 6.18）、TG_score（OR = 4.61）、DG 16:0/18:1（OR = 4.00）和DG 16:0/18:2（OR = 3.40）显著相关。

3.3 蛋白质组学与MetS的关联

多变量回归分析识别出70种与MetS显著相关的蛋白质。8种蛋白质（APOB、CO3、CFAH、SAMP、VTNC、AFAM、LG3BP、K7ER74）在所有5个MetS组分中均显著。BMI方面，性激素结合球蛋白（SHBG）呈最强负相关（β = ?1.16），C反应蛋白（CRP）呈正相关（β = 0.27）。甘油三酯方面，APOC4呈最强正相关（β = 1.35），其次是GPC1相关蛋白（β = 2.44）和APOB（β = 0.47）。HDL胆固醇与视蛋白B（OPSB；β = 2.19）、G蛋白α亚基z（GNAZ；β = 4.13）和载脂蛋白M（APOM；β = 0.34）正相关。空腹血糖与AFAM正相关（β = 0.22），与APOF（β = ?0.39）和脂联素（ADIPO；β = ?0.37）负相关。MetS状态方面，APOC4（OR = 4.15）和GPC1相关蛋白（OR = 16.04）显著增加MetS风险，而APOD（OR = 0.59）和脂联素（OR = 0.30）呈保护性关联。

3.4 多组学因子分析

MOFA识别出15个潜在因子。因子1主要解释代谢组学层20.4%的方差，与MetS状态关联最强（FDR校正p < 2 × 10?1?），能清晰区分病例与对照。因子1与HOMA-IR（r = ?1.054）、hsCRP（r = ?0.516）、甘油三酯（r = ?2.43）和HDL（r = 1.185）显著相关。驱动因子1的前10个代谢组学特征中7个为二酰甘油种类，此外包括异亮氨酸、亮氨酸和TG_score，均在MetS病例中显著升高。驱动因子1的前10个蛋白质中，APOB、APOC4、GPC1、SAMP、PEDF等7种在MetS中显著升高，而脂联素（ADIPO）、APOF和I3L145显著降低。

3.5 极端MetS病例的原型分析

在MetS亚组（n = 582）中，原型分析基于RSS肘部法和ARI稳定性评估确定了三个原型：M1（n = 47，8.1%）、M2（n = 38，6.5%）和M3（n = 68，11.7%），其余429人（73.7%）为混合病因组。原型M1代表最不利的肥胖-高血糖表型，以男性为主，特征为胰岛素抵抗、高胰岛素血症、肥胖1-3级、血糖调节受损或新诊断糖尿病、炎症、血脂异常（高TG、低HDL）和血压正常。原型M2代表较年长女性表型，代谢特征相对有利，包括正常体重/前肥胖、血糖基本正常、血压正常、血脂异常（高LDL/胆固醇）、高HDL和胰岛素敏感性相对保留。原型M3代表以男性为主的高血压主导表型，特征为高正常血压/1级高血压、身高较高、肌酐升高、血脂异常（高TG/LDL）、前肥胖/1级肥胖和血糖基本正常。分子层面，原型M1表现为甘油三酯丰富、炎症性代谢状态，氨基酸（谷氨酸、异亮氨酸、缬氨酸）、甘油三酯和炎症蛋白（LBP、CRP、LG3BP）升高，而多种溶血磷脂酰胆碱和载脂蛋白（APOF、APOM、APOD）降低。原型M2表现为甘油三酯降低，PSD1、NUFP2、I3L145、APOF、APOM和APOD升高，提示载脂蛋白富集的脂质重塑谱型。原型M3表现为溶血磷脂酰胆碱（lysoPCaC18:0、lysoPCaC16:1、lysoPCaC14:0、lysoPCaC18:2）和载脂蛋白（APOF、APOM）升高，氨基酸（谷氨酸、异亮氨酸）和炎症标志物（LBP、LG3BP、H1）降低。

四、讨论与结论

本研究的三个主要发现：第一，MetS与代谢组和蛋白质组广泛改变相关，脂质代谢失调是主导分子特征；第二，MOFA识别出与MetS强相关的潜在分子因子，特征为二酰甘油、支链氨基酸、致动脉粥样硬化载脂蛋白和炎症蛋白升高，表明胰岛素抵抗、血脂异常和低度炎症构成协调的病理生理轴；第三，原型分析揭示了MetS内可解释的临床和分子异质性，部分MOFA因子贡献的代谢物和蛋白质与原型的权重显著相关，为临床定义的MetS内存在分子异质性提供了证据。

脂质代谢失调是MetS的核心特征。二酰甘油不仅是生物标志物，还通过激活蛋白激酶C信号通路成为胰岛素抵抗的活性介质。支链氨基酸（BCAAs）的升高是最可重复的肥胖、胰岛素抵抗和未来T2D的代谢组学特征之一，反映氨基酸分解代谢受损、线粒体功能障碍和营养感应通路改变。脂联素降低是内脏肥胖的特征，促进血糖调节受损、内皮功能障碍和炎症；而SAMP、CRP、补体相关蛋白和PEDF升高表明炎症通路激活，支持“代谢性炎症”（metaflammation）作为连接肥胖与心血管代谢疾病的统一机制。

研究优势包括大规模人群队列、全面参与者表征、同时评估388种代谢物和842种蛋白质，以及采用回归建模、MOFA和原型聚类的互补分析方法。局限性包括横断面设计无法推断因果关系、混合病因组较大且异质性高、缺乏独立队列复制、蛋白质组层解释方差相对有限、药物数据仅为二元指标、缺乏ALT和AST等肝功能指标。

结论：整合代谢组学和蛋白质组学分析揭示了MetS中脂质和支链氨基酸代谢、脂肪因子信号和炎症通路的协调改变。MOFA识别出以二酰甘油、甘油三酯相关代谢物和致动脉粥样硬化载脂蛋白升高以及脂联素降低为特征的潜在分子因子，突出了与胰岛素抵抗和心血管代谢功能障碍相关的分子轴。原型分析揭示了三个临床可解释的极端谱型，且部分MOFA因子贡献的代谢物和蛋白质与原型权重显著相关，表明共享分子特征可能存在于临床异质性的MetS表现之下。这些结果为MetS的分子和临床异质性提供了见解，支持多组学方法在改善心血管代谢风险表征和未来分层中的价值。