整合循环代谢生物标志物与蛋白质组学信息识别特发性肺纤维化风险亚型并提升预测准确性

《Lipids in Health and Disease》：Circulating metabolic subtypes and proteomic signatures associated with incident idiopathic pulmonary fibrosis: a UK biobank prospective cohort study

摘要

背景

特发性肺纤维化（IPF）在生物学上具有异质性，但循环中的代谢/生物标志物异质性以及互补的蛋白质组学信息是否能够前瞻性地识别出发生IPF风险不同的个体，并提高风险预测能力，目前尚不清楚。

方法

我们分析了9,443名英国生物银行（UK Biobank）的参与者，这些参与者具有308个基线代谢/生物标志物（Met/Bio）特征和2,909种血浆蛋白。在插补和特征选择之前，参与者被分为训练集、内部验证集和地理上分离的外部验证集。通过LASSO选择、主成分分析和K-means聚类方法来确定Met/Bio亚型。评估了各亚型发生IPF的风险。在负担最重的亚型中，使用互补的Cox方法评估了蛋白质整体的关联情况，并在5年、10年和15年的时间点上评估了整合了传统因素、Met/Bio特征和蛋白质的随机森林模型。

结果

在128,534人的年随访期间，共发生了90例新发的IPF病例。27个Met/Bio特征定义了3个可重复的亚型。C3亚型以富含甘油三酯的低密度脂蛋白（VLDL）谱型和炎症特征为特征，其IPF的负担最高，这种风险模式在两个验证集中都得到了重现。在C3亚型中，CD80、ADA2、CDCP1、CCL7和DPEP1这五种蛋白质在未经校正、岭回归（ridge）和Firth Cox分析中都显示出与IPF发生的强烈相关性。与基础模型相比，整合了Met/Bio和蛋白质信息的模型将5年、10年和15年的AUC值从0.573、0.659和0.705分别提高到了0.851、0.725和0.757（在内部验证中），以及从0.891、0.650和0.692提高到了0.971、0.939和0.808（在地理上分离的外部验证中）。

结论

循环中的Met/Bio亚型分类识别出了发生IPF风险的可重复异质性以及一个风险较高的亚型。将Met/Bio信息和蛋白质组学信息整合起来，在预测准确性上超越了传统因素，这证明了这种方法的可行性，需要在更大的独立队列中进行验证。

背景

特发性肺纤维化（IPF）在生物学上具有异质性，但循环中的代谢/生物标志物异质性以及互补的蛋白质组学信息是否能够前瞻性地识别出发生IPF风险不同的个体，并提高风险预测能力，目前尚不清楚。

方法

我们分析了9,443名英国生物银行（UK Biobank）的参与者，这些参与者具有308个基线代谢/生物标志物（Met/Bio）特征和2,909种血浆蛋白。在插补和特征选择之前，参与者被分为训练集、内部验证集和地理上分离的外部验证集。通过LASSO选择、主成分分析和K-means聚类方法来确定Met/Bio亚型。评估了各亚型发生IPF的风险。在负担最重的亚型中，使用互补的Cox方法评估了蛋白质整体的关联情况，并在5年、10年和15年的时间点上评估了整合了传统因素、Met/Bio特征和蛋白质的随机森林模型。

结果

在128,534人的年随访期间，共发生了90例新发的IPF病例。27个Met/Bio特征定义了3个可重复的亚型。C3亚型以富含甘油三酯的低密度脂蛋白（VLDL）谱型和炎症特征为特征，其IPF的负担最高，这种风险模式在两个验证集中都得到了重现。在C3亚型中，CD80、ADA2、CDCP1、CCL7和DPEP1这五种蛋白质在未经校正、岭回归（ridge）和Firth Cox分析中都显示出与IPF发生的强烈相关性。与基础模型相比，整合了Met/Bio和蛋白质信息的模型将5年、10年和15年的AUC值从0.573、0.659和0.705分别提高到了0.851、0.725和0.757（在内部验证中），以及从0.891、0.650和0.692提高到了0.971、0.939和0.808（在地理上分离的外部验证中）。

结论

循环中的Met/Bio亚型分类识别出了发生IPF风险的可重复异质性以及一个风险较高的亚型。将Met/Bio和蛋白质组学信息整合起来，在预测准确性上超越了传统因素，这证明了这种方法的可行性，需要在更大的独立队列中进行验证。