结合无目标代谢组学与机器学习技术，揭示心代谢性HFpEF中鞘脂代谢的异常

《Diabetology & Metabolic Syndrome》：Integrating untargeted metabolomics and machine learning to reveal an aberration of sphingolipid metabolism in cardiometabolic HFpEF

　　

摘要

背景

射血分数保留的心脏代谢性心力衰竭（HFpEF）是一种高风险疾病表型，其主要由代谢综合征引发，其发病率及不良结局的风险均显著升高。造成这一情况的根本原因在于缺乏早期临床诊断。作为能够准确捕捉病理生理状态的工具，代谢组学为解决这一问题提供了重要途径；然而，针对该群体代谢特征的研究仍然有限。

方法

本研究结合临床队列与无目标代谢组学分析，比较了心脏代谢性HFpEF患者与代谢综合征（MetS）患者的血清代谢谱。通过倾向评分匹配（PSM）使两组患者的基线特征保持平衡。首先通过无目标代谢组学识别出差异性代谢物，继而进行KEGG通路富集分析。进一步运用机器学习方法筛选具有潜在诊断价值的候选代谢物，并通过加权基因共表达网络分析（WGCNA）结合SHapley加性解释（SHAP）来评估表型关联及特征贡献度。在另一独立临床队列中，基于临床应用性，通过ELISA方法检测总鞘磷脂（SM）水平作为外部评估指标。

结果

两组之间的差异性代谢物主要集中于鞘脂代谢和甘油磷脂代谢通路中。经过多方法筛选后，C24:1鞘磷脂被确定为具有潜在诊断价值的候选代谢物。包含C24:1鞘磷脂的共表达模块与心力衰竭的关键生物标志物NT-proBNP存在显著相关性，而SHAP分析表明C24:1鞘磷脂对分类模型有重要贡献。在外部队列中，总鞘磷脂水平与疾病状态相关，这表明鞘脂相关信号可能具有临床意义。

结论

本研究初步明确了心脏代谢性HFpEF与单纯代谢综合征在代谢特征上的差异，表明鞘脂代谢紊乱与该疾病表型的发生和发展有关。在所识别的代谢物中，C24:1鞘磷脂被视为具有潜在诊断价值的候选物质，而鞘磷脂本身也显示出一定的临床应用潜力。这些发现为心脏代谢性HFpEF的生物标志物发现以及相关临床转化研究提供了新的线索。