《Metabolomics》：Integration of metabolomics and machine learning algorithm for discovery of early diagnostic biomarkers of osteoporosis
编辑推荐：
骨质疏松（OP）是一种普遍存在的代谢性骨疾病，也是一项重大的公共卫生问题，其特征为骨量减少和骨微结构恶化。骨质疏松的早期识别和预防性干预的实施对于降低骨折风险和疾病负担仍然至关重要。识别反映与OP相关的代谢改变的血浆生物标志物可能有助于早期检测和风险评估。基于
骨质疏松（OP）是一种普遍存在的代谢性骨疾病，也是一项重大的公共卫生问题，其特征为骨量减少和骨微结构恶化。骨质疏松的早期识别和预防性干预的实施对于降低骨折风险和疾病负担仍然至关重要。识别反映与OP相关的代谢改变的血浆生物标志物可能有助于早期检测和风险评估。基于超高效液相色谱-质谱联用技术（UHPLC-MS）的非靶向代谢组学和脂质组学分析在一个发现队列中进行，该队列包括75名OP患者和140名健康对照。使用多变量统计分析（PCA，OPLS-DA）和FDR调整的单变量分析鉴定差异特征。采用多变量逻辑回归和LASSO正则化逻辑回归，将年龄和性别作为强制协变量纳入，以识别独立的脂质预测因子。在一个由20名OP患者和42名健康对照组成的独立验证队列中进一步评估了随机森林（RF）模型。共鉴定出61种差异代谢物，主要富集在脂质代谢途径中。进一步靶向脂质组学鉴定出四种诊断脂质生物标志物，包括LPA(16:0)、LPI(16:0)、LPI(18:0)和LPI(20:0)。在对年龄和性别进行协变量调整后，关键脂质种类仍与OP独立相关。基于RF的诊断模型在验证队列中保持了稳健的性能，AUC为0.916（95% CI：0.842–0.990），具有高灵敏度和特异度。血浆中的LPA(16:0)、LPI(16:0)、LPI(18:0)和LPI(20:0)与骨密度T值呈负相关。这些关联在严格调整年龄和性别后依然存在，表明溶血磷脂失调是OP的独立代谢标志。基于四种生物标志物的多代谢物模型对OP显示出良好的预测性能，并可能为早期风险评估提供潜在工具。
骨质疏松（OP）是一种全球普遍存在的代谢性骨疾病，随着人口老龄化趋势加剧，其造成的骨折并发症给全球医疗系统带来沉重负担。目前OP的诊断主要依赖于双能X射线吸收法（DXA），但该技术对早期骨量流失的敏感性有限，且存在“骨密度悖论”，即骨密度正常者仍可能发生脆性骨折。同时，传统的骨转换标志物特异性较差，易受多种因素干扰。由于OP发病隐匿，患者常在发生不可逆的结构恶化后才被确诊，因此亟需能够反映早期代谢改变的新型生物标志物。在此背景下，研究人员推测脂质代谢失调与OP发病密切相关，开展了将代谢组学与机器学习算法相结合的研究，旨在发现用于OP早期诊断的脂质生物标志物。该研究成果发表在《Metabolomics》。
为开展这项研究，研究人员主要使用基于超高效液相色谱-质谱联用技术（UHPLC-MS）的非靶向代谢组学和靶向脂质组学分析方法，并应用了多变量统计分析、LASSO正则化逻辑回归以及随机森林（RF）机器学习算法。研究所涉及的两个独立样本队列均来自天津中医药大学第一附属医院的住院患者。
人口统计学特征及潜在疾病分析
通过对发现队列的人口统计学和临床特征分析发现，OP组患者的年龄显著高于健康对照组，身高较低，并表现出提示血脂异常的脂质谱特征。OP组的腰椎T值显著降低。这种年龄、性别分布在两组间的显著不平衡可能影响疾病特异性代谢标志物的鉴定，因此研究人员在后续的所有多变量统计分析和诊断模型中均将年龄和性别作为固定协变量进行调整。
血浆代谢谱及多变量统计分析
研究人员在发现队列的血浆样本中进行了非靶向UHPLC-MS分析。主成分分析（PCA）和正交偏最小二乘判别分析（OPLS-DA）有效地将OP患者与健康对照的代谢组区分开来。严格筛选后鉴定出61种差异代谢物。在进行年龄和性别协变量调整后，这些代谢物仍与OP显著相关。通过代谢途径富集分析发现，这些差异代谢物主要涉及氨基酸代谢、如三羧酸循环（TCA循环）等能量代谢，以及最为显著的脂质代谢，其中42.6%的差异代谢物为脂质，表明脂质稳态失调是OP状态的核心特征，为后续靶向脂质组学验证提供了依据。
靶向脂质组学分析及差异脂质谱鉴定
为了更特异性和定量地分析脂质变化，研究人员进行了靶向脂质组学分析，共量化了897种脂质。在OP患者中，观察到包括磷脂酰胆碱（PC）、磷脂酰肌醇（PI）、溶血磷脂酸（LPA）、溶血磷脂酰肌醇（LPI）等在内的14个脂质亚类发生改变，表明了广泛的脂质重塑。筛选后共鉴定出27种差异脂质，在调整年龄和性别后仍然具有统计学意义，确认了其独立性。
伴人口统计协变量校正的多变量统计分析
为了确定观察到的代谢分离是否受到人口统计学混杂因素的影响，研究人员进行了协变量校正分析。校正后的PCA和OPLS-DA模型仍显示出OP组与对照组之间的分离趋势，但相较于未校正模型，其性能降低。这一结果表明，观察到的代谢和脂质组学差异不能完全由年龄或性别解释，支持了标志物对OP的疾病特异性。
基于脂质组学预测模型的验证
研究人员在一个独立验证队列中评估了脂质生物标志物的诊断性能。通过随机森林（RF）算法筛选出四种最具区分度的诊断生物标志物，分别为LPA(16:0)、LPI(16:0)、LPI(18:0)和LPI(20:0)。在调整协变量后，这四种溶血磷脂的联合诊断Panel保持了稳健的判别能力，AUC达到0.916（95% CI：0.842–0.990）。Pearson相关分析进一步表明，这四种代谢物与BMD T值呈强烈的显著负相关，验证了其作为OP诊断生物标志物的临床潜力。
讨论与结论
研究人员提出，骨质疏松是一种系统性代谢疾病。本研究发现氨基酸代谢和能量代谢异常可能反映了蛋白质更新异常和线粒体氧化能力受损。更重要的是，脂质代谢重塑是OP的核心特征。 LPC、LPI等溶血磷脂的升高可能通过激活Rho/ROCK和NF-κB信号通路促进破骨细胞分化。在调整了年龄和性别等混杂因素后，四种溶血磷脂仍保持独立预测价值。研究结论指出，通过多阶段代谢组学整合机器学习，鉴定出的包含LPA(16:0)、LPI(16:0)、LPI(18:0)和LPI(20:0)的四联溶血磷脂Panel可作为OP的稳健代谢标志物，其构建的诊断模型出具有高AUC值，为系统性脂质失调在OP中的作用提供了证据，并提出了一种用于早期风险评估的潜在非侵入性工具。鉴于横断面设计的局限，仍需进一步的多中心纵向验证和功能机制研究。
