六代谢物特征谱表征代谢不健康肥胖并揭示代谢健康肥胖中隐藏的代谢风险

《Frontiers in Endocrinology》：A six-metabolite signature characterizes metabolically unhealthy obesity and reveals hidden metabolic risk within metabolically healthy obesity

　　

背景/目的：代谢健康肥胖（MHO）通常定义为尽管存在肥胖但无代谢综合征相关异常。然而，常规临床定义可能忽略显著的代谢异质性和隐藏的心血管代谢风险。研究人员旨在识别区分MHO与代谢不健康肥胖（MUHO）的代谢组学特征，评估其区分性能，并确定代谢组学分析能否进一步表征常规定义MHO内部的异质性。方法：研究人员分析了13,215名来自英国生物银行（UK Biobank）的肥胖成人，所有受试者均具有可用的临床生物标志物和基于核磁共振（NMR）的代谢组学数据。代谢健康通过甘油三酯、HDL胆固醇、高血压、空腹血糖、2型糖尿病及降脂药物使用进行定义。采用单变量逻辑回归和LASSO回归进行代谢物选择。使用临床变量、代谢组学标志物及其组合构建逻辑回归和XGBoost模型。在MHO组内应用加权代谢特征评分以表征横断面代谢和临床异质性，并在约1,408名参与者中进行蛋白质组学分析。结果：筛选出包含HDL_size、S_HDL_CE、XL_HDL_TG、GlycA、M_VLDL_C和Omega_3的六代谢物特征。在测试集中，临床-代谢组学联合模型较单独临床变量显示出更好的区分能力，AUC分别为0.78和0.69。在MHO内部，较高的代谢组学评分与较高的甘油三酯、HbA1c、腰臀比，较低的HDL胆固醇，以及更大的代谢和心血管合并症负担相关。蛋白质组学分析确定了10个代谢物相关核心蛋白，涉及脂蛋白重塑、脂肪因子信号传导、炎症和血管相关通路。结论：六代谢物特征可区分MHO与MUHO，并在常规定义的MHO内部揭示隐藏的代谢风险，为精细化肥胖表型分型提供了代谢组学框架，在临床转化前需进一步验证。

肥胖是全球重大健康挑战，是2型糖尿病（T2D）、高血压、非酒精性脂肪性肝病（NAFLD）和心血管疾病（CVD）的关键驱动因素。然而，肥胖存在显著的生物学异质性，相同体质量指数（BMI）的个体在胰岛素敏感性、脂质代谢、炎症状态及长期临床结局上可能差异显著。代谢健康肥胖（MHO）通常定义为不伴有代谢综合征相关异常的肥胖状态，但传统临床定义可能掩盖其内部隐藏的异质性与心血管代谢风险。既往代谢组学研究受限于样本量小、代谢物覆盖不足，且缺乏与预测模型及生物学解释的整合。为此，研究人员利用英国生物银行（UK Biobank）大规模人群资源，旨在通过核磁共振（NMR）代谢组学识别可区分MHO与代谢不健康肥胖（MUHO）的代谢物特征，并进一步探索常规定义MHO内部是否存在隐藏的代谢风险梯度。

研究人员分析了UK Biobank中13,215名肥胖成人（BMI≥30 kg/m²），包括4,545例MHO和8,670例MUHO。通过单变量逻辑回归与LASSO回归筛选代谢物，构建六代谢物特征谱；采用逻辑回归和XGBoost建立临床、代谢组学及联合模型；在MHO组内计算加权代谢组学风险评分；并对约1,408名受试者进行蛋白质组学整合分析。研究发现该特征可有效区分MHO与MUHO，联合模型在测试集曲线下面积（AUC）达0.78；在MHO内部，该评分揭示了隐藏的代谢风险梯度，高风险亚组呈现更差的脂质谱、更高的糖化血红蛋白（HbA_1c）及更多心脏代谢合并症。论文发表在《Frontiers in Endocrinology》。

主要技术方法：研究基于UK Biobank队列（13,215名肥胖成人）。采用NMR代谢组学定量154种循环代谢物；以单变量逻辑回归和LASSO回归（交叉验证）筛选候选代谢物；构建逻辑回归与XGBoost模型（70%/30%训练/测试集划分），以AUC、净重分类改善指数（NRI）、综合判别改善指数（IDI）及决策曲线分析评估区分性能；对MHO组按加权代谢组学风险评分四分位数分层；利用Olink平台对约1,408名受试者进行蛋白质组学检测，经差异蛋白分析和Pearson相关分析构建代谢物-蛋白质网络。

3.1 研究人群和基线特征：MHO与MUHO在年龄、腰围、甘油三酯、高密度脂蛋白（HDL）、空腹血糖、HbA_1c及代谢合并症负担方面差异显著，表明二者是临床表型不同的肥胖亚型。

3.2 六代谢物特征的鉴定：154个代谢物中152个与代谢健康状态显著相关；LASSO筛选出57个候选代谢物；经相关性去冗余与生物学域覆盖评估，最终确定HDL_size、S_HDL_CE、XL_HDL_TG、GlycA、M_VLDL_C和Omega_3六种代谢物，涵盖HDL颗粒结构、HDL脂质组成、HDL甘油三酯富集、VLDL相关脂质代谢和脂肪酸组成等互补代谢轴。

3.3 区分MHO与MUHO的代谢组学特征：六代谢物均与MUHO独立相关；联合模型在测试集AUC为0.78，显著优于单独临床模型（0.69）；DeLong检验、NRI和IDI分析证实代谢组学信息具有增量判别价值；XGBoost结果与逻辑回归一致，表明模型具有良好稳健性。

3.4 敏感性和亚组分析：采用严格定义、剔除脂质相关代谢物、扩展临床模型、排除降脂药物使用者及性别分层后，六代谢物特征的关联方向和模型区分性能均保持一致，支持主要结果的稳健性。

3.5 代谢组学风险评分揭示MHO内的隐藏风险：按评分将MHO分为低、中、高风险三组，高风险组呈现进行性升高的甘油三酯、HbA_1c和腰臀比，以及更低HDL，且高血压、高脂血症、NAFLD、睡眠呼吸暂停、CVD、心力衰竭和冠心病的患病率均随评分升高而增加。

3.6 蛋白质组学分析：鉴定出69个MHO与MUHO之间的差异蛋白，其中AGRP、APOM、CCN1、FGFBP1、LDLR、MFGE8、NPY、PLTP、RARRES2和SERPIND1共10个核心蛋白与六代谢物显著相关，富集于脂蛋白重塑、脂肪因子信号、炎症和血管调节通路，为代谢组学特征提供了生物学支持。

讨论部分指出，基于代谢综合征组分的临床定义难以充分反映肥胖的分子异质性，代谢健康更应被视为生物学风险连续谱而非二分类状态。六代谢物特征具有清晰的生物学可解释性：HDL_size和S_HDL_CE反映HDL颗粒成熟、脂质转运和胆固醇逆转运；XL_HDL_TG提示HDL颗粒甘油三酯富集及功能受损；M_VLDL_C反映致动脉粥样硬化脂蛋白代谢；GlycA是反映全身性炎症的复合NMR生物标志物；Omega_3反映脂肪酸组成及炎症与血管调节状态。蛋白质组学整合分析进一步表明该特征并非单纯的统计分类器，而对应