新型尿液代谢标志物在糖尿病肾脏病诊断中的价值

摘要：

目的:探讨新型尿液代谢标志物在糖尿病肾脏病（DKD）诊断中的价值。方法:选择2020年1至12月在南京医科大学第二附属医院就诊的健康人群或确诊为2型糖尿病（T2DM）的患者235例作为研究对象。本研究包含两个独立的队列，即发现队列（116例）和验证队列（119例）。发现队列分为健康对照组（37例）、单纯T2DM组（40例）以及T2DM合并DKD组（39例）；验证队列分为单纯T2DM组（64例）和T2DM合并DKD组（55例）。收集研究对象的人口学和实验室检查等资料，应用超高效液相色谱-串联质谱方法进行尿液代谢物的全靶向定量检测。采用偏最小二乘判别分析和正交偏最小二乘判别分析进行多维建模。利用基于Boruta算法的机器学习筛选潜在标志物。尿液代谢标志物的两组间比较采用Wilcoxon秩和检验，多组间比较采用Kruskal-Wallis检验。采用二元logistic回归分析进行统计建模，受试者工作特征（ROC）曲线评价诊断效能。结果:发现队列中，在晨尿标本中定量检测到160种代谢物，单纯T2DM组和T2DM合并DKD组比较后筛选出62种差异代谢物，主要富集在氨基酸代谢通路，其中17种是诊断DKD的候选标志物。在验证队列中，15种差异代谢物及7种候选标志物（异戊酸、异丁酸、亮氨酸、腺苷高半胱氨酸、丙酸、氧代己二酸和丙酰肉碱）被证实。分别用单一候选标志物或7种候选标志物的组合指标构建诊断模型，结果显示，无论在发现队列还是验证队列中，组合指标的诊断效能［发现队列ROC曲线下面积0.888（95%CI 0.814~0.963）；验证队列ROC曲线下面积0.811（95%CI 0.734~0.887）］均明显高于任何单一候选标志物（发现队列、验证队列ROC曲线下面积分别为0.697~0.831、0.628~0.728）。结论:单纯T2DM患者与T2DM合并DKD患者的尿液代谢物存在显著差异。从尿液代谢物中筛选出的7种候选标志物构建的组合指标可能成为诊断DKD的新途径。

关键词：糖尿病，2型、糖尿病肾病、代谢组学、机器学习

所属期刊栏目：14

资助基金：国家自然科学基金81600526;江苏省自然科学基金BK20201497;National Natural Science Foundation of China81600526;Natural Science Foundation of Jiangsu provinceBK20201497

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：456-464