研究延伸
本文通過脂質組學揭示T2DM新型脂質預測因子。邁維代謝提供領先的代謝組學服務，包括廣靶脂質組、絕對定量脂質組和氧化脂質等多種脂質組學產品。
研究目的
在漢族人群中尚缺乏對2型糖尿病（T2DM）發(fā)病前血清脂質組異常的綜合評估。我們評估了血糖正常（NGR）個體中T2DM發(fā)病前脂質共調節(jié)的變化，并確定了T2DM新型脂質預測因子。
研究方法
在發(fā)現集，我們從3821名血糖水平正常的中國成年人隊列中，對患有糖尿病的受試者和對照受試者（n = 200）的血清進行脂質檢測，檢測到667種脂質，對照受試者使用傾向評分匹配（PSM）并采用包括年齡、BMI和禁食血漿葡萄糖（FPG）的邏輯模型進行選擇。在驗證集中，我們從14651名血糖正常且覆蓋中國五個地理區(qū)域的個體驗證隊列中，對患有糖尿病的受試者和傾向得分匹配的對照受試者（n = 724）的脂質進行了檢測。差異相關網絡分析揭示了糖尿病前期的脂類固醇紊亂。還評估了獨立于血清甘油三酸酯和負荷后2小時血糖的血清脂質組的預測價值。
研究結果
在錯誤發(fā)現率<0.05的水平下，在發(fā)現集和驗證集中38種脂質（包括三?；视停═AGs），溶血磷脂酰肌醇，磷脂酰膽堿，多不飽和脂肪酸（PUFA）-纖溶酶原磷脂酰乙醇胺（PUFA-PEps）和膽固醇酯）與T2DM風險顯著相關。初步研究發(fā)現，大多數脂質預測因子也與糖尿病前期風險顯著相關。差異相關網絡分析顯示，在糖尿病發(fā)作之前，存在類內（即非PUFA-TAG和PUFA-TAGs）和類間（即TAGs和PUFA-PEps）脂質凝聚的擾動。與常規(guī)臨床指標相比，我們的脂質組進一步改善了對糖尿病的預測。
研究結論
這些發(fā)現揭示了在糖尿病發(fā)作之前存在脂質調節(jié)的新變化，并擴展了中國血糖正常人群中T2DM血清脂質預測因子的當前研究范圍。
試驗結果
1. 發(fā)現集和驗證集的臨床和統計學特征
在發(fā)現集中，除了性別、年齡、BMI和FPG在PSM下，基線空腹HDL膽固醇、LDL膽固醇、胰島素水平、SBP、糖尿病家族史以及生活方式因素包括吸煙、飲酒、身體活動、 病例科目和對照科目的教育狀況也很匹配。在發(fā)現集中，病例受試者顯示較高水平的2hPG和空腹TG。在驗證集中，病例受試者的SBP和空腹TG顯著高于對照組（表1）。
2. 血脂分析和糖尿病風險
在發(fā)現集（左圖，n = 200）和驗證集（右圖，n = 724）中顯著（FDR，0.05）的脂質物質，每增加一個SD變量和95％CI的多變量調整的OR。根據年齡、性別、BMI、吸煙狀況、飲酒狀況、教育程度、體育鍛煉、糖尿病家族史、FPG和SBP調整多元模型。經過多次測試調整后，始終發(fā)現38種脂質與糖尿病的發(fā)生有關。
3. 糖尿病風險與各種脂質類別的碳原子總數和酰基鏈飽和度之間的關系
在發(fā)現隊列中，每增加一個SD變量和TAG物種的P值進行多變量調整的OR，這些TAG物種按碳原子數和雙鍵數分組。根據年齡、性別、BMI、吸煙狀況、飲酒狀況、教育程度、體育鍛煉、糖尿病家族史、FPG和SBP調整多元模型。圖2-A:在進行條件邏輯回歸分析之前，對每組的TAG進行求和，對數轉換和標準化。圖2-B: 將每個TAG組的總和進一步標準化為總TAG含量。
4. 脂質組的多因素Logistic回歸模型用于發(fā)現和驗證隊列中的糖尿病風險預測
3-A：在發(fā)現（左圖，n = 200）和驗證（右圖，n = 724）隊列中顯示出顯著（P＜0.05）的脂質物質，每增加一個SD的OR以及95％CI的脂質圖。脂質包括LPI16：1、PC34：3、PE38：4p（18：0p / 20：4）、TAG50：2（16：2）、TAG51：0（17：0）和TAG54：7（22：6 ）。對年齡、性別、BMI、吸煙狀況、飲酒狀況、教育程度、體育鍛煉、糖尿病家族史、FPG、SBP、血清TG和2hPG進行多元模型調整。3-B：發(fā)現隊列和驗證隊列中曲線下的面積圖。參考模型包括吸煙狀況，飲酒狀況，教育程度，體育鍛煉，糖尿病家族史，SBP和血清TG。隨后的模型包括基本臨床變量的組合，外加2hPG以及確定的脂質預測因子。
5. 在控制性糖尿病和突發(fā)性糖尿病中通過多尺度相關網絡分析各種PC、PE和TAG之間的差異相關性
僅包括具有顯著差異相關性（P＜0.05）的脂質對。符號/符號指示對照/偶發(fā)性糖尿病中相關性的方向和強度，其后的數字指示在全球網絡中表現出這種變化模式的脂質對的數量。例如，全局網絡上部圖例中的亮綠色線+/++152指示兩個相連的脂質對之間的相關性在對照組中為正（+），而在事件中相關性甚至更強為正（++）糖尿病。全球網絡中共有152條由亮綠色線連接的脂質對顯示了這種變化模式（+ / ++）。從多尺度聚類分析中識別出的三個模塊分別在下面的面板中進行了說明：（I）PUFA-PEps和TAGs，（II）PUFA-PEps和非PUFA-TAGs，以及（III）PUFA-PEps和PUFA-TAGsd。
備注
發(fā)現隊列：電話邀請了10,569名年齡在40歲以下的受試者或上門拜訪，在基線調查中招募了10,375名?；€時患有糖尿病或IGR的參與者被排除在分析之外。經過平均4.4年的平均隨訪，在3,821名符合基線的NGR合格受試者中，有189名患有糖尿病。由于資金限制，我們的先期研究隊列包括100名隨機選擇的糖尿病患者和100名性別匹配的正常血糖調節(jié)控制受試者，這些受試者使用傾向評分匹配（PSM）并采用包括年齡、BMI和禁食血漿葡萄糖（FPG）的邏輯模型進行選擇。
驗證隊列包括55,062名患者，是從中國糖尿病患者的癌癥風險評估：一項Longitudinal）研究的25個中心中隨機選擇的，該研究于2011年和2012年之間在全國范圍內進行，共有259,657名患者（年齡在40歲以上）參加。這五個中心包括來自中部地區(qū)的兩個隊列（江西和湖北）和來自中國西部地區(qū)三個隊列（貴州，甘肅和四川）?；€時患有糖尿病或IGR的參與者被排除在分析之外。在3.8年的隨訪中，基線時經口服葡萄糖耐量試驗（75 g）定義為正常血糖調節(jié)的14651名受試者中，有364名發(fā)展中的糖尿病，基線時沒有兩個血清樣本，因此362名糖尿病患者和使用與上述發(fā)現隊列相同的選擇和匹配方法，將362名NGR個體納入驗證研究（補充圖1）
原創(chuàng)： 小邁 邁維代謝
浙公網安備33010802007965號