心血管代谢异常相关危险因素谱的普遍流行和聚集是我国心血管疾病防治工作的重要瓶颈。代谢综合征（MetS）作为一种多因素导致的代谢紊乱性疾病，涵盖了心血管代谢异常相关危险因素谱，其特征是向心性肥胖、高血糖状态、血压升高和血脂异常。2023年《代谢综合征病证结合诊疗指南》报告，我国 20 岁及以上人群MetS患病率为31.1%。多项研究表明，MetS与心血管疾病风险、心血管和全因死亡率独立相关，其早期诊断和准确评估将使社区人群得到及时有效的临床干预。传统MetS的诊断主要通过临床体格检查和生化检查评估，无法实现早期敏感筛检和精准诊断。代谢组学作为一种新兴的诊断工具，为MetS的早期诊断提供了新的可能性。然而，心血管代谢性疾病涉及多因素参与的复杂病理过程，基于单一代谢标志物难以实现人群代谢指纹图谱的精准描述。通过系统剖析机体的代谢指纹全景图谱将有助于挖掘潜在的生物标志物组合，为MetS的早期诊断和风险分层提供新思路和新方法。
2023年7月18日，上海交通大学医学院附属仁济医院心内科卜军团队联合上海交通大学生物医学工程学院钱昆团队以及上海交通大学医学院附属新华医院陈丰原团队在Cell子刊Cell Reports Medicine杂志在线发表发表了题为Plasma Metabolic Fingerprints for Large-scale Screening and Personalized Risk Stratification of Metabolic Syndrome的研究论文。该研究基于课题组建立的前瞻性大样本中国人群队列，利用纳米颗粒增强激光解吸电离固相质谱的高通量和高重现性来实现社区大型自然人群队列大样本检测，系统性地描绘了MetS及其临床前期患者的血浆代谢指纹图谱，创新开发了基于机器学习框架的大型自然人群队列社区筛查与诊断平台，开发了血浆代谢指纹在真实世界环境中预测个体代谢风险状态的新方法和新模型。
研究团队从项目组建立的前瞻性大队列中，根据入排标准入选了13,554名的血浆样本，通过搭建铁纳米颗粒增强激光解吸电离质谱平台检测并分析了正常健康人群、临床前期MetS及MetS患者的血浆代谢指纹图谱。通过分析全谱中低分子量代谢物在不同组间的差异丰度，筛选出26个关键血浆代谢指纹组成的panel，可有效筛查临床前期和临床期MetS患者。通过多种机器学算法比较与five-fold 交叉验证，研究团队搭建了一个敏感、准确的临床前期和临床期MetS早期诊断与筛查平台，其受试者工作特征曲线下面积（AUC）在训练集和验证集分别为0.867（95% CI：0.854-0.881）和0.864（95% CI：0.843-0.885）（临床期 vs. 临床前期MetS），以及0.891（95% CI：0.880-0.902）和0.886（95% CI：0.868-0.903）（正常健康人群 vs. 临床期MetS）。
同时，研究团队根据全人群队列不同受试者（n=13,554）的血浆代谢指纹特征将人群重新分类为4个代谢表型。通过评估中心性肥胖，高血糖状态，血压升高和血脂异常等四个风险因素对MetS形成的贡献，发现了血糖控制是MetS的预防和干预中的首要目标。
最后，研究团队基于26个关键血浆代谢指纹组成的panel，构建了一个三维血浆代谢风险分层模型，将个体代谢异质性划分为低、中、高三种风险模型。四年随访提示，与低代谢风险组相比，中等代谢风险与高代谢风险人群全因死亡的发生风险分别增加了54%（风险比[HR] 1.54；95%CI，1.05-2.28）和85%（HR 1.85；95%CI，1.22-2.79）。
图. 基于纳米颗粒增强激光解吸电离质谱解析血浆代谢指纹图谱实现代谢综合征诊断与风险分层
该研究首次全面绘制了大型自然人群队列中临床前期MetS和MetS患者的血浆代谢指纹图谱，提出了用于MetS及临床前期MetS的早期诊断的代谢指纹panel，构建了灵敏高效的社区筛查与诊断模型，性能明显优于现有方法。同时，进一步构建的个体化代谢风险分层模型，在真实世界中与死亡风险显著相关。该研究聚焦心血管代谢异常相关危险因素谱，从代谢综合征的早期识别和零级预防入手，可以更为有效关注社区个体的代谢稳态与心血管健康，促进以治病为中心向以健康为中心转变。
上海交通大学医学院附属仁济医院心内科卜军教授，上海交通大学生物医学工程学院钱昆教授，上海交通大学医学院附属新华医院陈丰原教授为论文的共同通讯作者。上海交通大学医学院附属仁济医院博士研究生陈一凡，上海交通大学医学院附属仁济医院博士后徐伟，上海交通大学医学院附属仁济医院副研究员张薇为并列第一作者。研究得到上海交通大学医学院附属瑞金医院闫小响教授的帮助。该项目获得科技部、国家自然科学基金委、上海市及浦东新区等项目的资助。
（来源：生命科学前沿）
原文出处：Chen Y, Xu W, Zhang W, Tong R, Yuan A, Li Z, Jiang H, Hu L, Huang L, Xu Y, Zhang Z, Sun M, Yan X, Chen AF, Qian K, Pu J. Plasma metabolic fingerprints for large-scale screening and personalized risk stratification of metabolic syndrome. Cell Rep Med. 2023 Jul 18;4(7):101109. doi: 10.1016/j.xcrm.2023.101109. PMID: 37467725.