糖尿病肾病组学生物标志物研究进展
糖尿病肾病组学生物标志物研究进展
糖尿病肾病（diabetic kidney disease，DKD）是糖尿病最常见的慢性并发症，糖尿病患者中约20%~40%合并有DKD［1］。目前主要通过尿白蛋白/肌酐比值（urine albumin-to-creatinine ratio，UACR）、24 h尿白蛋白排泄率和估计的肾小球滤过率（estimated glomerular filtration rate，eGFR）对DKD进行临床诊断及评估［1］。研究发现，有微量白蛋白尿的DKD患者发生终末期肾病（end stage kidney disease，ESRD）的风险是正常白蛋白尿患者的2.1倍，并且DKD患者的eGFR每降低10 ml·min-1·1.73 m-2，其发生ESRD的风险可升高36%［2］。而当DKD患者出现ESRD时往往已失去最佳治疗时机，将给患者个人及其家庭带来沉重的经济负担。此外，DKD患者发生心血管疾病及死亡的风险亦显著增加［3, 4］。因此，若能研发出早期预测DKD发生的检测方法和技术，对DKD进行早期预警、早期管理及早期干预，将有可能减少或延缓DKD的发生与发展。随着高通量组学技术的高速发展，一些以往不知晓的新型标志物在疾病诊断及预测中的价值被不断发现，这对于进一步了解疾病的发病机制及发展诊疗新技术具有重要意义。高通量组学可对生物样本中存在的所有DNA、RNA、蛋白质和代谢物进行量化检测，并产生大量的数据，通过对这些数据进行深入分析，可发现与疾病发生发展有关的关键物质。近年来，通过高通量组学来探索DKD新型生物标志物已成为研究热点［5］。本文就DKD组学生物标志物的研究进展及其在人群队列中的应用价值做简要综述。
一、基因组生物标志物
近年来，由第二代DNA测序技术引领的基因组学技术正在高速发展，人们对各种与疾病相关的遗传因素有了更深入地了解。DKD是一种受多种因素影响的复杂性疾病，尽管其发病机制尚未完全明了，但许多研究表明遗传背景对DKD的发生有一定影响［6］。基因组学可用于发现DKD的致病基因，有利于揭示疾病的遗传背景、制定个体化的治疗策略。通过全基因组关联分析研究（genome-wide association studies，GWAS）可发现与疾病易感性相关的基因及其单核苷酸多态性（single nucleotide polymorphism，SNP），迄今已发现有30多个基因与DKD相关［7］。Salem等［8］对19 406例1型糖尿病患者进行GWAS分析，确定了16个与DKD相关的基因位点，其中4个位于有肾脏生物学作用的基因区域，包括BMP7（rs144434404）、COLEC11（rs12615970）、DDR1（rs118124843）和COL4A3（rs55703767）。BMP7是转化生长因子（TGF）-β超家族的成员之一，已有研究发现BMP7可通过抑制蛋白激酶B，减轻肾脏纤维化的进程［9］。而COLEC11和DDR1可编码胶原相关的蛋白，并被发现参与肾脏促炎症和纤维化的过程［10, 11］。其中最需注意的是COL4A3，该基因可编码肾小球基底膜的主要结构成分，而携带COL4A3（rs55703767）次等位基因者的肾小球基底膜较薄；此外，COL4A3（rs55703767）对DKD具有保护作用［比值比（OR）值为0.79，95%置信区间（CI）0.73~0.84］，并且该作用在血糖控制较差（糖化血红蛋白>7.5%）的人群中更强［8］。这些数据都有助于了解1型糖尿病患者中DKD的发病机制。van Zuydam等［12］通过对5 717例2型糖尿病患者进行GWAS分析，发现GABRR1（SNP rs9942471）与欧洲2型糖尿病患者微量白蛋白尿有关；然而，在亚洲2型糖尿病患者中没有观察到这一遗传变异。这表明DKD遗传易感性受种族的影响。此外，考虑到单个遗传变异的效应往往很弱，故可通过组合多个基因位点的遗传效应建立多基因风险评分（polygenic risk score，PRS）或者遗传风险评分（genetic risk score，GRS），并根据评分大小确定某种疾病的高风险人群。这是一种有发展潜力的方法［13］，目前已有研究使用这种方法来预测DKD发生发展的风险。但也有研究发现在传统的风险因素中补充基因数据对预测肾功能进展并没有额外的帮助，并且基因与环境的交互作用也会影响风险评分的预测能力［14, 15］。因此，仍需更多的验证研究来明确PRS或GRS的临床实用性。
二、转录组生物标志物
转录组学是一种在RNA水平上对基因组结构和功能进行综合研究的组学技术。目前，针对转录组与DKD关系的研究主要集中在微小RNA（microRNA，miRNA）。miRNA是一类由内源基因编码的长度约22个核苷酸的非编码RNA小分子，其不仅是基因表达的重要调节因子，在各类疾病中也被作为一种潜在的生物标志物得到广泛研究［16］。miRNA-192（miR-192）是首个被发现与DKD有关的miRNA，其通过靶向关键阻遏物来促进细胞外基质和胶原的表达，并增强由TGF-β1诱导的促纤维化作用［17］。近来诸多研究表明miRNA参与了DKD的各种病理过程，主要包括系膜细胞的增殖和凋亡、肾小管间质纤维化、足细胞损伤和迁移以及血管生成等［18］。作为一个潜在的DKD生物标志物，许多研究评估了尿液或血液样本中miRNA水平与DKD不同阶段的关系［18, 19］。然而，多数为横断面研究，来自前瞻队列研究的证据较少。Pezzolesi等［20］对116例1型糖尿病患者的5种miRNA基线水平进行了检测，结果显示let-7c-5p、miR-29a-3p与ESRD风险下降相关（OR=0.23，95%CI 0.10~0.53；OR=0.39，95%CI 0.20~0.76），let-7b-5p、miR-21-5p与ESRD风险的增加相关（OR=2.38，95%CI 1.31~4.06；OR=5.87，95%CI 1.68~20.46），而miR-29c-3p则与肾功能下降无关。除此之外，也有研究关注到长链非编码RNA（long non-coding RNA，lncRNA）在DKD预测中的应用。lncRNA是一类转录长度大于200个核苷酸的非编码RNA，其与miRNA有许多相似之处，但缺乏蛋白质编码功能。已有研究表明lncRNA可作为miRNA的宿主，影响其基因的表达，进而调控DKD等疾病的发生发展［18，21, 22］。但目前，lncRNA在肾脏领域的研究，特别是在预测DKD发生这一方面，尚处于初始阶段，尚需更多的研究证据。
三、蛋白质组生物标志物
蛋白质组学可对生物样本中存在的大部分蛋白质和多肽进行分离和定量，其通过研究疾病发生发展过程中蛋白质类型、数量和功能的变化，为疾病的预测提供潜在生物标志物［23］。目前，DKD蛋白质组生物标志物中证据最为明确的是CKD273分类器。2010年，Good等［24］将尿液蛋白质组学技术应用于慢性肾脏疾病，并开发了一种新型标志物分类器，即CKD273分类器。该分类器由273种尿液小分子量蛋白质和小分子多肽片段组成（主要成分是胶原片段），并基于机器学习算法（支持向量机），构建了一种慢性肾脏疾病危险评分系统。目前，已有多项研究表明CKD273分类器在预测DKD发生发展上具备一定的潜力［25, 26, 27］。Zürbig等［25］对35例基线无白蛋白尿的糖尿病患者进行了回顾性队列研究，其使用CKD273阳性（即分类评分>0.343）和微量白蛋白尿来比较两者对大量白蛋白尿发生的预测效能，结果发现CKD273分类器的预测效能优于微量白蛋白尿的预测效能［受试者工作特征曲线下面积（AUC）值0.93比0.67］；同时，研究者还发现患者出现CKD273阳性的时间明显早于出现微量白蛋白尿的时间，即在尿白蛋白排泄量开始增加之前，尿液胶原蛋白片段可能就已经减少。此外，CKD273分类器之所以是目前最需关注的蛋白质组生物标志物，还源于另一项重要的临床试验，即PRIORITY随机对照试验。该试验是一项多中心、随机双盲的临床试验，其根据CKD273分类器评分的高低将无白蛋白尿的糖尿病患者分为低风险组和高风险组，在两组均进行糖尿病标准化治疗的前提下，对部分高风险组患者加用醛固酮拮抗剂，随后观察各组患者发生DKD的风险［28］。目前，该试验对1 775例参与者进行了2.5年的随访，初步研究结果显示CKD273分类器高风险评分组与微量白蛋白尿的风险增加有关［风险比（HR）值为2.48，95%CI 1.80~3.42］，并且该结果独立于eGFR、UACR、视网膜病变等传统预测指标；同时，该研究结果还提示螺内酯并不能阻止高风险组患者进展为微量白蛋白尿［29］。该项研究首次将CKD273分类器这种风险标志物组合与药物干预相结合，是以DKD一级预防为目标的生物标志物导向的干预试验，其结果将会为精准医学领域提供重要参考价值。
此外，尚有一些单一或小型的DKD蛋白质生物标志物组合也值得注意，如肿瘤坏死因子受体1（tumor necrosis factor receptor 1，TNFR-1）、TNFR-2、肾损伤分子1（kidney injury molecule-1，KIM-1）等［30］。Niewczas等［31］通过对219例1型糖尿病患者进行蛋白质组学分析，发现了一组与DKD有关的炎症标志物组合（包括17个TNFR超家族成员的蛋白质）；在随后的2型糖尿病患者验证队列中，进一步证实了这些蛋白质与ESRD发生风险相关，其中TNFR-1的HR值最高（HR=3.0，95%CI 2.2~4.0）。近期，Ye等［32］的研究首次证明了血清骨钙素（osteocalcin，OC）与DKD的发生风险相关，该研究共纳入1 174例基线无DKD的糖尿病患者，平均随访4.6年后，发现具有较高水平OC的患者发生DKD风险较低［危险比（RR）值为0.49，95%CI 0.33~0.74］。该项研究表明了OC这个由49个氨基酸组成的蛋白质，不仅是反映成骨细胞活性的重要指标，是参与糖脂代谢调节的重要激素，亦可能是预测DKD发生发展的潜在生物标志物。此外，Colombo等［33］对既往开展的创新型糖尿病微血管和大血管替代标志物工具研究（SUMMIT）项目进行了深入分析，对获得的大型DKD组学生物标志物组合进行缩减后发现，仅额外使用血清KIM-1和β2-微球蛋白这两种蛋白质生物标志物组合，就可以改善临床预测模型对2型糖尿病患者肾功能下降的预测效能（AUC值由0.628增加至0.707），并且使用更大的生物标志物组合并没有提高预测效能。
四、代谢组生物标志物
代谢组学是对生物样本中的小分子代谢物进行综合表征的方法。与其他组学相比，代谢组学可更直接、更显而易见地呈现体内代谢过程。因此，在探究DKD生物标志物领域，代谢组学被认为是一种极具潜力且不可或缺的方法［34］。目前代谢组学研究发现的DKD生物标志物主要包括脂肪酸、氨基酸、有机酸、糖类、脂类等［35］，其中不乏多项针对基线eGFR或UACR水平进行了校正的前瞻性研究［36, 37, 38, 39, 40, 41］。慢性肾功能衰竭队列（CRIC）研究是一项在慢性肾功能不全患者中检测疾病进展危险因素的观察性研究，旨在开发预测模型以确定DKD高风险人群，并为未来的治疗提供依据。该研究首先通过代谢组学鉴定出13种与DKD相关的尿液代谢物［42］，随后在1 001例糖尿病患者中评估了这13种代谢物与ESRD发生风险之间的关系，结果显示8年随访后，3-羟基异丁酸和乌头酸分别与ESRD发生风险升高及降低有关（HR值为2.34，95%CI 1.51~3.62；HR值为0.70，95%CI 0.51~0.95）［41］。一项荟萃分析对来自5个前瞻性队列研究的3 089例2型糖尿病患者的血浆代谢组学数据进行汇总分析，发现有125种代谢产物与eGFR显著相关，其中支链氨基酸和芳香族氨基酸、糖蛋白乙酰化物、甘油三酯、极低密度脂蛋白亚类脂质和脂肪酸与eGFR呈负相关［43］。该荟萃分析是目前规模最大的DKD血浆代谢组学研究，但相关代谢物的有效性尚需要更多的研究进行验证。
五、多组学联合分析的应用
多组学联合分析可以更全面地揭示疾病发生和发展的过程，有利于发现更多有价值的生物标志物组合模型。目前已有研究将不同DKD组学数据进行联合分析。Liu等［44］通过对4组人群（包括441名健康成人、446例2型糖尿病患者、121例早期DKD患者和94例晚期DKD患者）进行蛋白质组学及代谢组学分析，发现与单一组合组学标志物相比，血清蛋白组标志物和代谢组标志物的组合模型可进一步提高DKD诊断的准确性；同时该研究还进一步发现血清蛋白质α2-M/组织蛋白酶D/CD324和代谢物甘油-3-半乳糖苷可能是DKD发生发展的潜在生物标志物。然而，Kammer等［45］对481例2型糖尿病患者进行的蛋白质组学、代谢组学和脂质组学联合分析显示，KIM-1是最重要的DKD蛋白质标志物，多组学标志物组合的预测效能与仅使用KIM-1和基线eGFR的预测效能差异无统计学意义，即代谢组和脂质组学标志物的额外纳入并没有实质性地改善预测模型的效能。总体而言，目前针对DKD生物标志物多组学联合分析的研究仍十分缺乏，而多组学组合标志物是否能额外提高DKD的预测效能仍需进行探讨。
六、总结及展望
综上所述，虽然目前仍缺乏可靠的DKD基因组及转录组生物标志物，但其在提高对DKD发病机制的理解上仍具有一定作用。而相较于基因组及转录组，蛋白质组和代谢组在探究DKD生物标志物上更具优势，并已发现了一系列潜在的DKD生物标志物，虽然这些标志物主要集中在发现和验证阶段，临床应用还尚未突破，但少数的前瞻性队列研究结果仍让人对该领域充满期待。
未来，为了更好地实现DKD早期预警，除了对目前潜在的DKD标志物继续开展验证研究外，后续的研究重点还应包括将不同层面的组学研究数据加以整合，探讨多组学联合分析是否可进一步提高预测效能。此外，考虑到经济效益、临床可行性等方面，进一步评估小型标志物组合是否可以产生与大型标志物组合相似的预测效能也应是未来的研究方向。
引用：叶小琦, 贾伟平. 糖尿病肾病组学生物标志物研究进展[J]. 中华内科杂志, 2023, 62(2): 222-226.