首页 > 科研进展 > 学术交流

通过尿液蛋白质组学和机器学习识别特发性扩张型心肌病右心室功能障碍的生物标志物

作者:吴安虎 等 日期:2025-10-16 浏览量:213

第十三届北京罕见病学术大会暨2025京津冀罕见病学术大会(047

1 中国医学科学院北京协和医学院北京协和医院心内科
2
中国医学科学院北京协和医学院基础医学研究所
3
中国医学科学院北京协和医学院北京协和医院内科学系
吴安虎1,王雨菲1,郭正光2,余嘉奇1,梅可怡1,张晶1

秦晓涵1,覃钰涵1,郭潇潇*1,3

推荐人:郭潇潇

摘要:

目的:右心室功能障碍(RVD)是特发性扩张型心肌病(iDCM)中常见的并发症,且与不良临床结局密切相关。然而,尚缺乏可靠的无创生物标志物用于RVD的识别。本研究旨在利用质谱技术和机器学习方法,筛选并验证尿液蛋白质组水平的RVD标志物。

方法:本研究为前瞻性队列研究,依据心脏磁共振(CMR)将iDCM患者分为RVD组(RVEF <45%)和非RVD组。基线尿液样本通过数据非依赖采集(DIA)质谱进行蛋白质组分析。差异表达蛋白经最小绝对收缩和选择算子(LASSO)回归筛选,用于构建诊断模型,并在训练集开发、测试集验证。主要终点为心血管死亡、心力衰竭再住院、左心室辅助装置植入或心脏移植的复合结局。采用多变量Cox比例风险模型建立基于蛋白面板的风险评分系统,通过Kaplan-Meier曲线及log-rank检验评估无事件生存率。

结果:本研究共纳入147iDCM患者(其中RVD64例,非RVD83例),中位随访时间为19.3个月(四分位距:10.9–28.1)。在共定量的3,579种尿液蛋白中,有46种在RVD与非RVD患者间表达差异显著。最终筛选出由RARRES1MVB12B GSK3A 构成的三蛋白标志物面板,在诊断RVD方面表现出优异的性能(训练集AUC = 0.946,验证集AUC = 0.935),其准确性明显优于N末端脑利钠肽原(NT-ProBNP)和三尖瓣环收缩期位移(TAPSE)。基于该蛋白面板构建的风险评分可有效实现患者的风险分层,高风险组的临床结局显著劣于低风险组(HR = 3.2495% CI: 1.56–6.71P = 0.001)。

结论:本研究开发的尿液三蛋白标志物面板在特发性扩张型心肌病患者中识别右心室功能障碍方面具有良好的诊断和预后价值,提供了一种有前景的无创检测工具,有望用于临床精准识别与风险分层管理。