项目文章｜脂质再发一篇！定量脂质组识别心梗预警和预后新型标志物

2022-05-20 08:52:40, 小迈武汉迈特维尔生物科技有限公司

2022年4月，汕头大学附属粤北人民医院特聘教授李继承团队在Frontiers in Cardiovascular Medicine 上发表题为Plasma Quantitative LipidProﬁles:
Identiﬁcation of Carnitine C18:1-OH,CarnitineC18:2-OH and FFA(20:1)as NovelBiomarkersforPre-warning and PrognosisinAcute Myocardial
Infarction的文章，从脂质组学角度寻找可以识别心梗预警和预后的新型标志物。该研究第一作者为汕头大学附属粤北人民医院博士生刘俊。迈维代谢协助进行定量脂质组检测分析服务。

●发表单位：汕头大学附属粤北人民医院

●发表期刊：Frontiers in Cardiovascular Medicine

●影响因子：6.05

●发表时间：2022.04

本研究旨在找寻急性心肌梗死(AMI)早期筛查及预后的潜在血脂生物标志物。本研究通过超高效液相色谱串联质谱(UPLC-MS/MS)检测了795个脂质代谢物。与健康对照组(HC)和不稳定型心绞痛(UA)组相比，AMI组特异性表达25种脂质代谢物。然后，应用LASSO和SVM-RFE分析方法得到CarnitineC18:1-OH、CarnitineC18:2-OH和FFA(20:1)3个脂质标志物。三种脂质代谢物在发现集和验证集均表现出较好的鉴别AMI患者和UA患者的预测能力，其曲线下面积(AUC)为0.9。单因素和多因素logistic回归分析表明，这三种脂质代谢物可作为诊断AMI的潜在生物标志物。随后的1年随访分析表明，这三种脂质生物标志物在预测AMI患者因心血管事件再次入院方面也有很好的表现。总之，我们使用定量脂质技术来描述AMI患者的脂质代谢特征，并通过机器学习方法识别出了潜在的AMI早期诊断生物标志物。

实验流程图：

■ ■ ■ ■ ■

图1

基于UPLC-MS/MS的定量脂质检测共检测了795种脂质代谢物。三组共检测到36个不同的脂类亚类（图2a-c）。在36个脂类亚类中，最丰富的是TG(151个脂类分子)，其次是磷脂酰胆碱(PC)和磷脂酰乙醇胺醚(PE-O)，分别有68和63个脂类分子（图2d）。正交偏最小二乘判别分析(OPLS-DA)显示AMI组与HC、UA组之间存在显著的脂质代谢差异（图2e，f）。

■ ■ ■ ■ ■

图2

根据VIP值>1,P< 0.05, FC >1.5或FC< 0.6的指标筛选差异脂质,AMI组与HC组间差异脂质代谢物共212个。在AMI组中，128种脂质代谢物下调，84种脂质代谢物上调（图3a）。KEGG富集分析表明，这些差异脂质代谢物主要与脂肪细胞的脂质分解、脂肪消化吸收、代谢途径、甘油磷脂代谢相关（图3b）。此外，我们还筛选了AMI组和UA组之间的差异脂质代谢物。结果显示AMI组有55种脂质代谢物上调，3种脂质代谢物下调（图3c）。KEGG分析显示，这些差异代谢物主要富集于产热、代谢途径和甘油脂代谢(图3D)。此外，Venn图显示了两组(AMIvs. HC和AMI vs.UA)差异脂质代谢物的重叠，发现有25种差异脂质代谢物在AMI组特异表达(图4a)。KEGG通路分析表明，这25种特异性差异脂质代谢物主要富集于产热、代谢途径、甘油脂质代谢和脂肪添加生物合成(图4B、C)。共表达聚类分析显示，这25个差异脂质分子主要是酰基肉碱(CAR)、游离脂肪酸(FFA)、己基神经酰胺(HexCer)、PC、PE-O和TG(图4D)。此外，CAR和FFA之间有很强的相关性，PC和TG之间也有很强的相关性。

■ ■ ■ ■ ■

图3

■ ■ ■ ■ ■

图4

使用LASSO回归分析筛选能够区分AMI患者和UA患者的脂质生物标志物。然后鉴定出AMI组中具有独特表达的10个脂质生物标志物(图5a)。采用SVM-RFE算法选择最优特征，鉴定出4种脂质代谢物为AMI的候选生物标志物(图5b)。为了过滤出相对稳健的biomarkers，我们将两种算法取交集，得到了三个脂质biomarkers，分别是FFA(20:1)、CarnitineC18:2-OH和CarnitineC18:1-OH(图5c)。ROC曲线分析结果显示，FFA(20:1)、CarnitineC18:2-OH、CarnitineC18:1-OH具有较好的鉴别AMI患者和UA患者的诊断性能，这三种脂质生物标志物的AUC分别为0.89、0.904、0.909(图5e)。此外，应用logistic回归构建了一个基于发现的三种脂质生物标志物的诊断模型。诊断模型能够很好地区分AMI患者和UA患者，AUC为0.938(图5f)。然后，通过ROC分析确定这三种脂质生物标志物在区分HC受试者和AMI患者中的表现。结果显示FFA(20:1)和CarnitineC18:1-OH对区分HC组与AMI组有较好的作用，AUC分别为0.836和0.938(图6a)。我们结合这三种脂质生物标志物通过logistic回归构建了一个诊断模型，该模型在区分AMI患者和HC受试者方面表现出良好的效果，AUC为0.966(图6b)。在验证集中，三种脂质代谢产物和诊断模型在区分AMI患者和UA患者方面也有较好的表现，AUC在0.8以上(图6c，d)。我们将发现集和验证集集成为一个完整的集。ROC分析显示，三种脂质生物标志物在全组中对AMI患者和UA患者具有良好的诊断能力，AUC> 0.85(图6e)。FFA(20:1)、CarnitineC18:2-OH和CarnitineC18:1-OH组合的诊断模型在全组表现良好，AUC为0.912(图6f)。这些结果表明，这三种不同的脂质代谢物在鉴别AMI患者与UA患者和HC受试者方面具有良好的前景，并可能作为AMI的潜在风险生物标志物。

■ ■ ■ ■ ■

图5

■ ■ ■ ■ ■

图6

CK-MB是目前临床诊断AMI最常用的指标，TC、TG、HDL-C、LDL-C也是临床常见的与AMI相关的参数。本研究评估AMI患者早期血清CK-MB、TC、TG、LDL-C和HDL-C水平。随后，我们进行了共表达网络分析，以评估这三种脂质生物标志物与临床指标的关系。结果表明，三种脂质生物标志物之间具有较强的相关性，而与常见临床指标的相关性相对较弱(图5D)。采用单因素和多因素logistic回归分析，检测临床指标、脂质生物标志物与AMI风险的关系。单因素logistic回归分析发现发现CK-MB和3个脂质生物标志物是AMI的危险因素(表1)。多因素logistic回归分析发现这3个脂质生物标志物是AMI的独立危险因素(表1)。进行单因素和多因素logistic回归分析也表明这三种脂质标志物是AMI的独立危险因素(表2)。我们分别分析了这三种脂质标志物在发现集和验证集的表达情况。结果显示，在心肌梗死患者中，这三个biomarkers在发现集(图7A)和验证集(图7B)均显著上调。我们进一步随访60例AMI患者1年，其中14例患者因心血管疾病再次入院。随后进行ROC分析，评估这三种脂质生物标志物预测AMI出院患者二次入院的有效性。这三种脂质生物标志物在二次入院时表现出较强的预测能力，尤其是FFA(20:1)，其AUC为0.662(图7C)。值得注意的是，基于这三种脂质生物标志物的诊断模型也显示出良好的预测精度，AUC为0.685(图7D)。

表1

表2

■ ■ ■ ■ ■

图7

本研究对AHC、UA、AMI三组样本做了定量脂质组检测，共检测到795个脂质代谢物。AMI组特异性表达25种脂质代谢物。应用机器学习方法得到CarnitineC18:1-OH、CarnitineC18:2-OH和FFA(20:1)3个脂质标志物，这三种脂质代谢物可作为诊断AMI的潜在生物标志物。随后的1年随访分析表明，这三种脂质生物标志物在预测AMI患者因心血管事件再次入院方面也有很好的表现。