6月30日，國際學術期刊Arthritis & Rheumatology在線發表了中國科學院上海營養與健康研究所尹慧勇研究組題為“Metabolomics and Machine Learning Identify Metabolic Differences and Potential Biomarkers for Frequent versus Infrequent Gout Flares”的最新研究成果，揭示了頻發與偶發型痛風患者的血清代謝圖譜，并建立了痛風頻繁發作的預警模型。
痛風是一種常見的炎癥性關節疾病，其病因主要是由尿酸代謝異常、尿酸鹽晶體沉積在關節或關節周圍組織中引起的急性炎癥反應。隨著中國經濟的不斷發展，人們生活方式和飲食結構的改變，痛風的發病率在過去的幾十年里持續增加。根據中華醫學會內分泌分會制定的《2019中國高尿酸血癥與痛風診療指南》，中國大陸成人高尿酸血癥發病率13.3%，痛風為1.1%，已經成為繼糖尿病之后的又一常見代謝性疾病。越來越多的證據表明，痛風與高血壓、糖尿病、肥胖癥、心腦血管疾病和慢性腎臟疾病等密切相關。
痛風的發作通常持續7至14天，并自行消退，然后進入無癥狀間歇期，直到下一次發作。無癥狀間歇期的持續時間在患者中個體差異很大，部分患者持續1到2年，而部分患者只持續幾個月。2016年歐洲風濕病聯盟（European Alliance of Associations for Rheumatology, EULAR）和2020年美國風濕病協會（American College of Rheumatology, ACR）發布的痛風管理臨床指南中，對每年痛風發作次數≤1次的患者臨床診斷為偶發型痛風（Infrequent Gout Flares, InGF），每年痛風發作次數≥2次的患者，為頻發型痛風 (Frequent Gout Flares, FrGF)。指南建議針對頻發與偶發患者應采取不同的臨床治療策略，特別是降尿酸藥物的使用以及尿酸的目標值。然而，由于目前臨床上缺乏對痛風發作頻率的早期預測，現在歐美和我國的痛風臨床實踐中對于頻發和偶發患者的診斷只能基于患者已經發病的頻率。如果僅憑臨床經驗對痛風頻發與偶發患者采取指南的建議，可能會導致部分患者，特別是首次診斷的患者治療不足或過度。因此，建立痛風頻發與偶發的早期風險預測，可以及時準確地根據不同痛風患者的發病機制，實現痛風患者的精準治療，具有十分重要的臨床意義。
代謝組學是一種定性與定量分析特定生物系統中所有代謝物的組學技術，可以在系統生物學層面研究代謝通路失調，已逐漸成為研究代謝性疾病必備的研究工具。尹慧勇課題組長期聚焦代謝組學技術前沿技術研發，與青島大學附屬醫院的李長貴教授團隊長期合作，在科技部精準學項目資助下研究高尿酸與痛風的精準醫學策略。前期已利用代謝組學技術結合機器學習系統性揭示了痛風與高尿酸患者代謝差異，并首次建立了高尿酸發展為痛風的風險預測模型（Shen et al, Arthritis & Rheumatology, 2021）。
在本研究中，研究人員利用兩個獨立痛風病人臨床隊列，在發現集隊列中納入了163例偶發與239例頻發型痛風患者，收集血清并進行非靶向代謝組學分析。通過通路富集和代謝網絡分析，首次發現了嘌呤代謝、咖啡因代謝、氨基酸代謝等通路的紊亂和其中的相互作用可能與痛風的發作頻率相關。利用機器學習算法，研究人員在非靶向代謝組學數據中篩選出了25種預測能力強、可信度高、定量穩定性高的代謝物作為生物標志物，建立并優化精確定量的靶向代謝組學方法。在獨立的驗證集隊列中納入97偶發和139例頻發痛風患者。最終，基于靶向代謝組學數據中的六種代謝物作為生物標志物建立預測模型，該模型在發現集和驗證集中AUROC分別達到0.88和0.67。該研究為臨床上頻發與偶發痛風患者的治療策略提供了理論基礎，也為痛風頻繁發作提供了預測模型。
圖注： 利用代謝組學與機器學習研究頻發與偶發痛風患者的血清代謝組差異并研發痛風頻發風險預測模型
中國科學院上海營養與健康研究所尹慧勇研究員與青島大學附屬醫院李長貴教授為該論文共同通訊作者，青島大學附屬醫院的博士研究生王明和上海科技大學與中國科學院上海營養與健康研究所聯合培養博士李銳為該論文共同第一作者。該研究得到科技部國家重點研發計劃、國家自然科學基金等的經費支持，上海營養與健康研究所公共技術平臺為研究工作提供了技術支撐，還得到了美國加州大學圣地亞哥分校Robert Terkeltaub教授（國際晶體性疾病研究聯盟主席）、新西蘭奧克蘭大學Nicola Dalbeth教授、美國阿拉巴大學伯明翰分校Tony Merriman教授的大力支持。相關研究工作也已經申請中國和國際專利。
官方微信
