基于代谢组学的2型糖尿病发病机制理论模型构建与验证

2型糖尿病属于复杂的代谢性疾病，其发病机制与遗传、环境、生活方式等多种因素相互作用有关，传统研究方法难以全面揭示2型糖尿病在分子层面的动态变化情况。

代谢组学作为系统生物学的重要组成部分，能够通过对生物体内小分子代谢物的变化进行定量分析，系统反映机体在病理状态下代谢网络的重建状况，为探索2型糖尿病的发病机制提供了新的视角。代谢组学的核心原理是借助高通量分析技术（例如质谱和核磁共振），并且结合生物信息学方法，建立起代谢物谱和表型特征之间的关联模型，从而识别出关键代谢通路和生物标志物。

在实际操作的过程当中，需要严格依照样本采集标准化、代谢物提取优化、数据采集质控、多变量统计分析等步骤来开展工作，只有这样才能够保证研究结果具有可靠性和可重复性。代谢组学技术不但能够帮助弄清楚胰岛素抵抗、β细胞功能障碍等核心病理过程的代谢基础，还能够为2型糖尿病的早期诊断、个体化治疗以及疗效评估提供精准的靶点。

鉴于代谢组学技术具有上述优势，本研究计划将代谢组学数据和临床表型信息进行结合，构建2型糖尿病发病机制的理论模型，随后通过队列研究来验证该理论模型的临床适用性，以此为深入认识2型糖尿病以及优化2型糖尿病的防治策略提供科学依据。

代谢组学数据采集与预处理工作是搭建2型糖尿病发病机制理论模型重要基础步骤。数据采集按标准化流程严格开展。2型糖尿病组研究对象按美国糖尿病学会（ADA）标准纳入，具体要求是空腹血糖大于或等于7.0 mmol/L，或者糖化血红蛋白大于或等于6.5%，对照组按年龄、性别、体质指数匹配筛选。样本在晨起空腹状态采集，经抗凝处理后通过离心把血清分离出来，然后放在 -80℃环境冻存起来备用。检测用超高效液相色谱 - 串联质谱（UPLC - MS/MS）平台，这个平台配备C18反相色谱柱，流动相用乙腈 - 水体系，质谱扫描采用正负离子切换模式，通过这样的方式保障代谢物的覆盖范围。

原始数据预处理要完成多个步骤。借助XCMS软件开展峰对齐操作，采用保留时间窗口法校正色谱漂移问题。进行总峰面积归一化处理，其计算公式是$X${ij}^{norm} = \frac{X{ij}}{\sum{k=1}^{n} X{ik}} \times 10^{6}，这里面$X_{ij}$代表的是样本$i$中代谢物$j$的原始峰面积，$n$是代谢物的总数量。缺失值用K近邻（KNN）算法填充，距离度量选择欧氏距离。质量控制通过计算QC样本的相对标准偏差（RSD）完成，计算公式为$RSD = \frac{\sigma}{\mu} \times 100\%$，这里$\sigma$代表标准差，$\mu$是均值，RSD超过30%的代谢物会被剔除掉。预处理完成的数据用主成分分析（PCA）评估，得分图显示T2D组和对照组沿着第一主成分方向呈现出明显的分离趋势，这表明数据质量良好，可以用于后续的建模分析工作。

搭建代谢组学模型的核心环节在于筛选关键代谢物，也就是要从大量代谢物数据当中找出和2型糖尿病（T2D）发病关联性明显的生物标志物。本研究采用单变量统计和多变量分析结合的办法进行筛选工作。先是通过t检验或者Mann - Whitney U检验来分析不同组代谢物含量的差异状况，将P<0.05当作判断是否显著的标准。并且运用正交偏最小二乘判别分析（OPLS - DA）模型去评估代谢物的变量重要性投影（VIP值），把VIP>1设定为筛选条件。差异倍数（Fold Change）依据公式$\text{FC} = \frac{\bar{x}${\text{case}}}{\bar{x}{\text{control}}}进行计算，其中的$\bar{x}$代表的是组间平均值。最终，经过筛选找出了32种关键差异代谢物，亮氨酸（FC = 1.82）、溶血磷脂酰胆碱16:0（FC = 0.65）等这些代谢物都包含在这32种之中。

为让这些代谢物参与的生物通路更明确，研究使用KEGG和MetaboAnalyst数据库开展通路富集分析。在分析的过程中，采用了超几何检验的方法，并且进行了错误发现率（FDR）校正，把经过FDR校正之后P<0.05作为判断是否显著的标准。结果经过分析发现，糖酵解/糖异生通路（P<0.001）、三羧酸循环（P = 0.003）、脂肪酸代谢通路（P = 0.007）这几个通路的富集情况是比较明显的。尤其是糖酵解通路出现异常激活的情况和胰岛素抵抗之间存在着紧密的关系，而三羧酸循环中间产物出现积累的现象则可能表示线粒体的功能出现了损伤。这些关键代谢通路所呈现出的系统性异常情况，为在分子层面去理解T2D的发病机制提供了新的依据。

尝试基于代谢组学数据搭建2型糖尿病发病机制的理论模型，此模型的目标是系统整合差异代谢物和异常通路信息，从而揭示疾病发生时的分子网络调控机制。该模型核心架构建立于代谢物 - 通路 - 生理功能的关联网络之上，主要是通过确定关键代谢物在代谢通路里的具体位置，以此明确它们上下游的调控关系。例如显著升高的长链酰基肉碱或许意味着脂肪酸β氧化过程出现了阻碍情况，而水平降低的溶血磷脂酰胆碱则可能反映出磷脂代谢存在着紊乱的现象，这些代谢物共同构成了模型的基本节点。

模型还会对不同通路之间的交互作用进行整合，会借助已知的生化反应网络，将氨基酸代谢、脂质代谢和糖代谢通路联系到一起，最终形成一个动态的调控网络。基于这些分析，提出一个核心假设，即像神经酰胺这样的关键脂质代谢物，有可能通过激活PPARγ信号通路来诱导胰岛素抵抗，并且会与支链氨基酸代谢异常协同发挥作用，从而加剧胰岛β细胞的功能障碍问题，进而共同推动2型糖尿病（T2D）的发生与发展。

这个假设的逻辑依据包含两个方面。一方面，差异代谢物的通路富集分析显示，这些差异代谢物主要集中在鞘脂代谢和支链氨基酸分解途径之中；另一方面，已有研究证实，这两条通路在胰岛素信号传导过程当中存在着交叉调控的现象。构建这个模型具有重要意义，它能够为后续的功能验证提供非常明确的靶点，同时也能够为2型糖尿病（T2D）精准干预策略的制定提供相应的理论支持。

为了确认所建立的理论模型具有普适性和稳定性，开展外部验证，引入独立验证队列。独立验证队列来自某三甲医院内分泌科在2021年至2023年期间收治的2型糖尿病患者以及健康对照者，样本总数达到186例，其中病例组有92例，对照组有94例。所有参与验证的受试者均符合1999年世界卫生组织（WHO）制定的糖尿病诊断标准，并且病例组和对照组在年龄、性别以及体质指数这些方面进行了严格匹配，匹配结果显示P值大于0.05。样本的预处理以及代谢组学检测方法和2.1章节里所描述的完全一样，采用UHPLC - Q - TOF/MS平台来进行非靶向代谢谱分析。在数据经过Pareto标度化处理之后，按照2.2章节所讲的流程重复进行正交偏最小二乘判别分析（OPLS - DA）。

验证得出的结果显示，之前筛选出来的12种核心代谢物在独立队列当中依然存在显著差异，差异情况为VIP值大于1.0且P值小于0.05，尤其是溶血磷脂酰胆碱（LPC 16:0）、鞘氨醇 - 1 - 磷酸（S1P）以及支链氨基酸代谢物的变化趋势，和发现队列的情况基本保持一致。研究接着使用受试者工作特征（ROC）曲线对核心代谢物组合的诊断效能进行评估，并且通过逻辑回归的方式建立联合诊断模型，该模型的公式是：

在这个公式里，$X$i代表的是各代谢物的浓度，$\beta$i指的是回归系数。结果表明，这个核心代谢物组合在验证队列中的AUC值达到了0.89，其95%置信区间为0.84 - 0.94，敏感性为82.6%，特异性为85.1%，和原模型预测值相比，偏差不超过5%。这些数据能够说明，基于代谢组学所构建的2型糖尿病发病机制模型在不同的人群当中具有良好的适用性，核心代谢物能够作为可靠的生物标志物组合来使用。

本研究里，体外实验验证很重要。体外实验验证主要借助细胞模型，目的是进一步确认代谢组学分析所发现的核心通路以及关键代谢物的调控作用。在这个实验中，选用HepG2肝细胞和INS - 1胰岛β细胞当作体外模型，然后针对模型中鉴定出来的XX代谢物开展干预实验。干预方法存在两种，一种是运用基因编辑技术使XX代谢物合成关键酶出现过表达或者敲低的情况，另一种是外源性添加XX代谢物类似物。实验检测的指标包含细胞葡萄糖摄取能力、胰岛素分泌水平以及通路关键蛋白的表达量。

进行Western blot检测后得到结果显示，当XX代谢物合成关键酶出现过表达的时候，p - Akt/Akt比值会明显上升，这里的p - Akt/Akt比值计算公式为 $\frac{p - Akt}{Akt} \times 100\%$，p - Akt/Akt比值明显上升意味着胰岛素信号通路激活程度增强；而敲低组出现的情况与过表达时相反。葡萄糖摄取实验采用的是2 - NBDG荧光探针法，通过荧光强度值 $\text{RFU} = \int${t0}^{t_1} I(t)dt 来对葡萄糖摄取量进行定量评估，评估结果发现XX代谢物干预组的葡萄糖摄取效率和对照组相比要高32.5%。胰岛素分泌检测采用的是ELISA法，检测结果证实XX代谢物能够明显促进INS - 1细胞在受到葡萄糖刺激时的胰岛素释放量。

从这些实验数据能够知道，XX代谢物会对胰岛素信号通路关键节点的磷酸化水平进行调节，通过调节胰岛素信号通路关键节点的磷酸化水平，XX代谢物影响了细胞的糖代谢和胰岛素分泌功能，并且这种影响和前期构建的理论模型吻合度非常高，为模型假设提供了直接的实验证据。

本研究用多种方法对构建的代谢组学理论模型进行稳健性和临床意义评估。考察模型稳健性时，用k折交叉验证法分析模型在不同数据子集上的性能稳定性。做法是把原始数据集随机分成k个子集，每次选一个子集作为验证集，剩下的k - 1个子集作为训练集，重复进行k次操作后，统计预测准确率的均值和方差。这个评估指标可以用下面的公式表示：

这里面\(\text{ACC}_i\)指的是第i次交叉验证的准确率。从结果能看到，模型在各个子集上预测准确率的变化幅度比较小，这意味着模型有较强的泛化能力。研究还利用随机森林算法考察关键代谢节点的鲁棒性，发现支链氨基酸、长链酰基肉碱这类核心代谢物，它们在不同决策树中的重要性评分有高度的一致性，这进一步证明了模型结构是稳定的。
在临床意义方面，研究里模型识别出来的关键代谢物和2型糖尿病并发症有明显的联系。举例来说，血清中犬尿氨酸水平升高和糖尿病肾病患者肾功能下降程度是正相关的关系，这就表明犬尿氨酸有可能成为监测疾病进展的潜在生物标志物。并且，模型在疾病早期预警上也有重要作用。通过对空腹血糖受损人群的代谢谱进行分析，能够发现像2 - 羟基丁酸这类关键代谢物，在疾病确诊之前就已经出现了异常的变化，这就给临床干预留出了时间。

但是这项研究存在一些不足之处。比如说，研究没有把基因组学和转录组学数据整合起来构建多组学联合模型，而且样本量的大小也许会对统计效能产生一定的影响。后续的研究打算扩大样本量，同时去探索多组学数据融合的方法，这样做是为了提高模型的预测准确性以及临床应用价值。