Cell Rep Med | 卜军/钱昆/陈丰原团队联合成功开发中国社区人群代谢异常早期筛查与风险预警新技术

近日，上海交通大学医学院附属仁济医院心血管内科、肿瘤系统医学全国重点实验室卜军教授课题组联合上海交通大学生物医学工程学院钱昆教授课题组以及上海交通大学医学院附属新华医院陈丰原教授课题组在Cell子刊《Cell Rep Med》在线发表最新研究成果。该研究基于在十三五国家慢病重点研发计划资助下建立的前瞻性大样本中国人群队列的四年随访，系统性绘制了代谢综合征（MetS）及其临床前期患者的血浆代谢指纹图谱，创新开发了基于机器学习框架的大型自然人群队列社区筛查与诊断平台，建立了血浆代谢指纹在真实世界环境中预测个体代谢风险状态的新方法和新模型。这一成果为社区人群代谢危险因素和慢病防控提供了早诊早筛和风险预警的新技术。

代谢异常相关危险因素谱的普遍流行和聚集是我国心脑血管和肿瘤等重大慢病防治工作的主要瓶颈。2023年《代谢综合征病证结合诊疗指南》报告，我国 20 岁及以上人群代谢综合征（MetS）患病率为31.1%。MetS与心脑血管和肿瘤等重大慢病风险和死亡独立相关，早期诊断和准确评估将使社区人群代谢危险因素得到及时有效的临床干预。但是，传统MetS的诊断主要通过临床体格检查和生化检查评估，无法在社区实现早期敏感筛检和精准诊断。通过系统剖析机体的代谢指纹全景图谱，将有助于挖掘潜在的生物标志物组合，为MetS的在大规模人群的早期诊断和风险预警提供新技术和新方法。

研究人员基于课题组建立的前瞻性大型队列，随机抽取了符合入排标准的万级社区人群，利用课题组开发的新型基于金属纳米颗粒固相质谱的高通量和高重现性来实现社区自然人群队列大样本检测，通过描绘MetS及其临床前期患者的血浆代谢指纹图谱，筛选出26个关键血浆代谢指纹组成的panel，创新开发了基于机器学习框架的大型自然人群队列社区筛查与诊断平台，对临床前期和临床期MetS患者进行筛查，早期诊断性能优于现有临床筛查技术。进一步地，研究团队根据血浆代谢指纹特征将人群重新分类为4个代谢表型。通过评估中心性肥胖、高血糖、高血压和血脂异常等四个风险因素对MetS发生发展的贡献，发现血糖控制是MetS社区人群预防和干预中的首要目标。最后，研究团队构建了一个三维血浆代谢风险分层模型，将个体代谢异质性划分为低、中、高三种风险模型。四年随访提示，与低代谢风险组相比，中等代谢风险与高代谢风险人群的全因死亡的发生风险显著增高。本项研究从代谢异常相关危险因素的早期筛查和零级预防入手，聚焦代谢综合征的社区筛查与代谢风险评估，关注社区慢病的代谢稳态与疾病防控，促进重大慢病以治病为中心向以健康为中心转变。

参考原文：Doi: https://doi.org/10.1016/j.xcrm.2023.101109