血管健康的内型预测肺动脉高压的无移植生存期

Endotypes of Vascular Health Predict Transplantation-Free Survival in Pulmonary Hypertension

作者信息Samar Farha, Bo Hu, Ruoying Chen, John Barnard, Suzy Comhair, Gustavo Heresi, Joseph Parambil, Adriano Tonelli, Gerald Beck, Erika Berman-Rosenzweig, Hilary DuBrock, J Emanuel Finet, Robert P Frantz, Gabriele Grunig, Paul M Hassoun, Anna R Hemnes, Nicholas Hill, Evelyn Horn, Christine Jellis, Jane A Leopold, Margaret M Park, Franz P Rischard, Catherine Simpson, W H Wilson Tang, Mitchell A Olman, Serpil C Erzurum, Raed A Dweik, PVDOMICS Study Group
PMID42466490
发布时间2026-07-21
DOI10.1161/JAHA.125.048795

实验完整度

该研究包含独立发现队列和多中心验证队列的无监督聚类分析,并通过代谢组学检测和生存分析进行功能验证,属于两个独立证据层级。

主要模型

CC-PH注册登记研究队列 PVDOMICS队列

重点核对

K-means聚类分析中聚类数K=3由贝叶斯信息准则确定 CC-PH队列与PVDOMICS队列在临床特征上存在差异,需验证模型的可迁移性 精氨酸通路代谢物和D-二聚体的测量方法(高效液相色谱和非靶向代谢组学)需核对 统计分析中使用Cox比例风险模型和Kaplan-Meier生存曲线

摘要

背景:目前基于专家意见的肺动脉高压(PH)分类在预后判断和指导治疗方面存在局限性。我们假设,能够预测生存的新型PH聚类将揭示与所有PH组中血管健康生物标志物相关的机制性表型。方法:我们首先通过对CC-PH(克利夫兰诊所PH)注册登记研究(N=1529)进行无监督聚类分析,识别新型PH临床聚类。我们开发分类模型来预测新的PH聚类,并将其应用于多中心PVDOMICS(肺血管疾病表型组学)队列(N=853)进行验证。我们比较了新PH聚类间的无移植生存期。我们量化了精氨酸-一氧化氮通路的代谢物和D-二聚体水平,并计算了整体精氨酸生物利用度(精氨酸/[鸟氨酸+瓜氨酸]),以评估新聚类中的内皮功能和激活,并将这些生物标志物与临床结局联系起来。结果:聚类分析在CC-PH中确定了3个清晰的聚类,并在PVDOMICS中得到验证,且在预测无移植生存期方面优于传统分类。预后最差的表型以肺弥散功能降低、精氨酸生物利用度和硝酸盐水平降低以及D-二聚体水平升高为特征,这与肺微循环丧失和内皮功能障碍一致。结论:我们确定了与死亡率相关的新型信息性PH表型,这些表型由内皮功能和激活的生物标志物定义。在整个PH谱系中,内皮健康的丧失和明显的肺血管稀疏化对死亡率的贡献比右心功能更大。注册:网址:https://www.clinicaltrials.gov;唯一标识符:NCT02980887。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
基于临床和生物学特征是否能识别出肺动脉高压中与生存相关的内型?
核心机制
内皮功能障碍(表现为精氨酸生物利用度降低、硝酸盐水平下降和D-二聚体升高)和肺微循环丧失导致无移植生存期缩短。
主要证据
在CC-PH队列中通过无监督聚类识别出三个临床聚类,并在PVDOMICS队列中验证,其中预后最差的聚类具有最低的整体精氨酸生物利用度和最高D-二聚体水平。
研究意义
该研究表明,保留血管内皮健康对PH生存至关重要,并提示针对内皮功能的靶向干预可能对高危表型有益。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据协调与变量筛选

在两个队列中确定共同的临床变量,并筛选用于聚类分析的变量。

对两研究的变量字典和数据收集方法进行比对,统一单位,通过相关性分析和缺失率筛选变量,最终确定56个聚类变量,并进行多重插补。

2

发现队列聚类分析

在CC-PH队列中识别新的PH临床聚类。

使用K-means算法对CC-PH队列的56个聚类变量进行聚类,聚类数由贝叶斯信息准则确定,并通过非负矩阵分解合并5个插补数据集的结果。

3

分类模型开发与外部验证

开发预测模型,将CC-PH队列的聚类标签应用于PVDOMICS队列,验证聚类的稳健性。

使用梯度提升模型(XGBoost)基于聚类变量进行训练,然后应用于PVDOMICS队列,通过多数投票确定每个参与者的最终聚类。

4

生存分析

评估新识别的PH聚类在无移植生存期上的差异。

使用Kaplan-Meier曲线估计无移植生存概率,并使用对数秩检验和Cox比例风险模型比较生存差异。

5

生物标志物关联分析

探索新聚类与内皮健康生物标志物(精氨酸-NO代谢物和D-二聚体)的关联。

在PVDOMICS队列中测量精氨酸通路代谢物(精氨酸、鸟氨酸、瓜氨酸、ADMA、硝酸盐)和D-二聚体,计算整体精氨酸生物利用度,并比较不同聚类间的差异,同时评估这些生物标志物对聚类和预后的预测能力。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
高效液相色谱----
Metabolon公司----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据协调
变量筛选标准(相关性阈值、缺失率)、插补方法
阅读提示:Methods部分:'Data Harmonization'和'Clustering Variables and Missing Data'
聚类分析
聚类变量列表、聚类数K=3、K-means算法参数
阅读提示:Methods部分:'Clustering Analysis'
模型预测
梯度提升模型参数、特征重要性排序
阅读提示:Methods部分:'PH Cluster Prediction'
生存分析
终点定义、随访时间、统计方法(对数秩检验、Cox模型)
阅读提示:Methods部分:'Statistical Analysis'及Figure legends
生物标志物测量
精氨酸代谢物测量方法、D-二聚体检测方法、样本处理
阅读提示:Methods部分:'Pulmonary Vascular Diseases Phenomics'及表4