血浆代谢组识别不同的哮喘代谢型:来自COREA队列的发现

Plasma Metabolomes Identify Distinct Asthma Metabotypes: Findings From the COREA Cohort

作者信息Woori Chae, Jin An, Chae Eun Lee, Seo-Young Kim, Eunse Kim, Hyouk-Soo Kwon, Woo-Jung Song, You Sook Cho, Joo-Youn Cho, Tae-Bum Kim
PMID42554201
期刊Allergy
发布时间2026-09
DOI10.1111/all.70469

实验完整度

中

407例患者血浆代谢组学聚类分析,含代谢物差异检验、脂质类别富集及临床变量关联,无功能或机制实验验证

主要模型

COREA队列407例成人哮喘患者血浆样本

重点核对

血浆样本来自COREA队列,共407例成人哮喘患者,采集于2005年1月至2020年12月,27家医院 使用Biocrates AbsoluteIDQ p400 HR试剂盒结合LC-MS检测408种代谢物,281种保留用于分析 k-means聚类参数:k-means++初始化,50次随机重启,最大500次迭代,固定随机种子 聚类数量k=4,通过PCA、聚类有效性指标、共识聚类、稳定性分析及跨算法一致性确定 聚类判别代谢物阈值:|Cohen's d| ≥ 0.8且BH-FDR校正p < 0.05

摘要

背景:基于表型的哮喘分类存在局限性,这促使人们采用基于病理生理学的内型分类方法。然而,现有生物标志物的特异性和临床可及性有限。血浆代谢组学反映了疾病特异性的代谢状态,为哮喘分类提供了一种有前景的策略。本研究旨在利用血浆代谢组学识别成人哮喘的代谢亚组(代谢型),这可能对个性化治疗具有重要意义。方法:使用Biocrates AbsoluteIDQ p400 HR试剂盒结合液相色谱-质谱联用技术,分析了韩国成人哮喘现实与演变队列(COREA)中407例哮喘患者的血浆样本。经过预处理后,对281种代谢物进行自然对数转换、标准化,并通过k-means聚类进行划分。聚类数量通过综合聚类有效性指标、共识聚类、稳定性分析和跨算法一致性的多标准评估确定。结果:识别出四种具有不同脂质类别特征的代谢型。第1组(n=123)以醚连接磷脂酰胆碱升高为特征,包括症状发作最早、女性占优势的较年轻患者。第2组(n=53)显示溶血磷脂酰胆碱升高和氨基酸代谢改变(谷氨酸升高、谷氨酰胺降低),代表一种代谢中间型、非T2-high亚组。第3组(n=158)表现为中年非肥胖患者中鞘磷脂整体降低和磷脂酰胆碱广泛降低。第4组(n=73)显示三酰甘油(TG)和二酰甘油(DG)显著升高,体重指数(BMI)最高,与一种非T2、肥胖相关的代谢型一致。在调整BMI、年龄和性别后,第4组的TG/DG特征仍然稳健。结论:血浆代谢组学识别出具有临床意义的哮喘代谢型,支持将代谢组学分析整合到个性化哮喘管理中。

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
利用血浆代谢组学能否识别成人哮喘的代谢亚组(代谢型),并揭示其临床和代谢特征?
核心机制
四种代谢型分别由不同脂质类别特征定义:第1组醚连接磷脂酰胆碱(PC-O)升高,第2组溶血磷脂酰胆碱(LPC/LPC-O)升高伴氨基酸代谢改变,第3组鞘磷脂(SM)和磷脂酰胆碱(PC)降低,第4组三酰甘油(TG)和二酰甘油(DG)升高。
主要证据
对407例COREA队列哮喘患者血浆样本进行靶向代谢组学检测和k-means聚类,识别出四种代谢型;通过聚类判别代谢物分析、Fisher精确检验富集分析及多变量调整验证了各代谢型的脂质特征和临床关联,其中第4组TG/DG特征在调整BMI、年龄和性别后仍稳健。
研究意义
血浆代谢组学识别出具有临床意义的哮喘代谢型,支持将代谢组学分析整合到个性化哮喘管理中,并可能为针对特定代谢途径的靶向干预提供依据。

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

研究人群与样本采集

建立具有临床特征和血浆样本的成人哮喘研究队列

从COREA队列中选取407例有可用血浆样本和医疗记录的成人哮喘患者,收集人口学、临床和实验室数据,并采集血浆样本。

2

血浆代谢物谱检测

获取覆盖广泛代谢物类别的血浆代谢组学数据

使用Biocrates AbsoluteIDQ p400 HR试剂盒处理血浆样本,通过Ultimate 3000超高效液相色谱仪与Q Exactive Plus混合四极杆-轨道阱质谱仪联用检测代谢物,LC模式定量42种,FIA模式半定量366种。

3

聚类分析识别代谢型

基于血浆代谢物谱对哮喘患者进行无监督聚类,识别代谢亚组

对281种代谢物浓度矩阵进行自然对数转换和z-score标准化,使用k-means算法聚类,通过多标准评估确定最优聚类数k=4。

4

代谢型代谢特征与临床特征分析

表征各代谢型的代谢物差异和临床变量关联,并评估混杂因素影响

通过 omnibus检验和one-vs-rest Welch's t检验识别聚类判别代谢物,使用Fisher精确检验评估脂质类别富集,比较临床变量,并通过多变量回归调整混杂因素。

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
AbsoluteIDQ p400 HR试剂盒Biocrates Life Sciences AG--
Ultimate 3000超高效液相色谱仪Thermo Fisher Scientific--
Q Exactive Plus混合四极杆-轨道阱质谱仪Thermo Fisher Scientific--
Xcalibur软件Thermo Fisher Scientific--
MetIDQ Oxygen v.2893Biocrates Life Sciences AG--

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
研究人群与样本采集
样本量407例成人哮喘患者;纳入标准包括年龄>18岁、症状持续>3个月、气道高反应性或支气管舒张试验阳性;排除标准包括活动性肺部感染、严重肺损伤、支气管扩张或肺切除史;样本采集时间2005-2020年,27家医院
阅读提示:Methods 2.1 Study Population
血浆代谢物谱检测
使用Biocrates AbsoluteIDQ p400 HR试剂盒;检测平台为Ultimate 3000 UPLC + Q Exactive Plus;18个混合QC样本;代谢物过滤标准为在>12/18 QC样本或>70%分析样本中低于LOD则排除;低于LOD插补为最小正值1/5;FIA模式QC-RFSC校正,LC模式无归一化
阅读提示:Methods 2.2 Plasma Metabolite Profiling;Figure S1
聚类分析
281种代谢物;ln(1+x)转换后z-score标准化;k-means算法参数(k-means++初始化,n_init=50,max_iter=500,固定随机种子);k=4通过多标准评估确定
阅读提示:Methods 2.3 Cluster Analysis;Supplementary Methods 'Assessment of cluster validity';Figures S3–S8
代谢型代谢特征与临床特征分析
聚类判别代谢物阈值|Cohen's d| ≥ 0.8且FDR校正p < 0.05;Fisher精确检验评估脂质类别富集;临床变量比较方法;多变量回归调整协变量(年龄、性别、BMI、log-嗜酸性粒细胞计数、吸烟状态、ICS使用),以第3组为参照;软件版本Python 3.14.4、scikit-learn 1.8.0、statsmodels 0.14.6、SciPy 1.17
阅读提示:Methods 2.4 Statistical Analysis;Supplementary Methods 'Confounding adjustment';Tables S1–S5;Figures S9–S13