儿童心血管代谢疾病相关性状的蛋白质组学特征可预测成年期疾病结局

Paediatric proteomic signatures of cardiometabolic disease-associated traits predict adult disease outcomes

作者信息Joshua M Landman, Heather M Highland, Andrew S Perry, Annie G Howard, Quanhu Sheng, Anna Lorenz, Alexandra B Palmer, Shilin Zhao, Wanying Zhu, Xinruo Zhang, Victoria L Buchanan, Elizabeth G Frankel, Rashedeh Roshani, Alyssa Scartozzi, Eric H Farber-Eger, Mohammad Y Anwar, Jessica K Sprinkles, Ash Breidenbach, Ting-Chen Wang, Christine A Ballard, Matthew Nayor, Jaclyn Tamaroff, Absalon Gutierrez, Lauren E Petty, Alexander S Petty, Benjamin Lippi, Lindsay Fernandez-Rhodes, Hung-Hsin Chen, Mohanraj Krishnan, Mariaelisa Graff, Katie A Meyer, Miryoung Lee, Kristin L Young, Quinn Wells, Kahraman Tanriverdi, Jane E Freedman, Eric R Gamazon, Joseph B McCormick, Susan P Fisher-Hoch, Penny Gordon-Larsen, Jennifer E Below, Kari E North, Ravi V Shah
PMID42728365
期刊Nat Metab
发布时间2026-09-11
DOI10.1038/s42255-026-01589-7

实验完整度

高

含儿童与成人血浆蛋白质组、UK Biobank队列、GLP-1RA干预及PWAS遗传验证等多层证据

主要模型

BHRC西班牙裔/拉丁裔儿童与青少年(273人,血浆蛋白质组) BHRC同社区成人(494人) UK Biobank成人队列(28,256人) STEP 1 semaglutide随机临床试验成人蛋白质组

重点核对

儿童血浆蛋白质组与25种CKMD表型的线性混合效应回归(q<0.05) 儿童与成人表型-蛋白质组效应量的Pearson相关性比较 PCA联合LASSO构建6个潜在因子蛋白质组评分并应用于成人队列 UK Biobank中儿童来源蛋白质组评分与CKMD结局的Cox回归 基于遗传预测蛋白质组的PWAS与Mendelian randomization分析

摘要

虽然心血管-肾脏-代谢疾病(CKMD)最早的病理征象在20岁之前就已出现,但当前基于成人的风险阈值无法识别相当一部分高危儿童。随着儿童肥胖率不断上升,早期、灵敏地检测CKMD风险对于及时干预至关重要。我们将涵盖肝脏、脂肪、血管和血糖异常性状的25种CKMD表型与273名西班牙裔或拉丁裔儿童和青少年(13.1±2.7岁;53%为女性)的循环蛋白质组相关联。在此我们表明,儿童期CKMD的蛋白质组特征与成人期临床CKMD结局强烈相关。在同一社区的685名成人和UK Biobank的28,256名成人中,我们观察到儿童期与成人期CKMD表型-蛋白质组关系高度一致,涉及胰腺β细胞健康和胰岛素敏感性、肝脏稳态、炎症和胆固醇代谢。许多与儿童期CKMD相关的蛋白质在成人中可被胰高血糖素样肽-1受体激动剂治疗所调节,并与CKMD的遗传易感性相关。这些发现支持CKMD疾病易感性的早期起源嵌入儿童期人类蛋白质组中,凸显了精准预防在代谢疾病临床表现出现之前很久就加以阻止的价值。

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
儿童期循环蛋白质组能否反映早期CKMD易感性,并预测成人期心血管-肾脏-代谢疾病结局?
核心机制
儿童期CKMD蛋白质组特征涉及胰腺β细胞健康和胰岛素敏感性、肝脏稳态、炎症和胆固醇代谢等通路,这些蛋白质组信号在生命早期即已存在并与终生CKMD易感性相关。
主要证据
在273名儿童中鉴定2,916个蛋白质-表型关联;儿童与成人表型-蛋白质组关系高度一致(肝脏r=0.69,脂肪r=0.61);儿童来源蛋白质组评分在UK Biobank 28,256名成人中与T2D、心血管疾病、死亡等结局相关;131个蛋白质的PWAS显示与成人CKMD的遗传关联。
研究意义
支持精准蛋白质组风险评估在儿童期识别CKMD高危人群的潜力,以在临床表现出现前实施早期预防策略。

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

儿童CKMD表型与循环蛋白质组关联分析

鉴定与儿童期CKMD表型相关的循环蛋白质

对273名儿童的血浆5,420种蛋白质(Olink Explore HT)与25种CKMD表型进行线性混合效应回归

2

儿童与成人CKMD表型-蛋白质组关系一致性比较

检验儿童期蛋白质组-表型关系是否在成人中重现

在685名BHRC成人中应用相同建模策略,比较儿童与成人效应量

3

PCA与LASSO构建儿童多蛋白质CKMD特征

构建儿童CKMD表型的多蛋白质复合评分

对16种表型进行PCA,保留6个varimax旋转正交潜在因子,用LASSO回归构建蛋白质组评分

4

儿童CKMD蛋白质组评分在成人队列中的验证

检验儿童来源蛋白质组评分与成人CKMD横断面和纵向结局的关联

将儿童LASSO模型重新校准后应用于BHRC成人和UK Biobank成人,进行Cox回归

5

GLP-1RA治疗对儿童CKMD相关蛋白质的可调节性分析

评估儿童CKMD相关蛋白质在成人GLP-1RA治疗中是否发生有利变化

将1,032种儿童CKMD相关蛋白质映射到STEP 1临床试验semaglutide治疗68周后的蛋白质组数据

6

遗传预测蛋白质组的PWAS分析

检验儿童CKMD相关且GLP-1RA响应的蛋白质是否与成人CKMD结局存在遗传关联

对131种蛋白质进行PWAS,整合ARIC遗传预测模型和大型GWAS数据

7

儿童至成人过渡期蛋白质变异性分析

评估CKMD相关蛋白质在儿童至成人过渡期的变异性来源

利用BAMSE队列纵向蛋白质组数据,分析年龄和性别解释的变异比例

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
Olink Explore HTOlink--
Olink Explore 3072Olink--
SomaScan----
FibroScanEchosens--
双能X射线吸收仪Hologic--
司美格鲁肽----

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
儿童CKMD表型与蛋白质组关联分析
儿童样本量273人、年龄13.1±2.7岁、性别比例53%女性;蛋白质检测平台Olink Explore HT,5,420种蛋白质;统计模型校正年龄和性别;FDR方法Benjamini–Yekutieli
阅读提示:Methods中Study sample、Paediatric and adult CKMD phenotyping、Proteomics、Association of the circulating proteome with CKMD phenotypes in children and adults
儿童多蛋白质CKMD特征构建
PCA纳入16种表型;保留6个潜在因子;LASSO回归五折交叉验证重复5次;缺失值随机森林插补;蛋白质和表型均值中心化和标准化
阅读提示:Methods中Identifying a proteomic signature across CKMD phenotypes in childhood using machine learning approaches
儿童CKMD蛋白质组评分在UK Biobank中的验证
UK Biobank样本量28,256人;中位随访13.7年;Cox回归校正变量包括年龄、年龄²、性别、种族、BMI、HbA1c、TG、HDL-C、Townsend剥夺指数、吸烟和饮酒;每个潜在因子模型样本量不同
阅读提示:Methods中Paediatric proteomic signatures of CKMD and long-term adult CKMD outcomes;Extended Data Table 1;Fig. 5图注
GLP-1RA治疗蛋白质组可调节性分析
STEP 1临床试验semaglutide治疗68周;SomaScan平台;q-value≤0.05;映射1,032种儿童CKMD相关蛋白质
阅读提示:Methods中Paediatric proteomic signatures related to dynamic changes in the circulating proteome with GLP-1 receptor agonist therapy in adults;Fig. 6图注
PWAS遗传验证
131种蛋白质纳入PWAS;遗传预测模型来自7,213名欧洲血统ARIC参与者;GWAS样本量因结局不同而异;Bonferroni校正阈值0.05
阅读提示:Methods中Genetically predicted PWAS;Extended Data Fig. 4图注