RMD Open:中国学者揭示痛风发作的代谢组学特征

2025-05-15 Sienna Dai MedSci原创 发表于上海

本研究鉴定出了大量与痛风发作相关的代谢物,这些代谢物在横断面和纵向上均与临床变量相关。这些发现或许可以帮助williamhill asia 识别出具有已鉴定代谢组学生物标志物的痛风高发人群,并使其受益于强化抗炎预防治疗。

痛风发作表现为由单钠尿酸盐晶体引起的剧烈疼痛性急性炎症性关节炎发作。痛风发作是不可预测的。多达20%的患者在诊断后1年内会再次经历痛风发作。尽管已经描述了不同的痛风发作轨迹,但缺乏确定的预测因素来识别可能发作的个体。血清尿酸盐升高与已确诊痛风患者的痛风发作风险增加有关,但并不能完美预测个体患者的继发发作。确定复发性发作的其他预测因素具有重要的临床意义,因为这可以帮助制定更个性化的抗炎预防疗法。

迄今为止,基质金属蛋白酶活性、糖蛋白CA72-4和代谢物糖蛋白乙酰化已成为痛风初次发作和复发发作的潜在生物标志物。此外,有越来越多的证据表明,在疾病的不同阶段存在不同的代谢组学特征。这些数据表明,代谢生物标志物具有提高痛风患者发作风险分层的临床潜力。因此,本研究建立了一个痛风患者队列,旨在(a)深入了解痛风发作期间的代谢过程,以及(b)发现和验证生物标志物,以改善对痛风复发的预测。

该项前瞻性研究针对的痛风患者按序贯入组。横断面分析中,根据入组时痛风发作的有无(急性组)进行数据分析。对临界组参与者进行前瞻性随访,并根据1年内痛风的发作情况(复发组)或无痛风发作(无发作组)进行分析。采用非靶向液相色谱-质谱法测定基线访视时血清代谢物的相对丰度。使用最小绝对收缩和选择算子(LASSO)-Cox回归和时间-受试者工作特征(ROC)分析突发痛风的风险。使用机器学习模型在横断面和纵向分析中识别生物标志物,并在独立验证队列中使用定量靶向代谢组学进一步优化模型。

研究结果显示,急性组和临界间组参与者表现出不同的代谢特征,包括碳水化合物、脂质和核苷酸代谢。其中,糖酵解的关键中间体果糖-6-磷酸在急性组中显著升高(16倍)。此外,基于富集分析,与果糖​​和甘露糖代谢以及磷酸戊糖代谢相关的途径在急性组和临界间期组之间也存在显著差异。这些结果表明,能量供应会根据急性炎症状态而改变。

图1:代谢组学特征

前瞻性分析显示,许多代谢物与痛风复发相关。包含5-甲氧基色胺在内的六种LASSO衍生代谢物的代谢风险评分对痛风发作风险具有良好的区分性,其ROC曲线下面积(AUC)为0.82(95% CI:0.74-0.90)。机器学习模型在急性组和临界间组之间进行比较时,AUC为0.828。对于复发性发作的预测,结合代谢物和临床测量数据,AUC达到0.807-0.867。

综上所述,本研究鉴定出了大量与痛风发作相关的代谢物,这些代谢物在横断面和纵向上均与临床变量相关。这些发现或许可以帮助williamhill asia 识别出具有已鉴定代谢组学生物标志物的痛风高发人群,并使其受益于强化抗炎预防治疗。

原始出处:

Wenyan Sun, Rui Li, Nicola Dalbeth, Lingling Cui, Zhen Liu, Can Wang, Lin Han, Hui Zhang, Jie Lu, Huiyong Yin, Haibing Chen, Changgui Li - Metabolomic profiles underlying gout flares: a prospective study of people with gout: RMD Open 2025;11:e005278.

相关资料下载:
[AttachmentFileName(sort=1, fileName=e005278.full.pdf)] GetArticleByIdResponse(id=1ef38e5816ba, projectId=1, sourceId=null, title=RMD Open:中国学者揭示痛风发作的代谢组学特征, articleFrom=MedSci原创, journalId=18729, copyright=原创, creationTypeList=[1], summary=本研究鉴定出了大量与痛风发作相关的代谢物,这些代谢物在横断面和纵向上均与临床变量相关。这些发现或许可以帮助williamhill asia 识别出具有已鉴定代谢组学生物标志物的痛风高发人群,并使其受益于强化抗炎预防治疗。, cover=https://img.medsci.cn/20211120/1637376169462_2570354.jpg, authorId=0, author=Sienna Dai, originalUrl=, linkOutUrl=, content=<p><a href="//www.nyrain.com/topic/show?id=69bbe11620e">痛风</a>发作表现为由单钠尿酸盐晶体引起的剧烈疼痛性急性炎症性<a href="//www.nyrain.com/topic/show?id=57a53011364">关节炎</a>发作。痛风发作是不可预测的。多达20%的患者在<a href="//www.nyrain.com/guideline/list.do?q=%E8%AF%8A%E6%96%AD">诊断</a>后1年内会再次经历痛风发作。尽管已经描述了不同的痛风发作轨迹,但缺乏确定的预测因素来识别可能发作的个体。血清尿酸盐升高与已确诊痛风患者的痛风发作风险增加有关,但并不能完美预测个体患者的继发发作。确定复发性发作的其他预测因素具有重要的临床意义,因为这可以帮助制定更个性化的抗炎预防疗法。</p> <p>迄今为止,基质金属蛋白酶活性、糖蛋白CA72-4和代谢物糖蛋白乙酰化已成为痛风初次发作和复发发作的潜在生物标志物。此外,有越来越多的证据表明,在疾病的不同阶段存在不同的代谢组学特征。这些数据表明,代谢生物标志物具有提高痛风患者发作风险分层的临床潜力。因此,本研究建立了一个痛风患者队列,旨在(a)深入了解痛风发作期间的代谢过程,以及(b)发现和验证生物标志物,以改善对痛风复发的预测。</p> <p><img src="https://img.medsci.cn/20250512/1747054264441_6466957.png" /></p> <p>该项前瞻性研究针对的痛风患者按序贯入组。横断面分析中,根据入组时痛风发作的有无(急性组)进行数据分析。对临界组参与者进行前瞻性随访,并根据1年内痛风的发作情况(复发组)或无痛风发作(无发作组)进行分析。采用非靶向液相色谱-质谱法测定基线访视时血清代谢物的相对丰度。使用最小绝对收缩和选择算子(LASSO)-Cox回归和时间-受试者工作特征(ROC)分析突发痛风的风险。使用机器学习模型在横断面和纵向分析中识别生物标志物,并在独立验证队列中使用定量靶向代谢组学进一步优化模型。</p> <p>研究结果显示,急性组和临界间组参与者表现出不同的代谢特征,包括碳水化合物、脂质和核苷酸代谢。其中,糖酵解的关键中间体果糖-6-磷酸在急性组中显著升高(16倍)。此外,基于富集分析,与果糖​​和甘露糖代谢以及磷酸戊糖代谢相关的途径在急性组和临界间期组之间也存在显著差异。这些结果表明,能量供应会根据急性炎症状态而改变。</p> <p><img src="https://img.medsci.cn/20250512/1747054264457_6466957.png" /></p> <p style="text-align: center;"><span style="font-size: 12px; color: #808080;">图1:代谢组学特征</span></p> <p>前瞻性分析显示,许多代谢物与痛风复发相关。包含5-甲氧基色胺在内的六种LASSO衍生代谢物的代谢风险评分对痛风发作风险具有良好的区分性,其ROC曲线下面积(AUC)为0.82(95% CI:0.74-0.90)。机器学习模型在急性组和临界间组之间进行比较时,AUC为0.828。对于复发性发作的预测,结合代谢物和临床测量数据,AUC达到0.807-0.867。</p> <p>综上所述,本研究鉴定出了大量与痛风发作相关的代谢物,这些代谢物在横断面和纵向上均与临床变量相关。这些发现或许可以帮助williamhill asia 识别出具有已鉴定代谢组学生物标志物的痛风高发人群,并使其受益于强化抗炎预防治疗。</p> <p style="text-align: left;"><span style="font-size: 12px; color: #808080;">原始出处:</span></p> <p style="text-align: left;"><span style="font-size: 12px; color: #808080;">Wenyan Sun, Rui Li, Nicola Dalbeth, Lingling Cui, Zhen Liu, Can Wang, Lin Han, Hui Zhang, Jie Lu, Huiyong Yin, Haibing Chen, Changgui Li&nbsp;-&nbsp;Metabolomic profiles underlying gout flares: a prospective study of people with gout:&nbsp;RMD Open&nbsp;2025;11:e005278.</span></p>, belongTo=, tagList=[TagDto(tagId=10650, tagName=痛风发作), TagDto(tagId=13021, tagName=代谢组学), TagDto(tagId=69694, tagName=机器学习模型)], categoryList=[CategoryDto(categoryId=6, categoryName=内分泌, tenant=100), CategoryDto(categoryId=70, categoryName=中国学者, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=williamhill asia 医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=1, paymentType=1, paymentAmount=0, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=858, appHits=15, showAppHits=0, pcHits=74, showPcHits=843, likes=0, shares=1, comments=1, approvalStatus=1, publishedTime=Thu May 15 11:26:00 CST 2025, publishedTimeString=2025-05-15, pcVisible=1, appVisible=1, editorId=6556055, editor=内分泌新前沿, waterMark=0, formatted=0, deleted=0, version=3, createdBy=fa726466957, createdName=Sienna Dai , createdTime=Mon May 12 20:54:29 CST 2025, updatedBy=92910, updatedName=rayms, updatedTime=Wed May 14 21:26:54 CST 2025, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=e005278.full.pdf)], guideDownload=1, surveyId=null, surveyIdStr=null, surveyName=null, pushMsXiaoZhi=true, qaList=[{id=385895, articleId=1ef38e5816ba, userName=rayms, question=这项研究的主要发现是什么?, answer=这项研究鉴定出了大量与痛风发作相关的代谢物,这些代谢物在横断面和纵向上均与临床变量相关。这些发现或许可以帮助williamhill asia 识别出具有已鉴定代谢组学生物标志物的痛风高发人群,并使其受益于强化抗炎预防治疗。, clickNum=0, type=article, createdAt=1747229248310, updatedAt=1747229248310}, {id=385894, articleId=1ef38e5816ba, userName=rayms, question=结合代谢物和临床测量数据的预测模型效果如何?, answer=对于复发性发作的预测,结合代谢物和临床测量数据的AUC达到0.807-0.867。, clickNum=0, type=article, createdAt=1747229248310, updatedAt=1747229248310}])
e005278.full.pdf
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2265068, encodeId=60a32265068c0, content=<a href='/topic/show?id=7b07e1166af' target=_blank style='color:#2F92EE;'>#痛风发作#</a> <a href='/topic/show?id=0a66254e002' target=_blank style='color:#2F92EE;'>#代谢组学#</a> <a href='/topic/show?id=fab46121efa' target=_blank style='color:#2F92EE;'>#机器学习模型#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=27, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=25470, encryptionId=0a66254e002, topicName=代谢组学), TopicDto(id=61217, encryptionId=fab46121efa, topicName=机器学习模型), TopicDto(id=71166, encryptionId=7b07e1166af, topicName=痛风发作)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=williamhill asia 管理员, createdTime=Wed May 14 21:26:54 CST 2025, time=2025-05-14, status=1, ipAttribution=上海)]

相关威廉亚洲官网

Ann Rheum Dis:尿酸控制预防无症状高尿酸血症患者痛风发作

在无症状高尿酸血症和痛风患者中,将sUA控制在≤6.0mg/dL,可以减少痛风发作。

ARD:秋水仙碱预防与 COVID-19 疫苗接种后痛风发作减少有关

COVID-19 疫苗接种与痛风发作的几率增加相关,痛风发作主要发生在每次疫苗接种后的第 1 个月,并且与秋水仙碱预防负相关。

痛风为啥偏爱男性?主要是这4大因素在「作怪」

为什么痛风偏爱男性?竟然是这几个原因。

威廉亚洲博彩公司 要点——痛风的临床表现、急性期管理和治疗

威廉亚洲博彩公司 要点——痛风的临床表现、急性期管理和治疗

EHJ:“两大金刚”别嘌呤醇与苯溴马隆在痛风患者中的相关心血管风险

痛风发作是疼痛剧烈的致失能性炎症性关节炎,通常累及单个关节,但有时也会累及2个或更多关节。

Ann Rheum Dis:降尿酸疗法初期,非布索坦逐步加量与秋水仙碱预防痛风发作的作用相当

这项研究数据表明,与单独使用固定剂量的非布索坦相比,非布索坦逐步加量和低剂量的秋水仙碱可有效减少痛风发作。

A&R:伴有痛风发作的静脉血栓栓塞的风险

既往研究报道了痛风患者静脉血栓栓塞(VTE)的风险增加,但未报道痛风发作与静脉血栓栓塞(VTE)之间是否存在时间相关性。该研究评估了痛风发作和静脉血栓栓塞之间是否存在时间相关性。

Rheumatology:血清CA72-4升高预测尿酸盐降低治疗开始时痛风发作,一项前瞻性队列研究

研究血清CA72-4是否是尿酸盐降低治疗(ULT)启动期间痛风发作的独立预测因子。

世界痛风日:疫情期间痛风发作了怎么办?痛风患者如何预防?

痛风急性发作的常见诱因以及相应的预防措施