使用蛋白组学的方法来预测IgA肾病进展

背景介绍：

IgA肾病进展速度不一，预测IgA肾病进展风险的因素也多种多样，从一开始的临床模型到联合牛津分型，再到后来的联用生物标志物，模型效能越来越高，加用的指标也越来越多。尽管年JAMA内科学发布了略微官方一点点的预测模型，但是吧五花八门的研究还是层出不穷。通过下面这个摘要图就能读懂全文了

研究方法：

研究从加拿大和欧洲的6家中心纳入了例IgA肾病患者，随访至少12个月。将患者首先分为训练集（n=94）和验证集（n=46），然后再将患者按照eGFR的改变分为三组（就是进行三分位），下降最多的为进展组，下降最少的为非进展组，下降不多也不少的为中间组，然后使用质谱学的方法分析了患者尿液中的蛋白成分。将进展组或非进展组中变化超过30%的多肽作为IgA肾病中有意义的生物标志物。看下图

结果分析：

1.首先看一下纳入患者的基线信息，所有患者中eGFR每年下降中位数是1.4ml/min，基本正常。

2.通过质谱在患者的尿液中一共分析出种有意义的多肽，命名为IgA。与CKD相比，IgA中只有15种存在一致，14种胶原，1种纤维蛋白片段，都与纤维化有关。因此嘛，IgA被认为还是具有IgA肾病特异性的。

3.研究者分别在训练集和验证集中单独分析了IgA在进展组与非进展组中的预测效能，结果比较尴尬，在训练集中使用交叉验证，AUC为0.91。而在验证集中，AUC只有0.72。看下图

4.研究者接着分析IgA的预测效能。

首先在ESKD组和非ESKD组对比，然后在IgA肾病进展组与非进展组中对比，都是病情越严重，IgA就越高。

然后确定常规的临床模型AUC为0.72，然后在此基础上加上IgA，预测效能提升至0.89。

得出结论：

IgA提高临床模型对IgA肾病进展的预测效能，AUC为0.89

----------------------------------------------

Abstract

RationaleObjective:AmajorchallengeinthemanagementofimmunoglobulinAnephropathy(IgAN)istheinabilityto

Background.RiskofkidneyfunctiondeclineinimmunoglobulinA(IgA)nephropathy(IgAN)issignificantandmaynotbepredictedbyavailableclinicalandhistologicaltools.Toservethisunmetneed,weaimedatdevelopingaurinarybiomarker-basedalgorithmthatpredictsrapiddiseaseprogressioninIgAN,thusenablingapersonalizedriskstratification.

Methods.Inthismulticentrestudy,urinesampleswerecollectedinpatientswithbiopsy-provenIgAN.Progressionwasdefinedbytertilesoftheannualchangeofestimatedglomerularfiltrationrate(eGFR)duringfollow-up.Urinesampleswereanalysedusingcapillaryelectrophoresiscoupledmassspectrometry.Theareaunderthereceiveroperatingcharacteristiccurve(AUC)wasusedtoevaluatetheriskpredictionmodels.

Results.Ofthepatients,64%weremale.Meanagewas42years,meaneGFRwas63mL/min/1.73m2andmedianproteinuriawas1.2g/day.WeidentifiedurinepeptidesshowingsignificantdifferenceinabundanceaccordingtothetertileofeGFRchange.TheseincludedfragmentsofapolipoproteinC-III,alpha-1antitrypsin,differentcollagens,fibrinogenalphaandbeta,titin,haemoglobinsubunits,sodium/potassiumtransportingATPasesubunitgamma,uromodulin,mucin-2,fractalkine,polymericIgreceptorandinsulin.Analgorithmbasedontheseproteinfragments(IgAN)showedasignificantaddedvalueforthepredictionofIgANprogression[AUC0.89;95%confidenceinterval(CI)0.83–0.95],as

转载请注明：http://www.shenyanasy.com/sxqsyss/6732.html