基于前瞻性糖尿病队列筛选与验证早于白蛋白尿/肾功能下降的糖尿病肾病尿液蛋白诊断生物标志物

Diabetic kidney disease (DKD) has become a national public-health burden. The well-accepted indictors including both albuminuria and eGFR decline could not make diagnosis of DKD prior to the occurrence of irreversible pathological damage. Therefore, biomarkers prior to albuminuria and eGFR decline should be essential in the prevention of DKD. Urinary protein can sensitively reflect the pathophysiological changes of the kidney due to the exemption of homeostasis regulatory mechanisms of urine. Thus, it is an ideal source of biomarkers for early diagnosis of DKD..Previous studies have demonstrated that patients have already undergone glomerular and tubulointerstitial damage prior to the occurrence of albuminuria and eGFR decline. Thus, this study proposes a hypothesis that the urinary proteome has changed in DKD patients before the occurrence of albuminuria and eGFR decline. By using the existing prospective diabetes cohort, the urine specimens of DKD patients prior to the occurrence of albuminuria and eGFR decline was acquired. This study apply the non-bias quantitative proteomics to compare their proteome to the urinary proteome acquired from the diabetic patients who will not progress to DKD, and screen the diagnostic biomarkers of DKD and its different clinical phenotypes, and further establish diagnostic model. The results of this study may lead to the advancement of the DKD diagnostic node in China.

糖尿病肾病（DKD）是我国沉重的公共卫生负担之一。当前公认的诊断指标白蛋白尿和eGFR下降均不能在肾脏出现不可逆的病理损害前诊断DKD。早于白蛋白尿和eGFR下降的生物标志物发掘是DKD防控的关键。由于尿液不存在内环境稳态调节机制，尿液蛋白能够灵敏的反映肾脏各种病理变化，是DKD早期诊断生物标志物研究的理想来源。.既往研究证实DKD患者出现白蛋白尿和eGFR下降之前，肾脏已经发生了病理损伤。因此，本课题提出一个假说，DKD患者在出现白蛋白尿和eGFR下降之前，尿液蛋白质组已经发生了改变。基于此假说，本课题利用前瞻性糖尿病队列，预先采集DKD患者在出现白蛋白尿和eGFR下降之前的尿液样本，采用定量蛋白质组学技术，与没有进展至DKD的糖尿病患者同期尿液样本进行蛋白定量比较，筛选能够用于DKD及不同临床表型早期诊断的生物标志物，并建立诊断模型。本课题研究结果有助于我国DKD诊断节点的提前。

基于社区糖尿病前瞻性队列研究建立的标本库和数据库，本项目通过定量蛋白质组学技术比较122例不同临床亚型DKD患者（单纯新发白蛋白、单纯新发肾功能下降、白蛋白尿伴肾功能下降、早期肾功能快速下降）罹患DKD前2-3年的尿液蛋白质组与158例持续未进展至DKD的糖尿病患者同期尿液蛋白质组，共鉴定出2417个尿液蛋白质；通过与持续未进展至DKD患者人群比较，分别鉴定130、140、120和196个差异蛋白。本项目进一步通过随机森林算法筛选特征性差异蛋白，采用XGBoost分类器构建的预测模型，分别建立含有20个差异蛋白的预测模型能够良好的预测DKD不同临床亚型的发生。最后，本项目针对各组差异蛋白开展IPA分析，探索不同肾脏结局发生的病理机制。基于本项目，我们发掘出早于白蛋白尿和eGFR下降的DKD诊断生物标志物和预测模型，为后续大样本验证和转化应用打下了夯实基础，亦为更好管理糖尿病患者和认知DKD发生病理生理机制奠定基础。.此外，在项目执行期间，本人及所属团队亦开展其它相关研究。基于社区糖尿病前瞻性队列数据，我们发现尿转铁蛋白可改善对新发肾功能快速进展模型的预测效能；胱抑素和血肌酐的eGFR差异与糖尿病患者死亡风险增加独立相关。以上结果为糖尿病患者风险分层的临床实践提供了依据。