测量血液中的血脂可以在发病前几十年预测疾病风险
个性化医疗的进步导致了许多新颖的鉴定疾病的生物标记物．这些生物标记物可用于诊断和监测疾病，预测患者对特定疗法的反应，并识别那些现在可能健康，但未来可能有患病风险的人。
高通量和低成本的现代性质下一代测序(NGS)技术导致最近大量的基于基因的生物标记物用于临床诊断。然而，我们的DNA密码并不总是反映我们每时每刻的确切生理状态。在细胞核之外，一个由分子组成的生物“汤”不断地被合成和降解。识别和量化这些分子可以更准确地反映我们的健康或疾病状况。
脂类是一类生物分子，包括脂肪酸、维生素、单甘油酯和磷脂，在细胞信号传递和能量储存等功能中起着核心作用。它们的浓度会随着食物摄入、运动和疾病等刺激而波动。因此，研究正在探索脂质组——在特定时刻存在于细胞、组织或生物中的脂质的集合——作为一种潜在的非侵入性生物标志物来源，因为脂质可以从血液样本中提取。
现代医学面临的一个挑战是，许多患者一旦开始出现某种疾病的症状就会去看医生。因此，诊断往往是在疾病进展之后。个性化医疗的一个目标是能够监测健康状况，从而预防疾病。
一项新的研究发表在公共科学图书馆生物学，由Chris Lauber教授领导的这项研究表明，脂质组学分析可用于预测疾病发病前数年发生2型糖尿病(T2D)和心血管疾病(CVD)的风险。Lauber是Lipotype团队，一家使用尖端技术提供鸟枪脂质组学分析的公司质谱法．
目前，T2D和CVD的风险评估包括利用患者病史和测量高密度和低密度胆固醇。Lauber和他的同事们假设，血液中可能有数百种其他的脂质会导致疾病风险。在他们的研究中，他们分析了4000多名健康的瑞典中年男性和女性的血液数据，这些人参与了1991年至1994年间的一项纵向研究，随后随访到2015年。
从90年代获得的基线血液评估中，通过质谱分析了184种血脂，机器学习生成了随后23年随访的T2D和CVD风险评分。然后使用这些风险评分将患者分为6类，从低到高的疾病风险。脂质组学风险评分结果增加168%发病率T2D高危组的发病率降低了77%，最低风险组的发病率降低了77%。对于心血管疾病，脂质组学预测高风险组的发病率增加84%，最低风险组的发病率下降53%。
相比之下，纵向病例研究数据显示，到2015年，13.8%的研究参与者患有T2D，而22%患有CVD。”作者在论文中写道:“我们的研究结果表明，在疾病发病前几年，就可以识别出患T2D或CVD的高风险人群。”
188金宝搏备用最近采访了Lauber，更详细地讨论了这项研究及其对生物标志物发现的更广泛的影响。
莫莉·坎贝尔(主持人):我们的读者可能不熟悉，脂质是什么?为什么它们可以作为疾病的潜在生物标志物来研究?
克里斯·劳伯(CL):脂质是一组不同的小分子。甘油脂质，固醇脂质，鞘脂质，磷脂——有成千上万种不同的脂质。每种脂质在化学上都是独特的，它们有许多不同的生物学功能。
其中一个生物学作用是形成细胞膜基质，在那里它们支持各种重要功能。但脂质也有储存能量的功能，还可以作为激素、必需营养素或细胞信号分子。我们发现越来越多的功能与单个脂质分子有关。
在人体中，有成千上万种不同的脂质与健康和疾病有关。它们与基因、蛋白质和代谢物的分子相互作用影响着我们的健康。这种相互作用受到这些脂质的细胞供应的强烈影响。
“健康”意味着所有的脂类都是完美平衡的。每个细胞都必须不断调整脂质代谢来达到这一目标。脂质代谢紊乱直接威胁健康和生命。它可以促进发展，甚至导致严重的疾病。因此，脂质可以作为监测个人健康状况的生物标志物。
MC:你能谈谈“脂质组学档案”是如何创建的吗?
肤色线:测试选定的脂质分子只能提供对健康状况的一瞥。一次测量所有的脂质可以描绘出一个大的图景，一个完整的脂质组。这个问题的技术解决方案是脂质组学，即同时分析来自生物样本的数千种脂质
脂质被送入质谱仪。生物信息学解决方案和生物统计方法将质谱仪结果转换为强大的图表和图形。这些扩展的脂质组学资料告诉我们所有关于原始生物样本的脂质和脂质代谢。
MC:这项研究集中在184种脂类上——你能不能讨论一下为什么要分析这些脂类，并进一步详细介绍那些特别重要的脂类?
肤色线:我们的脂质组学分析涵盖了广泛的脂质，从磷脂和鞘脂到甾醇脂质，甘油脂质和更多-总共超过4200种脂质。这意味着覆盖范围包括那些属于传统脂类面板的脂类，因此已知与心血管疾病和糖尿病有关，例如甘油三酯和胆固醇。
然而，生物样品的脂质组测量涵盖了整个脂质组，因此数据集包括更多的脂质以及关于脂质的更多细节。当我们分析样本时，我们获得了包含数百种脂质的详细脂质组学资料。然后我们继续进行数据分析，只选择最可靠的脂类候选。这组最可靠的候选脂质包括我们在这项工作中关注的184种脂质。
主持人:你能告诉我们更多关于这项研究使用的方法吗?
肤色线:在90年代，大约4000名研究参与者的血液样本被取样并冷冻。在接下来的23年里，研究参与者被跟踪并记录了多种疾病的发生情况，如心血管疾病和T2D。我们分析了这些样本以获得它们的脂质组，即它们的详细脂质谱。我们排除了在采样时普遍存在T2D或CVD的参与者，并进行了统计测试，以计算其余血脂谱中发生T2D和CVD的风险。我们基于完整的脂质组创建了预测模型。
MC:这项研究如何用于为个性化医疗实践提供信息?
肤色线:原则上，这项研究可用于从一个人的脂质组计算T2D或CVD的个体风险。这是朝着个性化医疗实践方向迈出的第一步。
MC:你想强调的作品有什么局限性吗?
肤色线:这项研究是基于瑞典的队列研究，因此需要在其他国家和种族中进行独立检查。
MC:你们在这个研究领域的下一步是什么?
肤色线:我们想从研究转向可以在医疗实践中使用的分析。
克里斯·劳伯教授接受了高级科学作家莫莉·坎贝尔的采访。
