浙大邬建敏团队成果：糖尿病肾病的尿液多组学诊断

　　糖尿病肾病(DKD)作为糖尿病的最常见的微血管并发症，对患者的健康构成了严重威胁，并已成为慢性肾脏疾病及终末期肾脏疾病的主要诱因。然而，仅根据临床信息进行DKD诊断存在高达49.2%的错误率。因此，开发有效的早期诊断方法对于预防糖尿病相关并发症至关重要。

　　研究表明，在微量蛋白尿出现之前，许多糖尿病患者可能已经经历了肾功能的早期下降。随着肽组学和代谢组学研究的深入，对DKD的病理机制有了更深入的理解，并发现了一些潜在的生物标志物，这些发现为早期诊断DKD提供了新的视角和方法。

　　浙江大学化学系分析化学研究所邬建敏团队，通过整合代谢组学和肽组学数据，成功构建了一个尿液多组学分析平台，显著提升了DKD早期诊断和病情判评估的准确性。进一步结合机器学习，研究团队构建了一个逐步预测模型。该模型在外部验证队列中展示出卓越的分类性能：健康对照组(HC)的准确率为89.9%、2型糖尿病(T2DM)为75.5%、早期DKD为69.6%、显性DKD为75.7%。此外，该模型还能以87.5%的准确率区分尿微量白蛋白浓度异常的T2DM患者。

　　基于肽组学和代谢组学的糖尿病肾病诊断研究2023年发表于国际著名期刊Theranostics[THERANOSTICS 2023; 13(10):3188-3203.]

　　原文链接

　　https://www.thno.org/v13p3188

　　DKD诊断的三步预测模型