《Metabolism》：A biological-systems-based analysis using proteomic and metabolic network inference reveals mechanistic insights into hepatic steatosis
编辑推荐：
该研究通过贝叶斯网络分析和孟德尔随机化，揭示基础胰岛素分泌速率（BasalISR）是代谢功能障碍相关脂肪肝（MASLD）的主要驱动因素，并发现性别差异及34种血浆蛋白与肝脂沉积相关。
Natalie N. Atabaki|Daniel E. Coral|Hugo Pomares-Millan|Kieran Smith|Harry H. Behjat|Robert W. Koivula|Andrea Tura|Hamish Miller|Katherine Pinnick|Leandro Agudelo|Kristine H. Allin|Andrew A. Brown|Elizaveta Chabanova|Piotr J. Chmura|Ulrik P. Jacobsen|Adem Y. Dawed|Petra J.M. Elders|Juan J. Fernandez-Tajes|Ian M. Forgie|Mark Haid|Paul W. Franks
诺和诺德基金会基础代谢研究中心，哥本哈根大学健康与医学科学学院，丹麦哥本哈根
摘要
目的
为了明确与代谢功能障碍相关的脂肪性肝病（MASLD）的器官特异性和系统性驱动因素，我们在有或没有2型糖尿病（T2D）的个体中应用了整合性因果推断方法，涵盖了临床、影像学和蛋白质组学领域。
方法
在IMI-DIRECT前瞻性队列研究中，使用贝叶斯网络分析和互补的双样本孟德尔随机化方法来量化脂肪分布、血糖和胰岛素动态与肝脏脂肪之间的因果关系。数据包括频繁采样的代谢挑战测试结果、MRI衍生的腹部和肝脏脂肪含量、血清生物标志物以及Olink血浆蛋白质组学信息，研究对象为331名新发2型糖尿病患者和964名非糖尿病患者，所有数据均遵循统一协议以确保可重复性。
结果
通过C肽反卷积估计的高基础胰岛素分泌率（BasalISR）被确定为两个队列中肝脏脂肪积累的主要潜在因果驱动因素。BasalISR是一种与β细胞胰岛素输出相关的独立于清除率的指标，不同于外周胰岛素水平，且与肝脏脂肪变性存在独立关联。内脏脂肪组织与肝脏脂肪之间存在双向关联，表明存在一个自我强化的代谢循环。在分析的446种蛋白质中，有34种参与了这些代谢网络（非糖尿病网络27种，2型糖尿病网络18种，共有11种）。与肝脏脂肪直接相关的关键蛋白质包括GUSB、ALDH1A1、LPL、IGFBP1/2、CTSD、HMOX1、FGF21、AGRP和ACE2。性别分层分析显示，女性中的GUSB和男性中的LEP是预测肝脏脂肪的最强蛋白质指标。
结论
BasalISR可能更好地捕捉到早期由β细胞驱动的代谢紊乱，这些紊乱是MASLD的发展因素。这些发现揭示了肝脏脂肪变性的多因素、性别和疾病阶段特异性的蛋白质-代谢结构，并确定了潜在的生物标志物或治疗靶点。
引言
据估计，全球约有三分之一的成年人患有与代谢功能障碍相关的脂肪性肝病（MASLD），预计在未来几十年内这一比例将显著增加[1]。在2型糖尿病患者（T2D）中，MASLD的患病率约为67%，并且仍在上升[2]。尽管肝内脂质积累与T2D之间的流行病学关联已得到充分描述，但其背后的代谢和蛋白质组学特征仍不甚清楚，这阻碍了MASLD的预防和治疗[3]。高胰岛素血症，尤其是早期胰岛素分泌过多，是T2D和MASLD的常见前兆[4],[5]，而在MASLD同时存在的情况下，胰岛素的过度分泌会更加严重[6]。需要区分胰岛素分泌（即胰腺β细胞向门静脉释放胰岛素的速率）和循环血浆胰岛素水平，后者同时反映了分泌量和肝脏对胰岛素的清除率。大约50-80%的内源性分泌胰岛素在首次通过门脉循环时被肝脏吸收，这意味着血浆胰岛素浓度可能大大低估了实际的胰岛素生产速率[7],[8]。胰岛素在胰腺中通过胰岛素原的酶促切割生成胰岛素和C肽，两者以等摩尔量共同分泌。与胰岛素不同，C肽可以绕过肝脏的吸收过程，半衰期更长，主要通过肾脏清除[9],[10]。因此，C肽可以作为量化真实胰岛素分泌量的生理稳定指标，不受肝脏清除率变化的影响。利用已建立的动力学模型对血浆C肽浓度进行数学反卷积处理，可以准确估计β细胞的分泌速率，包括基础胰岛素分泌速率[11],[12]。在MASLD的背景下，这一点尤为重要，因为胰岛素清除能力的受损可能会干扰仅凭血浆胰岛素水平得出的结论。
当脂肪细胞的脂质储存能力被超出时，会发生异位脂质积累，肝脏成为多余甘油三酯的主要储存库。过多的代谢底物（葡萄糖和脂肪酸）会导致肝脏特异性胰岛素抵抗以及相应的肝脏葡萄糖和脂质生成。这种退化循环会导致全身葡萄糖和脂质水平的升高，这是T2D的主要风险因素[13],[14],[15],[16]。了解血浆蛋白质网络及其与葡萄糖、胰岛素动态和脂肪分布的关系有助于阐明这些代谢特征之间的相互作用。最近的蛋白质组学研究探讨了MASLD的特定特征[3],[17],[18],[19]。然而，目前仍缺乏一个全面的系统模型，这限制了对肝脏脂肪积累的因果驱动因素及其对葡萄糖和胰岛素稳态影响的理解。填补这一空白可能为MASLD的诊断、预防和治疗策略提供依据。
为此，我们采用了贝叶斯网络分析（一种概率图模型方法，可用于推断相互依赖变量之间的潜在因果关系）和孟德尔随机化（MR，一种利用核DNA变异作为工具变量来增强因果推断的统计遗传学方法）。这些方法比传统的回归或相关性分析具有更强的因果推断能力，有助于量化方向性并最小化残余混杂因素。结合使用这两种方法，可以为研究复杂的代谢网络提供互补的框架。
在这里，我们将贝叶斯网络分析和双向双样本MR分析应用于IMI-DIRECT的2型糖尿病和非2型糖尿病数据集；这些数据来自包含葡萄糖和胰岛素动态测量（通过频繁采样的代谢挑战测试）、MRI衍生的腹部和肝脏脂肪含量、血清生物标志物以及Olink血浆蛋白质组学信息的全面表型分析的前瞻性队列研究。我们的目标是确定血浆蛋白质、葡萄糖和胰岛素动态在其生理循环中的潜在因果网络，从产生到清除的过程，以及它们与肝脏脂质积累之间的关系。
部分摘录
IMI-DIRECT队列和测量方法
为了避免插补偏差，分析集中在IMI-DIRECT的完整病例数据上，这是一个涉及欧洲血统成年人的多中心前瞻性队列研究，其中包括被诊断为2型糖尿病的参与者（n=331）和未患2型糖尿病的参与者（n=964）。后者组包括血糖正常或处于糖尿病前期的参与者（通过糖化血红蛋白A1C（HbA1c）、空腹血糖或2小时血糖确定）。所有参与者在入组时均提供了书面知情同意书，研究方案已获得相关区域的批准
结果
在IMI-DIRECT队列中，331名2型糖尿病患者和964名非2型糖尿病患者满足了完整病例分析所需的临床（n=19）和蛋白质组学（n=446）变量。为了评估排除缺失数据参与者可能引入的选择偏差，比较了两个队列的完整病例和完整IMI-DIRECT数据集的基线人口统计、人体测量和代谢特征（表S2–S3）。
讨论
这项分析利用IMI-DIRECT队列中的全面临床、影像学和蛋白质组学表型数据，确定了有和没有2型糖尿病的成年人肝脏脂肪积累的潜在因果机制。我们描述了胰岛素动态、脂肪分布和特定循环蛋白质在MASLD风险中的复杂相互作用。一些关键发现在不同队列中得到了重复，某些效应具有性别和疾病状态的特异性。
我们的结果表明，BasalISR可能是主要的
伦理声明
研究方案已分别获得各区域研究伦理审查委员会的批准（瑞典隆德：20130312105459927，丹麦哥本哈根：H-1-2012-166和H-1-2012-100，荷兰阿姆斯特丹：NL40099.029.12，英国纽卡斯尔、邓迪和埃克塞特：12/NE/0132）。所有参与者在入组时均提供了书面知情同意书。该研究符合《赫尔辛基宣言》中规定的涉及人类参与者的医学研究伦理原则。
CRediT作者贡献声明
Natalie N. Atabaki：撰写 – 审稿与编辑，撰写 – 初稿，可视化，验证，软件，方法学，正式分析，数据管理，概念化。Daniel E. Coral：撰写 – 审稿与编辑，方法学，正式分析，数据管理。Hugo Pomares-Millan：撰写 – 审稿与编辑，方法学，正式分析。Kieran Smith：撰写 – 审稿与编辑，方法学。Harry H. Behjat：撰写 – 审稿与编辑，可视化。Robert W. Koivula：撰写 – 审稿与
写作过程中使用生成式AI和AI辅助技术的声明
在准备这项工作时，NNA使用了ChatGPT来改进文章的英文表达和流畅性。使用该工具后，作者对内容进行了必要的审查和编辑，并对发表文章的内容负全责。
利益冲突声明
AD在诺和诺德研究中心牛津分部工作。SB在Intomics A/S、Hoba Therapeutics Aps、Novo Nordisk A/S持有股份，并在Proscion A/S和Intomics A/S担任董事会成员。MR持有诺和诺德A/S的股票。MMcC是基因泰克的员工，同时持有罗氏公司的股票。在过去五年中，PWF从Eli Lilly Inc.、诺和诺德基金会、Novo Nordisk A/S、UBS、卡塔尔基金会和Zoe Ltd.获得了咨询费用。PWF也曾是
