一项由资助的 PREVENT-2024 项目部分支持的研究发现，同时测量血液中的数十种脂肪可以帮助预测发病前几十年患 T2D 和 CVD 的风险。通过使用脂质组学分析来提前识别高风险个体，医生将能够在疾病发展之前很久就建议改变饮食和生活方式，最终减轻疾病负担。
目前用于识别有患 T2D 或 CVD 风险的个体的血液测试主要依赖于两种主要血脂的水平：高密度脂蛋白和低密度脂蛋白(胆固醇的两种主要类型)。然而，血液中含有更多有助于风险预测的脂质。因此，为了发现测量更广泛的血脂是否确实会使风险预测更加准确，来自德国和瑞典的研究人员结合遗传学、脂质组学和标准临床诊断来分析数据和血液样本4,067 名参与者参加了一项名为马尔默饮食和癌症心血管研究的研究。参与者——46 至 68 岁的瑞典中年居民——于 1991 年至 1994 年被招募并随访至 2015 年。在随访期间，13.8% 的参与者发展为 T2D，22% 的参与者发展为冠状动脉疾病，中风或死于心血管事件。
基于 184 种脂质的风险评分
研究人员将机器学习方法应用于个体健康时在基线获得的测量值，计算了 T2D 和 CVD 的几个脂质组学风险评分。然后，他们使用这些分数将参与者分为风险组。分数基于 184脂质的量化物种或亚种浓度。与组平均值相比，发现最高风险组的 T2D 风险为 37%(风险增加 168%)，而最高风险组的 CVD 风险为 40.5%(增加 84%)。与 13.8% 和 22.0% 的平均发病率相比，发现最低风险组的风险显着降低——T2D 和 CVD 分别降低 77% 和 53%。此外，该研究表明，脂质组风险和遗传风险之间似乎只有边际联系，“表明脂质组和遗传变异可能构成 T2D 和 CVD 的主要独立风险因素”。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！