-
摘要:
目的 研究RNA N6-甲基腺嘌呤(N6-methyladenosine, m6A)甲基化调节因子在慢性肾脏病(chronic kidney disease, CKD)中的表达变化，为疾病预防提供新的思路和靶点。 方法 选取中国华北地区某市社区人群作为研究对象，比较病例组(151人)和对照组(362人)基线特征，并分析RNA m6A甲基化调节因子和肾功能指标的相关性，利用LASSO回归筛选相关变量用于构建多因素logistic回归分析模型；通过受试者工作特征曲线、校准曲线和决策曲线对模型进行验证。 结果 病例组中甲基转移酶样蛋白14(methyltransferase like 14, METTL14)表达水平更高(P＜0.05)，相关性分析结果显示，METTL14(rs=-0.110, P＜0.05)、去甲基化酶AlkB同源物5(human Alk B homolog 5, ALKBH5)(rs=-0.218, P＜0.001)均与转化生长因子(transforming growth factor, TGF)-β1呈负相关；脂肪量和肥胖相关蛋白(fat mass and obesity-associated protein, FTO)与尿素(rs=0.169, P＜0.001)、TGF-β1(rs=0.088, P＜0.05)均呈正相关。回归分析结果显示，性别、年龄、血肌酐、METTL14、总胆固醇和家庭人均月收入是CKD患病的预测因子(均P＜0.05)。基于此构建风险预测模型，曲线下面积(area under curve, AUC)值为0.796(95% CI: 0.752~0.840)，Bootstrap法验证平均绝对误差值为0.036，通过Hosmer-Lemeshow拟合优度检验，预测模型有较好的校准能力(χ2 =12.57, P=0.128)。 结论 METTL14在CKD患者中表达水平较高，与CKD发生风险存在相关性。 Abstract:Objective To investigate in the expression changes of RNA N6-methyladenosine (m6A) methylation regulators in patients with chronic kidney disease (CKD) and provide novel ideas for disease prevention. Methods A community population in a city in North China was selected to compare the baseline characteristics between the case group (151) and control (362) group. The correlation between the expression of the regulators of RNA m6A methylation and renal function-related indexes was analyzed. Screening of relevant variables for the construction of multivariable logistic regression models using LASSO regression, and its validity was assessed using the receiver operating characteristic curve (ROC), calibration curve and decision curve analysis (DCA). Results The expression level of methyltransferase like 14 (METTL14) was higher in the case group (P < 0.05). Correlation analysis revealed that METTL14 (rs=-0.110, P < 0.05) and human Alk B homolog 5 (ALKBH5) (rs=-0.218, P < 0.001) were negatively correlated with transforming growth factor (TGF)-β1. Fat mass and obesity-associated protein (FTO) was positively correlated with Urea (rs=0.169, P < 0.001) and TGF-β1 (rs=0.088, P < 0.05). The regression analysis results indicated that gender, age, serum creatinine, METTL14, total cholesterol, and per capita monthly household income were predictors for CKD (all P < 0.05). A risk prediction model was constructed based on this, and the area under the curve (AUC) was 0.796 (95% CI: 0.752-0.840). The average absolute error verified by bootstrap method was 0.036. The Hosmer Lemeshow goodness of fit test showed that the prediction model had good calibration ability (χ2 =12.57, P=0.128). Conclusions The expression level of METTL14 is higher in patients with CKD. There is a correlation between METTL14 and the development of CKD. -
Key words:
- Chronic kidney disease /
- RNA methylation /
- Nomograms /
- LASSO regression
-
慢性肾脏病(chronic kidney disease, CKD)的病因众多，病程隐匿复杂，现有研究表明，肾间质纤维化是所有CKD进展至终末期肾功能衰竭(end-stage renal disease, ESRD)的共同病理过程[1]。TGF-β1/Smad信号通路是纤维化过程中经典的信号通路，转化生长因子(transforming growth factor, TGF)-β1被认为是重要的组织纤维化调节因子[2]。RNA甲基化主要调节上皮细胞间充质转化(epithelial-mesenchymal transition, EMT)[3]，在肾纤维化中发挥重要作用，可通过调节RNA甲基化缓解肾纤维化的发生和发展[4]。RNA N6-甲基腺嘌呤(N6-methyladenosine, m6A)作为真核细胞mRNA上最丰富的化学修饰[5]，是mRNA代谢的关键调节剂[6]。m6A甲基化是一个动态可逆的共转录反应，涉及多种m6A甲基化调节因子，主要包括甲基转移酶[如甲基转移酶样蛋白3(methyltransferase like 3, METTL3)和甲基转移酶样蛋白14(methyltransferase like 14, METTL14)]、去甲基化酶[如脂肪量和肥胖相关蛋白(fat mass and obesity-associated protein, FTO)、去甲基化酶AlkB同源物5(human Alk B homolog 5, ALKBH5)]和m6A结合蛋白。m6A修饰通过甲基化腺苷的方式改变RNA碱基组成，对RNA的稳定性、转运、翻译和降解等过程产生影响，从而调控基因表达和细胞功能。提示改变mRNA中m6A的调节可能为相关疾病的治疗策略提供新的视角。
1. 对象与方法
1.1 研究对象
选取2021年5月―12月在中国华北地区某市社区进行体检的成年居民作为研究对象，纳入标准：(1)在中国华北地区某市居住≥5年者；(2)签署知情同意书者。排除标准：(1)听力障碍者；(2)重度痴呆和精神疾病患者；(3)生物样本及信息缺失者。本研究通过山西医科大学伦理委员会审批(伦理审批号：2018LL264)。
1.2 诊断标准
CKD定义及诊断标准参照美国国家肾脏基金会发布的K/DOQI指南[7]，估算的肾小球滤过率(estimated glomerular filtration rate, eGFR)根据CKD-EPI方程[8]，通过研究对象的性别、年龄和空腹血肌酐(serum creatinine, SCr)水平计算。BMI的计算公式为BMI=体重(kg)/身高2(m2)。
1.3 资料及生物样本的收集
通过面对面问卷调查收集研究对象的一般情况(包括性别、年龄、婚姻状态、受教育程度、家庭人均月收入、吸烟、饮酒、体育锻炼、睡眠)和健康资料。采集研究对象空腹外周静脉血和晨尿，预处理后置-80 ℃冰箱贮存，等待实验室指标检测。
1.4 检测方法
使用全自动生化分析仪(山东博科)测定研究对象的SCr、尿素、总胆固醇(total cholesterol, TC)、三酰甘油(triglyceride, TG)、高密度脂蛋白胆固醇(high-density lipoprotein cholesterol, HDL-C)和低密度脂蛋白胆固醇(low-density lipoprotein cholesterol, LDL-C)；苦味酸比色法测定尿肌酐(urine creatinine, UCr)(南京建成)；采用酶联免疫吸附实验法检测血清TGF-β1(博士德)；采用硝基苯酚法测定尿中β-N-乙酰氨基葡萄糖苷酶(urinary β-N-acetyl-glucosidase, UNAG)(南京建成)。使用Trizol法(Invitrogen)提取外周血细胞RNA，使用TransScript反转录试剂盒(全式金)进行反转录，采用实时荧光定量聚合酶链式反应(quantitative real-time polymerase chain reaction, qPCR)试剂盒(全式金)检测外周血白细胞中m6A甲基化调节因子METTL3、METTL14、FTO、ALKBH5的相对表达水平，选择β-actin为内参基因，相关的引物序列为：ALKBH5，F：5′GTGACTGTGCTCAGTGGATATG3′，R：5′TGAACAGGCGATCTGAAGCAT3′；METTL3，F：5′CCAGCACAGCTTCAGCAGTTCC3′，R：5′GCGTGGAGATGGCAAGACAGATG3′；METTL14，F：5′GTTGGAACATGGATAGCCGC3′，R：5′ CAATGCTGTCGGCACTTTCA3 ′；FTO，F：5′CGAGAGCGCGAAGCTAAGA3′，R：5′GCTGCCACTGCTGATAGAAT3′；β-actin，F：5′TGGCACCCAGCACAATGAA3′，R：5′CTAAGTCATAGTCCGCCTAGAAGCA3′。
1.5 统计学方法
采用EpiData 3.0软件平行双录入数据建库，使用SPSS 27.0软件和R 4.2.3软件进行统计分析。符合正态分布的计量资料使用x±s描述，组间比较采用t检验；非正态分布的计量资料使用M(P25, P75)表示，组间比较采用Wilcoxon法；计数资料使用例数和百分数描述，组间比较采用χ2检验或Fisher′s确切概率法，等级资料采用Wilcoxon法进行检验。基因的相对表达量采用2-△△Ct表示，使用Graphpad Prism 9.5软件进行绘图。采用Spearman分析指标间相关性，通过LASSO回归十折交叉验证选择最佳λ值，基于多变量logistic回归分析模型构建预测模型并绘制列线图。通过计算曲线下面积(area under curve, AUC)确定模型的判别能力，内部验证使用Bootstrap法(重复1 000次)，使用Hosmer-Lemeshow拟合优度检验对预测模型的校准能力进行评估，并通过决策曲线分析(decision curve analysis, DCA)评估预后模型的临床实用性。检验水准α=0.05。
2. 结果
2.1 基本特征
本研究共纳入513名研究对象，其中对照组362人，病例组151人。病例组平均年龄为(69.21±8.27)岁，女性103人(68.2%)；对照组平均年龄为(64.75±9.94)岁，女性174人(48.1%)。单因素分析结果显示，两组人群的性别、年龄、婚姻状态、受教育程度、饮酒、肥胖、是否患冠心病、LDL-C、尿素和SCr之间的差异均有统计学意义(均P＜0.05)。见表 1。
表 1 研究对象的基本特征Table 1. Basic characteristics of study subjects变量
Variable对照组
Control group① (n=362)病例组
Case group① (n=151)χ2/Z值
valueP值
value性别 Gender 17.409 < 0.001 女性 Female 174(48.1) 103(68.2) 男性 Male 188(51.9) 48(31.8) 年龄/岁 Age/years 66(63, 70) 69(65, 75) -4.817 < 0.001 婚姻状态 Marital status 10.058 0.002 非在婚(未婚、离异、丧偶等) Non-marital (unmarried, divorced, widowed, etc) 42(11.6) 34(22.5) 在婚 In marriage 320(88.4) 117(77.5) 受教育程度 Educational attainment -2.164 0.030 小学及以下 Elementary school and below 66(18.2) 34(22.5) 初中 Junior high school 118(32.6) 57(37.7) 专科/高中 Junior college/high School 146(40.3) 54(35.8) 本科及以上 Bachelor′s degree or above 32(8.8) 6(3.9) 家庭人均月收入/元 Household per capita monthly income/yuan -1.551 0.121 ＜3 000 154(42.5) 67(44.4) 3 000~＜5 000 159(43.9) 80(53.0) 5 000~＜7 000 34(9.4) 3(2.0) ≥7 000 15(4.1) 1(0.7) 吸烟 Smoking 1.886 0.170 否 No 288(79.6) 128(84.8) 是 Yes 74(20.4) 23(15.2) 周围人吸烟情况 Smoking by people around you 1.184 0.277 否 No 280(77.3) 110(72.8) 是 Yes 82(22.7) 41(27.2) 饮酒 Drinking 5.221 0.022 否 No 303(83.7) 138(91.4) 是 Yes 59(16.3) 13(8.6) 体育锻炼 Physical activity -1.405 0.160 每天 Every day 264(72.9) 118(78.1) 每周3~5次 3-5 times a week 20(5.5) 8(5.3) 每周≤2次 ≤2 times a week 25(6.9) 12(7.9) 基本不运动 Basically no exercise 53(14.6) 13(8.6) 睡眠(自评) Sleep(self-rated) -0.857 0.392 好 Good 227(62.7) 100(66.2) 一般 Not bad 60(16.6) 25(16.6) 不好 Bad 75(20.7) 26(17.2) BMI/(kg·m-2) 6.539 0.011 ＜28 278(76.8) 131(86.8) ≥28 84(23.2) 20(13.2) 糖尿病 Diabetes 0.698 0.403 否 No 290(80.1) 116(76.8) 是 Yes 72(19.9) 35(23.2) 高血压 Hypertension 0.134 0.715 否 No 171(47.2) 74(49.0) 是 Yes 191(52.8) 77(51.0) 冠心病 Coronary heart disease 7.481 0.006 否 No 321(88.7) 120(79.5) 是 Yes 41(11.3) 31(20.5) TC/(mmol·L-1) -0.670 0.503 ＜5.2 204(56.4) 84(55.6) 5.2~＜6.2 111(30.7) 38(25.2) ≥6.2 47(13.0) 29(19.2) TG/(mmol·L-1) -0.492 0.623 ＜1.7 209(57.7) 93(61.6) 1.7~＜2.3 82(22.7) 26(17.2) ≥2.3 71(19.6) 32(21.2) LDL-C/(mmol·L-1) -2.477 0.013 ＜3.4 291(80.4) 106(70.2) 3.4~＜4.1 45(12.4) 29(19.2) ≥4.1 26(7.2) 16(10.6) HDL-C/(mmol·L-1) 2.019 0.155 ＜1 21(5.8) 14(9.3) ≥1 341(94.2) 137(90.7) 尿素 Urea/(mmol·L-1) 4.90(4.20, 5.70) 5.45(4.60, 6.30) -3.928 < 0.001 SCr/(μmol·L-1) 64.80(57.20, 75.00) 83.70(67.70, 92.10) -8.626 < 0.001 UNAG/(U·g-1Cr) 9.65(4.70, 17.74) 11.44(5.31, 20.50) -0.939 0.348 TGF-β1/(ng·mL-1) 27.31(13.35, 50.02) 23.57(10.82, 43.75) -1.643 0.100 注：TC，总胆固醇；TG，三酰甘油；LDL-C，低密度脂蛋白胆固醇；HDL-C，高密度脂蛋白胆固醇；SCr，血肌酐；UNAG，β-N-乙酰氨基葡萄糖苷酶；TGF-β1，转化生长因子-β1。
①以人数(占比/%)或M(P25, P75)表示。
Note: TC, total cholesterol; TG, triglyceride; LDL-C, low-density lipoprotein cholesterol; HDL-C, high-density lipoprotein cholesterol; SCr, serum creatinine; UNAG, urinary β-N-acetyl-glucosidase; TGF-β1, transforming growth factor-β1.
① Number of people (proportion/%) or M(P25, P75).2.2 m6A甲基转移酶和去甲基化酶表达水平
病例组METTL14 mRNA相对表达量高于对照组，差异有统计学意义(Z=-2.410, P=0.016)，其余相关酶的表达量在两组间的差异均无统计学意义(均P＞0.05)，见图 1。
图 1 两组间甲基转移酶和去甲基化酶的相对表达量a: 指与对照组相比，差异有统计学意义(Z=-2.410，P=0.016)。Figure 1. Relative expression levels of methylation transferase and demethylase between two groupsa: refers to a statistically significant difference compared to the control group(Z=-2.410, P < 0.05).2.3 Spearman相关性分析
对RNA m6A修饰酶表达水平进行对数转换，降低异常值对分析结果的影响。Spearman相关性分析结果显示，METTL14(rs=-0.110, P＜0.05)、ALKBH5(rs=-0.218, P＜0.001)均与TGF-β1呈负相关；FTO和尿素(rs=0.169, P＜0.001)、TGF-β1(rs=0.088, P＜0.05)均呈正相关。见图 2。
图 2 m6A甲基化调节因子与TGF-β1及肾功能指标的相关性矩阵散点图m6A: RNA N6-甲基腺嘌呤; ALKBH5: 去甲基化酶AlkB同源物5; FTO: 脂肪量和肥胖相关蛋白; METTL3: 甲基转移酶样蛋白3; METTL14: 甲基转移酶样蛋白14; UNAG，β-N-乙酰氨基葡萄糖苷酶; TGF-β1，转化生长因子-β1; SCr，血肌酐; a：P＜0.05；b：P＜0.01；c：P＜0.001。Figure 2. Correlation matrix scatter plot of m6A methylation regulators with TGF-β1 and renal function indicesm6A: N6-methyladenosine; ALKBH5: human Alk B homolog 5; FTO: fat mass and obesity-associated protein; METTL3: methyltransferase like 3; METTL14: methyltransferase like 14; UNAG, urinary β-N-acetyl-glucosidase; TGF-β1, transforming growth factor-β1; SCr, serum creatinine; a: P < 0.05;b: P < 0.01;c: P < 0.001。2.4 基于LASSO回归筛选变量
以CKD为结局变量，通过十折交叉验证法选择模型中的最优调和系数λ，最终筛选出的变量有性别、年龄、METTL14、TGF-β1、SCr、是否肥胖、家庭人均月收入、TC、TG和LDL-C，见图 3。
图 3 基于LASSO回归的特征变量选择A：十倍交叉验证图；B：收缩系数图。Figure 3. Predictors selection based on LASSO regressionA: ten fold cross-validation profile; B: LASSO coefficient profile.2.5 CKD预测模型的建立
采用条件向后法建立多因素logistic回归分析模型，结果见表 2。性别、年龄、SCr、METTL14、TC和家庭人均月收入这6个预测指标差异均有统计学意义(均P＜0.05)。基于这些独立预测因子构建列线图预测CKD患病风险。随着年龄、METTL14、SCr的升高，CKD患病风险也随之增高；男性、TC水平较低和家庭人均月收入较高时，CKD患病风险较低。见图 4A。
表 2 慢性肾脏病患病风险的多因素logistic回归分析Table 2. Multivariate logistic regression model of chronic kidney disease risk变量
Variableβ值
valuesx值
valueWald值 value P值
valueOR值 value (95% CI) 性别 Gender -0.689 0.238 8.346 0.004 0.502(0.315~0.801) 年龄/岁 Age/years 0.059 0.015 15.134 < 0.001 1.061(1.030~1.093) 肥胖 Obesity -0.481 0.298 2.596 0.107 0.618(0.345~1.110) SCr/(μmol·L-1) 0.038 0.006 34.334 < 0.001 1.039(1.026~1.052) lg(METTL14) 0.635 0.266 5.698 0.017 1.886(1.120~3.176) TGF-β1/(ng·mL-1) -0.006 0.005 2.584 0.108 0.994(0.987~1.001) TC/(mmol·L-1) < 5.2 5.2~＜6.2 -0.014 0.260 0.003 0.956 0.986(0.593~1.640) ≥6.2 1.097 0.330 11.071 < 0.001 2.996(1.570~5.718) 家庭人均月收入/元 Household per capita monthly income/yuan < 3 000 3 000~＜5 000 0.072 0.234 0.095 0.758 1.075(0.679~1.701) 5 000~＜7 000 -2.482 0.897 7.658 0.006 0.084(0.014~0.485) ≥7 000 -1.514 1.092 1.924 0.165 0.220(0.026~1.869) 注：TC，总胆固醇；SCr，血肌酐；METTL14，甲基转移酶样蛋白14；TGF-β1，转化生长因子-β1。
Note: TC, total cholesterol; SCr, serum creatinine; METTL14, methyltransferase like 14; TGF-β1, transforming growth factor-β1.
图 4 慢性肾脏病患病风险预测模型列线图和验证A：列线图；B：风险预测模型ROC曲线图；C：校准曲线图；D：决策曲线图。Figure 4. Nomogram of risk prediction model of chronic kidney disease and model validationA: nomogram; B: ROC curves of risk prediction model; C: calibration curve; D: decision curve analysis.2.6 预测模型的验证
使用受试者工作特征(receiver operating characteristic, ROC)曲线和AUC值衡量模型的预测效果，AUC值为0.796(95% CI: 0.752~0.840)，见图 4B。校准曲线紧密地靠近45°对角线，在采用Bootstrap法内部重复抽样1 000次进行验证，得到平均绝对误差值为0.036，见图 4C。Hosmer-Lemeshow拟合优度检验χ2值为12.57(P=0.128)，预测值与实际观测值间的差异无统计学意义，模型拟合良好。DCA结果显示，在0.04~0.72的阈值概率范围内，该模型提供了可观的净收益，见图 4D。
3. 讨论
本研究发现，m6A甲基转移酶METTL14在CKD患者中表达增高，揭示了m6A甲基化调节因子与CKD发病风险的相关性，表明其具有潜在的预测价值。
相关性研究结果显示，FTO和肾相关指标以及TGF-β1均呈正相关，有研究表明FTO在体内和体外肾纤维化模型中的表达增加[9]。ALKBH5是保护肾纤维化的关键调控基因，可通过恢复ALKBH5调节EMT改善肾纤维化[10]，这与本研究中TGF-β1和ALKBH5呈负相关的结果一致。
使用LASSO筛选潜在预测因子，基于logistic回归分析模型构建列线图，结果显示，男性、TC水平较低和家庭人均月收入较高时，患病风险较低；随着年龄、METTL14、血肌酐升高，患病风险也随之增高。相关研究表明，CKD患病率随着年龄的增长呈上升趋势[11]；女性的CKD年龄标准化患病率为男性的1.29倍[3]；家庭人均月收入作为社会经济地位的1个重要考量因素，对疾病的发生、发展有着重要影响，收入较高时患病风险较低[12]；心血管病是CKD患者死亡和发病的主要原因，与一般人群相比，高脂血症或血脂异常者的患病率更高[13-15]，以上研究均与本研究的结论相符。Logistic回归分析模型分析结果显示，当METTL14的表达量每增加10倍，CKD患病风险增加1.886倍，表明METTL14 mRNA相对表达量可能与CKD的发生有密切联系。
有研究表明，METTL14在钙化动脉和硫酸吲哚酚诱导的人主动脉平滑肌细胞中表达增加[16]，而硫酸吲哚酚是1种尿毒症毒素，与CKD患者的心血管病有关[17]。TGF-β1水平升高会促进促纤维化基因的转录和驱动成纤维细胞活化，从而导致疾病的发生、发展[18]。在本研究中，TGF-β1与METTL14呈负相关，可能与研究对象年龄偏大、疾病分期不同有关，logistic回归分析模型分析结果显示，METTL14的表达量增加会加大CKD患病风险，与先前的研究结果一致[16-17]。基于mRNA中m6A修饰的动态调控依赖于相关修饰酶之间的微妙平衡[19]，更多关于mRNA甲基化与肾功能不全之间的密切关系还需要进一步探索。开发并验证基于RNA m6A修饰酶的列线图用于CKD患病风险预测，是通过靶向CKD改善目前状况的重要一步，有利于有效管理CKD的危险因素。
本研究存在一定的局限性：(1)受样本和条件的限制，暂未对CKD患者不同分期进行分析并探讨RNA m6A甲基化及其调节因子在疾病进展中的具体表现，从而限制了研究的深入性和广泛性；(2)纳入研究对象年龄偏大，可能导致研究结果的外推性不足，不能全面反映整个患者群体。
综上所述，本研究通过对RNA m6A甲基化调节因子在CKD患者中的表达进行分析，发现METTL14、ALKBH5和FTO等因子与CKD相关指标存在相关性，尤其是METTL14的高表达与CKD风险的增加有关。基于多因素logistic回归分析模型构建的CKD患病风险预测模型具有良好的预测能力，提示了m6A甲基化调节因子的潜在预测价值。这一发现为CKD的早期预防提供了新的思路和靶点，未来的研究应进一步探讨其在不同人群和疾病分期中的具体机制，并验证其作为临床干预靶点的作用。
利益冲突 无
-
图 1 两组间甲基转移酶和去甲基化酶的相对表达量
a: 指与对照组相比，差异有统计学意义(Z=-2.410，P=0.016)。
Figure 1. Relative expression levels of methylation transferase and demethylase between two groups
a: refers to a statistically significant difference compared to the control group(Z=-2.410, P < 0.05).
图 2 m6A甲基化调节因子与TGF-β1及肾功能指标的相关性矩阵散点图
m6A: RNA N6-甲基腺嘌呤; ALKBH5: 去甲基化酶AlkB同源物5; FTO: 脂肪量和肥胖相关蛋白; METTL3: 甲基转移酶样蛋白3; METTL14: 甲基转移酶样蛋白14; UNAG，β-N-乙酰氨基葡萄糖苷酶; TGF-β1，转化生长因子-β1; SCr，血肌酐; a：P＜0.05；b：P＜0.01；c：P＜0.001。
Figure 2. Correlation matrix scatter plot of m6A methylation regulators with TGF-β1 and renal function indices
m6A: N6-methyladenosine; ALKBH5: human Alk B homolog 5; FTO: fat mass and obesity-associated protein; METTL3: methyltransferase like 3; METTL14: methyltransferase like 14; UNAG, urinary β-N-acetyl-glucosidase; TGF-β1, transforming growth factor-β1; SCr, serum creatinine; a: P < 0.05;b: P < 0.01;c: P < 0.001。
图 3 基于LASSO回归的特征变量选择
A：十倍交叉验证图；B：收缩系数图。
Figure 3. Predictors selection based on LASSO regression
A: ten fold cross-validation profile; B: LASSO coefficient profile.
图 4 慢性肾脏病患病风险预测模型列线图和验证
A：列线图；B：风险预测模型ROC曲线图；C：校准曲线图；D：决策曲线图。
Figure 4. Nomogram of risk prediction model of chronic kidney disease and model validation
A: nomogram; B: ROC curves of risk prediction model; C: calibration curve; D: decision curve analysis.
表 1 研究对象的基本特征
Table 1. Basic characteristics of study subjects
变量
Variable对照组
Control group① (n=362)病例组
Case group① (n=151)χ2/Z值
valueP值
value性别 Gender 17.409 < 0.001 女性 Female 174(48.1) 103(68.2) 男性 Male 188(51.9) 48(31.8) 年龄/岁 Age/years 66(63, 70) 69(65, 75) -4.817 < 0.001 婚姻状态 Marital status 10.058 0.002 非在婚(未婚、离异、丧偶等) Non-marital (unmarried, divorced, widowed, etc) 42(11.6) 34(22.5) 在婚 In marriage 320(88.4) 117(77.5) 受教育程度 Educational attainment -2.164 0.030 小学及以下 Elementary school and below 66(18.2) 34(22.5) 初中 Junior high school 118(32.6) 57(37.7) 专科/高中 Junior college/high School 146(40.3) 54(35.8) 本科及以上 Bachelor′s degree or above 32(8.8) 6(3.9) 家庭人均月收入/元 Household per capita monthly income/yuan -1.551 0.121 ＜3 000 154(42.5) 67(44.4) 3 000~＜5 000 159(43.9) 80(53.0) 5 000~＜7 000 34(9.4) 3(2.0) ≥7 000 15(4.1) 1(0.7) 吸烟 Smoking 1.886 0.170 否 No 288(79.6) 128(84.8) 是 Yes 74(20.4) 23(15.2) 周围人吸烟情况 Smoking by people around you 1.184 0.277 否 No 280(77.3) 110(72.8) 是 Yes 82(22.7) 41(27.2) 饮酒 Drinking 5.221 0.022 否 No 303(83.7) 138(91.4) 是 Yes 59(16.3) 13(8.6) 体育锻炼 Physical activity -1.405 0.160 每天 Every day 264(72.9) 118(78.1) 每周3~5次 3-5 times a week 20(5.5) 8(5.3) 每周≤2次 ≤2 times a week 25(6.9) 12(7.9) 基本不运动 Basically no exercise 53(14.6) 13(8.6) 睡眠(自评) Sleep(self-rated) -0.857 0.392 好 Good 227(62.7) 100(66.2) 一般 Not bad 60(16.6) 25(16.6) 不好 Bad 75(20.7) 26(17.2) BMI/(kg·m-2) 6.539 0.011 ＜28 278(76.8) 131(86.8) ≥28 84(23.2) 20(13.2) 糖尿病 Diabetes 0.698 0.403 否 No 290(80.1) 116(76.8) 是 Yes 72(19.9) 35(23.2) 高血压 Hypertension 0.134 0.715 否 No 171(47.2) 74(49.0) 是 Yes 191(52.8) 77(51.0) 冠心病 Coronary heart disease 7.481 0.006 否 No 321(88.7) 120(79.5) 是 Yes 41(11.3) 31(20.5) TC/(mmol·L-1) -0.670 0.503 ＜5.2 204(56.4) 84(55.6) 5.2~＜6.2 111(30.7) 38(25.2) ≥6.2 47(13.0) 29(19.2) TG/(mmol·L-1) -0.492 0.623 ＜1.7 209(57.7) 93(61.6) 1.7~＜2.3 82(22.7) 26(17.2) ≥2.3 71(19.6) 32(21.2) LDL-C/(mmol·L-1) -2.477 0.013 ＜3.4 291(80.4) 106(70.2) 3.4~＜4.1 45(12.4) 29(19.2) ≥4.1 26(7.2) 16(10.6) HDL-C/(mmol·L-1) 2.019 0.155 ＜1 21(5.8) 14(9.3) ≥1 341(94.2) 137(90.7) 尿素 Urea/(mmol·L-1) 4.90(4.20, 5.70) 5.45(4.60, 6.30) -3.928 < 0.001 SCr/(μmol·L-1) 64.80(57.20, 75.00) 83.70(67.70, 92.10) -8.626 < 0.001 UNAG/(U·g-1Cr) 9.65(4.70, 17.74) 11.44(5.31, 20.50) -0.939 0.348 TGF-β1/(ng·mL-1) 27.31(13.35, 50.02) 23.57(10.82, 43.75) -1.643 0.100 注：TC，总胆固醇；TG，三酰甘油；LDL-C，低密度脂蛋白胆固醇；HDL-C，高密度脂蛋白胆固醇；SCr，血肌酐；UNAG，β-N-乙酰氨基葡萄糖苷酶；TGF-β1，转化生长因子-β1。
①以人数(占比/%)或M(P25, P75)表示。
Note: TC, total cholesterol; TG, triglyceride; LDL-C, low-density lipoprotein cholesterol; HDL-C, high-density lipoprotein cholesterol; SCr, serum creatinine; UNAG, urinary β-N-acetyl-glucosidase; TGF-β1, transforming growth factor-β1.
① Number of people (proportion/%) or M(P25, P75).
下载: 导出CSV
表 2 慢性肾脏病患病风险的多因素logistic回归分析
Table 2. Multivariate logistic regression model of chronic kidney disease risk
变量
Variableβ值
valuesx值
valueWald值 value P值
valueOR值 value (95% CI) 性别 Gender -0.689 0.238 8.346 0.004 0.502(0.315~0.801) 年龄/岁 Age/years 0.059 0.015 15.134 < 0.001 1.061(1.030~1.093) 肥胖 Obesity -0.481 0.298 2.596 0.107 0.618(0.345~1.110) SCr/(μmol·L-1) 0.038 0.006 34.334 < 0.001 1.039(1.026~1.052) lg(METTL14) 0.635 0.266 5.698 0.017 1.886(1.120~3.176) TGF-β1/(ng·mL-1) -0.006 0.005 2.584 0.108 0.994(0.987~1.001) TC/(mmol·L-1) < 5.2 5.2~＜6.2 -0.014 0.260 0.003 0.956 0.986(0.593~1.640) ≥6.2 1.097 0.330 11.071 < 0.001 2.996(1.570~5.718) 家庭人均月收入/元 Household per capita monthly income/yuan < 3 000 3 000~＜5 000 0.072 0.234 0.095 0.758 1.075(0.679~1.701) 5 000~＜7 000 -2.482 0.897 7.658 0.006 0.084(0.014~0.485) ≥7 000 -1.514 1.092 1.924 0.165 0.220(0.026~1.869) 注：TC，总胆固醇；SCr，血肌酐；METTL14，甲基转移酶样蛋白14；TGF-β1，转化生长因子-β1。
Note: TC, total cholesterol; SCr, serum creatinine; METTL14, methyltransferase like 14; TGF-β1, transforming growth factor-β1.
下载: 导出CSV
-
[1] Liang S, Wu YS, Li DY, et al. Autophagy and renal fibrosis [J]. Aging Dis, 2022, 13(3): 712-731. DOI: 10.14336/AD.2021.1027. [2] Hu HH, Chen DQ, Wang YN, et al. New insights into TGF-β/Smad signaling in tissue fibrosis [J]. Chem Biol Interact, 2018, 292: 76-83. DOI: 10.1016/j.cbi.2018.07.008. [3] GBD Chronic Kidney Disease Collaboration. Global, regional, and national burden of chronic kidney disease, 1990-2017: a systematic analysis for the global burden of disease study 2017 [J]. Lancet, 2020, 395(10225): 709-733. DOI: 10.1016/S0140-6736(20)30045-3. [4] Jung HR, Lee J, Hong SP, et al. Targeting the m6A RNA methyltransferase METTL3 attenuates the development of kidney fibrosis [J]. Exp Mol Med, 2024, 56: 355-369. DOI: 10.1038/s12276-024-01159-5. [5] Zaccara S, Ries RJ, Jaffrey SR. Reading, writing and erasing mRNA methylation [J]. Nat Rev Mol Cell Biol, 2019, 20(10): 608-624. DOI: 10.1038/s41580-019-0168-5. [6] Yang Y, Hsu PJ, Chen YS, et al. Dynamic transcriptomic m6A decoration: writers, erasers, readers and functions in RNA metabolism [J]. Cell Res, 2018, 28(6): 616-624. DOI: 10.1038/s41422-018-0040-8. [7] Foundation NK. K/DOQI clinical practice guidelines for chronic kidney disease: evaluation, classification, and stratification [J]. Am J Kidney Dis, 2002, 39(2 Suppl 1): S1-S266. [8] Levey AS, Stevens LA, Schmid CH, et al. A new equation to estimate glomerular filtration rate [J]. Ann Intern Med, 2009, 150(9): 604-612. DOI: 10.7326/0003-4819-150-9-200905050-00006. [9] Wang DX, Bao SY, Song NN, et al. FTO-mediated m6A mRNA demethylation aggravates renal fibrosis by targeting RUNX1 and further enhancing PI3K/AKT pathway [J]. FASEB J, 2024, 38(5): e23436. DOI: 10.1096/fj.202302041R. [10] Ning YC, Chen J, Shi YQ, et al. Genistein ameliorates renal fibrosis through regulation snail via m6A RNA demethylase ALKBH5 [J]. Front Pharmacol, 2020, 11: 579265. DOI: 10.3389/fphar.2020.579265. [11] Ortiz A, Mattace-Raso F, Soler MJ, et al. Ageing meets kidney disease [J]. Nephrol Dial Transplant, 2023, 38(3): 523-526. DOI: 10.1093/ndt/gfac199. [12] Taktak Ş, Öz HS. The relationship between depression, anxiety and stress levels on suicidal behavior in patients with schizophrenia [J]. Psychiatry Clin Psychopharmacol, 2023, 33(2): 108-116. DOI: 10.5152/pcp.2023.22606. [13] Zhai Q, Dou JT, Wen J, et al. Association between changes in lipid indexes and early progression of kidney dysfunction in participants with normal estimated glomerular filtration rate: a prospective cohort study [J]. Endocrine, 2022, 76(2): 312-323. DOI: 10.1007/s12020-022-03012-z. [14] Luyckx VA, Cherney DZI, Bello AK. Preventing CKD in developed countries [J]. Kidney Int Rep, 2019, 5(3): 263-277. DOI: 10.1016/j.ekir.2019.12.003. [15] Baek HS, Park MJ, Song JY, et al. Association between serum total cholesterol and chronic kidney disease progression in children: results from the KNOW-PedCKD [J]. Pediatr Nephrol, 2023, 38(12): 4101-4109. DOI: 10.1007/s00467-023-06033-6. [16] Chen J, Ning YC, Zhang H, et al. METTL14-dependent m6A regulates vascular calcification induced by indoxyl sulfate [J]. Life Sci, 2019, 239: 117034. DOI: 10.1016/j.lfs.2019.117034. [17] Stubbs JR, House JA, Ocque AJ, et al. Serum trimethylamine-N-oxide is elevated in CKD and correlates with coronary atherosclerosis burden [J]. J Am Soc Nephrol, 2016, 27(1): 305-313. DOI: 10.1681/ASN.2014111063. [18] Higgins SP, Tang Y, Higgins CE, et al. TGF-β1/p53 signaling in renal fibrogenesis [J]. Cell Signal, 2018, 43: 1-10. DOI: 10.1016/j.cellsig.2017.11.005. [19] Roundtree IA, Evans ME, Pan T, et al. Dynamic RNA modifications in gene expression regulation [J]. Cell, 2017, 169(7): 1187-1200. DOI: 10.1016/j.cell.2017.05.045. -
下载:
点击查看大图
计量
- 文章访问数: 129
- HTML全文浏览量: 74
- PDF下载量: 12
- 被引次数: 0