编者按：正值2026年美国糖尿病协会科学年会（ADA2026）盛大召开之际，中国学者在国际舞台持续发出强音。中国科学技术大学翁建平教授与郑雪瑛教授团队公布了7项前沿研究，这些成果横跨基础机制探索与临床转化应用，不仅在1型糖尿病（T1DM）异质性分型、2型糖尿病（T2DM）并发症多组学图谱绘制及代谢-炎症交互机制上取得突破，更创新性地融合深度学习与隐马尔可夫模型，为数字健康干预提供了新范式。让我们一同通过以下精选摘要，领略中国团队在糖尿病精准诊疗领域的最新探索与卓越贡献。
从“寻求者”到“提供者”：基于隐马尔可夫模型揭示T1DM在线社区社会支持行为的动态演化
1630-P
朱玉佳1，赵辰霄1，曾锡锋2，郑雪瑛3
1中国科学技术大学科技传播系；2深圳市爱宝惟生物科技有限公司（糖糖圈）；3中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科
背景与目的
在线健康社区（OHC）在为T1DM等慢性疾病患者提供社会支持方面发挥着关键作用。然而，这些社区中支持行为的纵向动态变化尚未得到充分研究。本研究旨在分析中国最大T1DM在线社区用户从“寻求支持”向“提供支持”转变的纵向演化模式及其影响因素。
方法
本研究对2019~2024年7803名用户的378 304条帖子进行了纵向分析。使用BERT-Base-Chinese模型将帖子分类为信息支持寻求/提供和情感支持寻求/提供行为，并使用预训练的Chinese Clinical BERT识别情绪强度。采用隐马尔可夫模型（HMM）对行为状态转换（基线状态、支持寻求状态、支持提供状态）进行建模，纳入疾病病程和社区参与度作为协变量，时间窗口设置为6个月。利用Viterbi算法重建个体行为轨迹，并基于动态时间规整（DTW）进行行为轨迹聚类分析。
结果
总体而言，46.2%的用户经历了至少1次行为状态转换。从寻求支持向提供支持的转换（28.4%）比反向转换（9.7%）更为常见。较长的疾病病程（β=0.42，P<0.01）和较长的社区参与时间（β=0.31，P<0.05）与成为支持提供者的可能性呈正相关。较高的情感强度也与这一转换呈正相关（β=0.27，P<0.05）。研究识别出3种典型的行为轨迹类型：情感驱动型（32%）、理性积累型（45%）和波动型（23%）。
结论
T1DM在线社区用户表现出从寻求支持向提供支持的明确纵向转变，这与疾病经验的积累和持续的社区参与密切相关。这些发现为慢病管理中的精准数字健康干预提供了重要契机。
专家点评
翁建平 教授
安徽医科大学校长/中国科学技术大学讲席教授
OHC已成为慢性疾病患者获取社会支持与疾病管理经验的重要平台，尤其在T1DM等需要长期自我管理的疾病中发挥着关键作用。
本研究基于大规模真实世界社区数据，结合自然语言处理技术与HMM，对T1DM在线社区用户的社会支持行为进行了纵向建模与动态分析。研究结果显示，用户随着疾病经验积累与持续社区参与，逐渐由“支持寻求者”向“支持提供者”转变，并呈现出不同的行为演化模式。
该研究从数字表型视角出发，捕捉OHC中的社会支持互动行为的特征，拓展了数字表型技术在慢病管理中的应用边界。同时，该研究为理解患者在线行为演化机制及构建基于行为轨迹的精准数字健康干预策略提供了理论与实践依据。
C反应蛋白-甘油三酯葡萄糖指数与新发慢性疾病及死亡风险的相关性：来自多国队列的证据
2229-P
李幸雨1，张弘强1，张俊豪1，石洁1，王穗健2，赵敏哲1，何美雯2，袁舟1，黎承华3，郑雪瑛1，丁宇1，岳彤1
1中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科；2安徽医科大学第一附属医院内分泌科；3中国科学技术大学附属第一医院（安徽省立医院）泛血管疾病管理中心
背景与目的
慢性炎症和胰岛素抵抗参与多种慢性疾病的发生发展。C反应蛋白-甘油三酯葡萄糖指数（CTI）整合炎症、脂质和糖代谢信息，可反映个体代谢炎症负荷。目前，CTI与新发慢性疾病及死亡风险的关系仍缺乏大规模人群证据。本研究基于多国队列，探讨CTI与慢性疾病发生及死亡风险的关联，并评估其预测价值。
方法
本研究以CHARLS（n=5366）和NHANES（n=2921）为主要队列，并在UK Biobank及医院队列中进行验证。采用Cox回归分析CTI及累积CTI与新发慢性疾病和死亡风险的关系，并结合K-means聚类、限制性立方样条和曲线下面积（AUC）评估CTI变化模式、非线性关联及预测性能。
结果
CTI升高与慢性疾病发生和死亡风险增加密切相关。在CHARLS队列中，累积CTI越高，新发高血压（HR 1.18，95%CI：1.11~1.26）、糖尿病（HR 1.60，95%CI：1.47~1.74）、血脂异常（HR 1.80，95%CI：1.69~1.92）、卒中（HR 1.15，95%CI：1.03~1.29）和哮喘（HR 1.25，95%CI：1.08~1.45）的风险越高，其中与血脂异常和糖尿病的关联更为突出。
在NHANES队列中，较高CTI水平同样与死亡风险升高相关，包括全因死亡（HR 1.19，95%CI：1.14~1.25）以及癌症（HR 1.16，95%CI：1.05~1.28）、心脏病（HR 1.20，95%CI：1.09~1.32）、肺部疾病（HR 1.36，95%CI：1.15~1.60）和糖尿病（HR 1.45，95%CI：1.18~1.79）相关死亡。进一步分析提示，CTI>9.0时死亡风险明显升高。CTI对血脂异常和死亡风险具有较好预测能力，AUC分别为0.74和0.85。相关结果在两个独立队列中得到验证。
结论
CTI升高与多种新发慢性疾病及死亡风险增加相关。作为整合炎症和代谢信息的复合指标，CTI具有较好的风险识别和预测价值，有望为慢性疾病高危人群筛查、风险分层和早期干预提供参考。
专家点评
翁建平 教授
安徽医科大学校长/中国科学技术大学讲席教授
慢性疾病的发生发展往往源于代谢紊乱与慢性炎症的长期交互作用。CTI作为整合炎症、血脂和血糖代谢信息的复合指标，较好地契合了当前慢病“代谢-炎症轴”研究方向。本研究基于多国队列系统验证CTI与多种新发慢性疾病及死亡风险的关联，不仅拓展了慢病风险评估的指标体系，也为高危人群早期识别和精准防控提供了新的证据支持。
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
该研究的重要价值在于将单一疾病风险评估拓展至多种慢病和死亡风险的综合预测。研究结果显示，CTI升高与多种慢性疾病及死亡风险增加密切相关，并具有较好的预测表现，提示其可能成为连接代谢异常、炎症状态与不良健康结局的重要桥梁。未来若能进一步明确CTI的临床阈值和干预意义，有望推动其在慢病筛查、风险分层和健康管理中的转化应用。
2型糖尿病多系统并发症的多组学图谱
2283-P
张弘强1，岳彤1，王穗健2，石洁1，耿梦雅1，张浩强1，潘澜心1，顾兆荷1，孙礼洁1，赵敏哲1，郑雪瑛1，翁建平3
1中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科；2安徽医科大学第一附属医院内分泌科；3中国科学技术大学讲席教授，现任安徽医科大学校长
背景
T2DM可引发多系统并发症，但目前仍缺乏用于跨系统、多结局分析的整合性多组学研究框架。本研究旨在系统构建主要T2DM相关结局的蛋白质组学和代谢组学图谱，并识别兼具预测性能与临床可行性的分子预测面板。
方法
基于前瞻性队列中的T2DM人群，分别建立蛋白质组学队列、代谢组学队列和多组学队列。通过横断面和纵向分析，系统评估血浆蛋白及代谢物与19种T2DM相关结局之间的关联。进一步采用基于机器学习的分子特征筛选策略构建风险预测模型，并与传统临床风险模型进行比较。
结果
本研究发现了一系列在多个T2DM相关结局中呈一致正向或负向关联的分子信号，提示其可能反映共同的生物学通路。同时，不同结局也表现出特异性和异质性的分子特征。预测分析显示，基于蛋白质组学的模型显著优于临床模型；联合模型整体预测性能最佳，并在重分类指标上显示出一致改善。相比之下，代谢组学特征仅带来有限的增量预测收益。通过比较不同特征筛选阈值，研究进一步确定了一个由百余种蛋白组成的简化预测面板，该面板仍能保持稳健的预测性能。
结论
本项大规模多组学研究系统构建了T2DM并发症的分子图谱，为理解疾病发生发展机制及发现潜在治疗靶点提供了新线索。同时，本研究进一步明确了蛋白质组学和代谢组学特征在风险预测中的价值，并提出一个兼具临床可行性与实用性的风险预测和精准干预框架。
专家点评
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
本研究立足T2DM多系统并发症这一全球性重大慢病挑战，融合前瞻性队列、多组学图谱与基于机器学习的预测建模，构建了从分子机制解析到临床风险预警的系统性研究框架。其重要价值不仅在于揭示糖尿病并发症跨器官损害背后的共同分子基础与异质性特征，也在于体现了糖尿病研究由传统危险因素评估迈向分子分型、精准预测和个体化干预的重要趋势。该研究为理解慢病多系统演进规律、发现潜在治疗靶点以及构建面向未来的精准医学体系提供了新的研究视角和可借鉴路径，也为糖尿病并发症的早期识别、风险分层与精准干预提供了有价值的科学依据。
DDRTree降维分析揭示起病年龄是T1DM异质性的关键表型并支持起病年龄相关内型存在
2371-P
常世茹，谭慧玲，岳彤，丁宇，顾兆荷，施雨，潘澜心，郭闯，翁建平，郑雪瑛
中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科
背景与目的
T1DM是一种高度异质性的疾病，然而，能够反映其异质性的关键表型尚不明确。本研究采用基于树状降维方法（DDRTree），旨在识别T1DM异质性的关键临床表型，并进一步验证起病年龄相关内型的存在。
方法
本研究纳入894例T1DM患者，基于起病年龄、体重指数、血压、谷丙转氨酶、糖化血红蛋白、肌酐、甘油三酯、高密度脂蛋白胆固醇、总胆固醇及3种胰岛自身抗体等13项表型进行DDRTree降维分析，识别表征T1DM异质性的关键表型。随后，研究基于DDRTree降维坐标验证起病年龄相关内型的分组界值（<7岁、7~13岁和≥13岁），并系统表征不同内型患者的临床、免疫学和遗传学特征。同时，进一步探索不同起病年龄相关内型患者的心血管结局风险。
结果
起病年龄是表征T1DM异质性的关键表型，可解释降维结果中64.6%的变异。基于DDRTree降维坐标，不同起病年龄组间差异显著，支持以<7岁、7~13岁和≥13岁作为起病年龄相关内型分组的界值。起病年龄相关内型患者在自身抗体阳性率（P<0.001）、遗传风险（P<0.001）和代谢特征方面均存在显著差异。心血管结局分析显示，与匹配的健康对照组相比，<7岁和≥13岁起病T1DM患者的心血管风险均升高，且<7岁起病组的超额风险更为明显；两组心血管风险比分别为4.40（95%CI：2.78~6.95）和2.67（95%CI：2.31~3.09）。
结论
这项研究发现，起病年龄是表征T1DM异质性的关键表型，并支持起病年龄相关内型的存在。不同内型患者在免疫特征、遗传风险及长期心血管风险等方面存在差异。
专家点评
安徽医科大学校长/中国科学技术大学讲席教授
T1DM具有明显的临床和生物学异质性。既往研究提示，不同起病年龄患者在胰岛β细胞功能保留、免疫特征、遗传易感性及临床进展方面存在差异，起病年龄可能是理解T1DM异质性的一个重要观察维度。本研究整合临床、代谢和自身抗体等多维表型，采用DDRTree降维方法揭示起病年龄是表征T1DM异质性中的重要表型。基于起病年龄划分的不同患者亚组，在自身抗体阳性率、遗传风险和代谢特征方面存在差异，提示起病年龄分层可能有助于识别具有不同免疫遗传和代谢特征的T1DM患者群体。该研究为基于起病年龄理解T1DM异质性提供了新的证据，并为进一步阐明不同起病年龄患者的疾病机制及优化风险分层管理提供了重要线索。
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
T1DM精准管理需要建立在准确识别患者异质性的基础上。如何从复杂临床表型中提取具有临床意义的分层依据，是当前T1DM研究和风险管理的重要问题。DDRTree作为一种降维与树状结构学习方法，能够在多维数据中呈现患者表型之间的潜在关系，为T1DM异质性研究提供了新的方法学视角。本研究将DDRTree应用于T1DM多维表型分析，从数据驱动角度支持起病年龄相关内型，并进一步探索不同起病年龄相关内型的心血管结局风险差异。研究结果提示，基于起病年龄的分层不仅有助于识别具有不同临床表型特征的T1DM患者亚组，也为评估其远期风险差异提供线索。该研究提示，DDRTree多维表型降维分析方法可为T1DM异质性探索提供新的方法学参考。
基于深度学习识别酮症酸中毒起病T1DM的多组学特征及关联机制
2389-P
谭慧玲，岳彤，丁宇，顾兆荷，施雨，潘澜心，常世茹，郭闯，翁建平，郑雪瑛
中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科
背景
T1DM起病时是否合并糖尿病酮症酸中毒（DKA），其发病机制存在显著异质性，肠道菌群等环境因素在其中的作用尚未明确。传统研究难以系统解析多组学数据间的复杂关联，亟需新方法揭示其内在规律。
方法
研究纳入69例新诊断T1DM患者，按起病时是否合并DKA分为DKA组与非DKA组。采用深度学习模型多组学变分自编码器（MOVE），系统评估肠道菌群、血清代谢组、脂质组及蛋白质组特征的组间差异，并通过模型扰动分析筛选关键菌群及其与代谢/蛋白特征的关联。
结果
MOVE模型在处理T1DM多组学数据中表现出优异性能（损失值=0.9403），两组患者呈现出不同的多组学特征：DKA组以拟杆菌（Bacteroides clarus）、2-花生四烯酰甘油醚、磷脂酰胆碱[PC (36:2)]水平升高为特征；非DKA组以伯克霍尔德菌科、D-(+)-脯氨酸、溶血磷脂酰胆碱[LPC (16:0)]及CCL28蛋白水平升高为特征。整合分析证实肠道菌群在DKA起病中发挥关键作用，进一步扰动分析提示，毛螺菌属特定种（Lachnospira sp000437735）可能通过促进苯甲醇向苯甲醛的代谢，改善T1DM起病时的DKA状态。
结论
深度学习模型的应用，为解析T1DM起病异质性提供了全新的分子视角，也为探索个体化防治策略提供了潜在治疗靶点。
专家点评
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
T1DM起病合并DKA会提升急性期并发症风险，也不利于患者长期血糖管理与预后恢复。本研究跳出传统单一组学分析的局限，创新性地采用深度学习模型（MOVE）整合肠道菌群、代谢组、脂质组与蛋白质组多维度数据，实现了对DKA起病相关特征系统性、无偏性挖掘，为理解T1DM异质性提供了价值。研究结果不仅明确了两组患者的关键差异分子，更通过扰动分析建立了“菌群-代谢物-临床表型”的关联链条，为解释肠道菌群如何影响DKA发生提供了机制线索。总体而言，本研究为T1DM的精准医学研究提供了思路，也为后续基于多组学的风险预警模型构建和靶向干预研究提供了参考。
多变量GWAS揭示肥胖与MASLD共享的多效性遗传位点
2615-P
耿梦雅1,2，王穗健4，张弘强1，孙礼洁1，翁建平3,4，郑雪瑛1
1中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢病科；2皖南医学院临床医学院；3中国科学技术大学生命科学与医学部；4安徽医科大学
背景与目的
肥胖与代谢功能障碍相关脂肪性肝病（MASLD）高度共病，但二者共享的遗传基础及其组织特异性调控机制尚未完全阐明。本研究拟通过整合多种遗传流行病学和功能基因组学方法，系统描绘肥胖相关表型与MASLD之间的遗传重叠，筛选潜在多效性位点和候选调控基因，为代谢性疾病的风险分层和靶向干预提供新的遗传学依据。
方法
本研究基于欧洲人群公开全基因组关联研究（GWAS）汇总数据，纳入4项肥胖相关表型，包括体重指数（BMI）、BMI校正腰围、BMI校正腰臀比和BMI校正臀围，以及NAFLD/MASLD相关表型。研究采用连锁不平衡评分回归（LDSC）评估全基因组遗传相关性，应用条件错误发现率（condFDR）和联合错误发现率（conjFDR）筛选单表型及共享遗传位点，并通过多性状GWAS分析（MTAG）提高风险位点识别效能。进一步结合GTEx v8数据库中肝脏、皮下脂肪和内脏脂肪组织的表达数量性状位点（eQTL）数据，采用汇总数据孟德尔随机化（SMR）分析探索基因表达与肥胖及MASLD相关表型之间的潜在因果关联。
结果
遗传相关性分析显示，BMI与MASLD呈显著正相关（rg=0.687，P=1.30×10-6）；BMI校正腰臀比与MASLD亦呈正相关（rg=0.522，P=3.00×10-4），而BMI校正臀围与MASLD呈负相关（rg=-0.273，P=9.90×10-3）。condFDR分析识别出31个MASLD相关独立位点，其中15个为新位点并映射至13个基因；同时识别出184个肥胖相关独立位点。conjFDR进一步发现23个肥胖-MASLD共享位点，提示二者存在广泛遗传重叠。MTAG分析提高了位点发现能力，分别识别出174个MASLD相关风险位点和482个肥胖相关风险位点。跨方法整合分析显示，ADCY3、FTO、TRIM66、COBLL1、L3MBTL3、VPS53、CDK6、ANAPC13和TBX15等基因获得多种分析方法支持，可能代表连接肥胖与MASLD的重要多效性遗传信号。SMR分析进一步提示，部分基因在肝脏、皮下脂肪和内脏脂肪组织中具有不同方向或强度的调控效应，反映出肥胖-MASLD共病可能存在组织特异性的分子调控机制。
结论
本研究通过遗传相关性分析、condFDR/conjFDR、MTAG和SMR等多方法整合策略，证实肥胖与MASLD之间存在显著遗传重叠，并识别出一批潜在多效性位点和组织特异性调控基因。研究结果为理解肥胖相关MASLD的遗传机制、优化高危人群风险分层以及探索代谢性疾病干预靶点提供了新的线索。
专家点评
翁建平 教授
安徽医科大学校长/中国科学技术大学讲席教授
肥胖与MASLD在临床上高度共病，但其共同遗传基础仍未完全阐明。本研究整合遗传相关性分析、condFDR/conjFDR、多性状GWAS和SMR分析，从全基因组层面验证了肥胖相关表型与MASLD之间的遗传重叠，并识别出一批多效性位点和候选调控基因。除FTO、GCKR等已知代谢相关基因外，研究还提示VPS53、SYN2等新位点可能参与肥胖-MASLD共病过程。这些结果为理解肥胖相关MASLD的遗传机制、开展高危人群风险分层和探索潜在干预靶点提供了新的线索。后续仍需在独立队列和功能实验中进一步验证相关新位点的生物学作用。
外泌体miR-223-3p，靶向NLRP3相关神经炎症，可能是T2DM发生认知功能障碍的生物标志物
1117-OR
张浩强
中国科学技术大学附属第一医院内分泌代谢科
目的
神经炎症在糖尿病认知功能障碍中发挥重要作用，其中NLRP3炎症小体是关键环节。本研究旨在阐明miR-223-3p对NLRP3相关神经炎症的调控作用，并探讨其作为T2DM患者轻度认知功能障碍（MCI）生物标志物的潜力。
方法
通过高脂饲料喂养24周构建糖尿病小鼠模型，并利用行为学评估确认认知功能损害。对小鼠海马组织进行microRNA测序，验证miR-223-3p的表达变化。在体内检测NLRP3介导的神经炎症，同时在体外利用BV2细胞进行机制研究。通过敲低和过表达miR-223-3p，评估其对NLRP3的影响。临床研究方面，检测伴与不伴MCI的T2DM患者血浆外泌体miR-223-3p水平，并分析其与神经心理学测试评分的相关性。
结果
糖尿病小鼠表现出认知功能下降、海马miR-223-3p表达降低、小胶质细胞活化以及NLRP3和促炎细胞因子水平升高。miR-223-3p敲低可诱导神经炎症，而过表达则减轻神经炎症。荧光素酶报告基因实验证实miR-223-3p直接调控NLRP3。临床研究显示，伴MCI的T2DM患者外泌体miR-223-3p水平显著低于认知正常患者，且与总体认知功能和即刻记忆表现相关。ROC分析表明，以0.7565为阈值时，miR-223-3p诊断MCI的特异度为71.4%，敏感度为68.7%。
结论
miR-223-3p通过抑制NLRP3介导的神经炎症发挥神经保护作用。其表达下调参与糖尿病认知损害的发生，而循环外泌体miR-223-3p可作为识别T2DM合并MCI的潜在生物标志物。
专家点评
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
本研究从动物模型到细胞机制再到临床验证，系统揭示了miR-223-3p通过负调控NLRP3炎症小体缓解糖尿病认知功能障碍的关键作用。该研究不仅验证了miR-223-3p对NLRP3炎症小体的调控作用，还将血浆外泌体miR-223-3p与T2DM患者的轻度认知损害临床特征直接关联，ROC分析展示了其作为无创生物标志物的良好潜力。该工作为神经炎症机制提供了新见解，也为糖尿病相关认知损害的早期识别和干预开辟了具有转化前景的方向。 2 comments
从“寻求者”到“提供者”：基于隐马尔可夫模型揭示T1DM在线社区社会支持行为的动态演化
1630-P
朱玉佳1，赵辰霄1，曾锡锋2，郑雪瑛3
1中国科学技术大学科技传播系；2深圳市爱宝惟生物科技有限公司（糖糖圈）；3中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科
背景与目的
在线健康社区（OHC）在为T1DM等慢性疾病患者提供社会支持方面发挥着关键作用。然而，这些社区中支持行为的纵向动态变化尚未得到充分研究。本研究旨在分析中国最大T1DM在线社区用户从“寻求支持”向“提供支持”转变的纵向演化模式及其影响因素。
方法
本研究对2019~2024年7803名用户的378 304条帖子进行了纵向分析。使用BERT-Base-Chinese模型将帖子分类为信息支持寻求/提供和情感支持寻求/提供行为，并使用预训练的Chinese Clinical BERT识别情绪强度。采用隐马尔可夫模型（HMM）对行为状态转换（基线状态、支持寻求状态、支持提供状态）进行建模，纳入疾病病程和社区参与度作为协变量，时间窗口设置为6个月。利用Viterbi算法重建个体行为轨迹，并基于动态时间规整（DTW）进行行为轨迹聚类分析。
结果
总体而言，46.2%的用户经历了至少1次行为状态转换。从寻求支持向提供支持的转换（28.4%）比反向转换（9.7%）更为常见。较长的疾病病程（β=0.42，P<0.01）和较长的社区参与时间（β=0.31，P<0.05）与成为支持提供者的可能性呈正相关。较高的情感强度也与这一转换呈正相关（β=0.27，P<0.05）。研究识别出3种典型的行为轨迹类型：情感驱动型（32%）、理性积累型（45%）和波动型（23%）。
结论
T1DM在线社区用户表现出从寻求支持向提供支持的明确纵向转变，这与疾病经验的积累和持续的社区参与密切相关。这些发现为慢病管理中的精准数字健康干预提供了重要契机。
专家点评
翁建平 教授
安徽医科大学校长/中国科学技术大学讲席教授
OHC已成为慢性疾病患者获取社会支持与疾病管理经验的重要平台，尤其在T1DM等需要长期自我管理的疾病中发挥着关键作用。
本研究基于大规模真实世界社区数据，结合自然语言处理技术与HMM，对T1DM在线社区用户的社会支持行为进行了纵向建模与动态分析。研究结果显示，用户随着疾病经验积累与持续社区参与，逐渐由“支持寻求者”向“支持提供者”转变，并呈现出不同的行为演化模式。
该研究从数字表型视角出发，捕捉OHC中的社会支持互动行为的特征，拓展了数字表型技术在慢病管理中的应用边界。同时，该研究为理解患者在线行为演化机制及构建基于行为轨迹的精准数字健康干预策略提供了理论与实践依据。
C反应蛋白-甘油三酯葡萄糖指数与新发慢性疾病及死亡风险的相关性：来自多国队列的证据
2229-P
李幸雨1，张弘强1，张俊豪1，石洁1，王穗健2，赵敏哲1，何美雯2，袁舟1，黎承华3，郑雪瑛1，丁宇1，岳彤1
1中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科；2安徽医科大学第一附属医院内分泌科；3中国科学技术大学附属第一医院（安徽省立医院）泛血管疾病管理中心
背景与目的
慢性炎症和胰岛素抵抗参与多种慢性疾病的发生发展。C反应蛋白-甘油三酯葡萄糖指数（CTI）整合炎症、脂质和糖代谢信息，可反映个体代谢炎症负荷。目前，CTI与新发慢性疾病及死亡风险的关系仍缺乏大规模人群证据。本研究基于多国队列，探讨CTI与慢性疾病发生及死亡风险的关联，并评估其预测价值。
方法
本研究以CHARLS（n=5366）和NHANES（n=2921）为主要队列，并在UK Biobank及医院队列中进行验证。采用Cox回归分析CTI及累积CTI与新发慢性疾病和死亡风险的关系，并结合K-means聚类、限制性立方样条和曲线下面积（AUC）评估CTI变化模式、非线性关联及预测性能。
结果
CTI升高与慢性疾病发生和死亡风险增加密切相关。在CHARLS队列中，累积CTI越高，新发高血压（HR 1.18，95%CI：1.11~1.26）、糖尿病（HR 1.60，95%CI：1.47~1.74）、血脂异常（HR 1.80，95%CI：1.69~1.92）、卒中（HR 1.15，95%CI：1.03~1.29）和哮喘（HR 1.25，95%CI：1.08~1.45）的风险越高，其中与血脂异常和糖尿病的关联更为突出。
在NHANES队列中，较高CTI水平同样与死亡风险升高相关，包括全因死亡（HR 1.19，95%CI：1.14~1.25）以及癌症（HR 1.16，95%CI：1.05~1.28）、心脏病（HR 1.20，95%CI：1.09~1.32）、肺部疾病（HR 1.36，95%CI：1.15~1.60）和糖尿病（HR 1.45，95%CI：1.18~1.79）相关死亡。进一步分析提示，CTI>9.0时死亡风险明显升高。CTI对血脂异常和死亡风险具有较好预测能力，AUC分别为0.74和0.85。相关结果在两个独立队列中得到验证。
结论
CTI升高与多种新发慢性疾病及死亡风险增加相关。作为整合炎症和代谢信息的复合指标，CTI具有较好的风险识别和预测价值，有望为慢性疾病高危人群筛查、风险分层和早期干预提供参考。
专家点评
翁建平 教授
安徽医科大学校长/中国科学技术大学讲席教授
慢性疾病的发生发展往往源于代谢紊乱与慢性炎症的长期交互作用。CTI作为整合炎症、血脂和血糖代谢信息的复合指标，较好地契合了当前慢病“代谢-炎症轴”研究方向。本研究基于多国队列系统验证CTI与多种新发慢性疾病及死亡风险的关联，不仅拓展了慢病风险评估的指标体系，也为高危人群早期识别和精准防控提供了新的证据支持。
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
该研究的重要价值在于将单一疾病风险评估拓展至多种慢病和死亡风险的综合预测。研究结果显示，CTI升高与多种慢性疾病及死亡风险增加密切相关，并具有较好的预测表现，提示其可能成为连接代谢异常、炎症状态与不良健康结局的重要桥梁。未来若能进一步明确CTI的临床阈值和干预意义，有望推动其在慢病筛查、风险分层和健康管理中的转化应用。
2型糖尿病多系统并发症的多组学图谱
2283-P
张弘强1，岳彤1，王穗健2，石洁1，耿梦雅1，张浩强1，潘澜心1，顾兆荷1，孙礼洁1，赵敏哲1，郑雪瑛1，翁建平3
1中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科；2安徽医科大学第一附属医院内分泌科；3中国科学技术大学讲席教授，现任安徽医科大学校长
背景
T2DM可引发多系统并发症，但目前仍缺乏用于跨系统、多结局分析的整合性多组学研究框架。本研究旨在系统构建主要T2DM相关结局的蛋白质组学和代谢组学图谱，并识别兼具预测性能与临床可行性的分子预测面板。
方法
基于前瞻性队列中的T2DM人群，分别建立蛋白质组学队列、代谢组学队列和多组学队列。通过横断面和纵向分析，系统评估血浆蛋白及代谢物与19种T2DM相关结局之间的关联。进一步采用基于机器学习的分子特征筛选策略构建风险预测模型，并与传统临床风险模型进行比较。
结果
本研究发现了一系列在多个T2DM相关结局中呈一致正向或负向关联的分子信号，提示其可能反映共同的生物学通路。同时，不同结局也表现出特异性和异质性的分子特征。预测分析显示，基于蛋白质组学的模型显著优于临床模型；联合模型整体预测性能最佳，并在重分类指标上显示出一致改善。相比之下，代谢组学特征仅带来有限的增量预测收益。通过比较不同特征筛选阈值，研究进一步确定了一个由百余种蛋白组成的简化预测面板，该面板仍能保持稳健的预测性能。
结论
本项大规模多组学研究系统构建了T2DM并发症的分子图谱，为理解疾病发生发展机制及发现潜在治疗靶点提供了新线索。同时，本研究进一步明确了蛋白质组学和代谢组学特征在风险预测中的价值，并提出一个兼具临床可行性与实用性的风险预测和精准干预框架。
专家点评
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
本研究立足T2DM多系统并发症这一全球性重大慢病挑战，融合前瞻性队列、多组学图谱与基于机器学习的预测建模，构建了从分子机制解析到临床风险预警的系统性研究框架。其重要价值不仅在于揭示糖尿病并发症跨器官损害背后的共同分子基础与异质性特征，也在于体现了糖尿病研究由传统危险因素评估迈向分子分型、精准预测和个体化干预的重要趋势。该研究为理解慢病多系统演进规律、发现潜在治疗靶点以及构建面向未来的精准医学体系提供了新的研究视角和可借鉴路径，也为糖尿病并发症的早期识别、风险分层与精准干预提供了有价值的科学依据。
DDRTree降维分析揭示起病年龄是T1DM异质性的关键表型并支持起病年龄相关内型存在
2371-P
常世茹，谭慧玲，岳彤，丁宇，顾兆荷，施雨，潘澜心，郭闯，翁建平，郑雪瑛
中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科
背景与目的
T1DM是一种高度异质性的疾病，然而，能够反映其异质性的关键表型尚不明确。本研究采用基于树状降维方法（DDRTree），旨在识别T1DM异质性的关键临床表型，并进一步验证起病年龄相关内型的存在。
方法
本研究纳入894例T1DM患者，基于起病年龄、体重指数、血压、谷丙转氨酶、糖化血红蛋白、肌酐、甘油三酯、高密度脂蛋白胆固醇、总胆固醇及3种胰岛自身抗体等13项表型进行DDRTree降维分析，识别表征T1DM异质性的关键表型。随后，研究基于DDRTree降维坐标验证起病年龄相关内型的分组界值（<7岁、7~13岁和≥13岁），并系统表征不同内型患者的临床、免疫学和遗传学特征。同时，进一步探索不同起病年龄相关内型患者的心血管结局风险。
结果
起病年龄是表征T1DM异质性的关键表型，可解释降维结果中64.6%的变异。基于DDRTree降维坐标，不同起病年龄组间差异显著，支持以<7岁、7~13岁和≥13岁作为起病年龄相关内型分组的界值。起病年龄相关内型患者在自身抗体阳性率（P<0.001）、遗传风险（P<0.001）和代谢特征方面均存在显著差异。心血管结局分析显示，与匹配的健康对照组相比，<7岁和≥13岁起病T1DM患者的心血管风险均升高，且<7岁起病组的超额风险更为明显；两组心血管风险比分别为4.40（95%CI：2.78~6.95）和2.67（95%CI：2.31~3.09）。
结论
这项研究发现，起病年龄是表征T1DM异质性的关键表型，并支持起病年龄相关内型的存在。不同内型患者在免疫特征、遗传风险及长期心血管风险等方面存在差异。
专家点评
安徽医科大学校长/中国科学技术大学讲席教授
T1DM具有明显的临床和生物学异质性。既往研究提示，不同起病年龄患者在胰岛β细胞功能保留、免疫特征、遗传易感性及临床进展方面存在差异，起病年龄可能是理解T1DM异质性的一个重要观察维度。本研究整合临床、代谢和自身抗体等多维表型，采用DDRTree降维方法揭示起病年龄是表征T1DM异质性中的重要表型。基于起病年龄划分的不同患者亚组，在自身抗体阳性率、遗传风险和代谢特征方面存在差异，提示起病年龄分层可能有助于识别具有不同免疫遗传和代谢特征的T1DM患者群体。该研究为基于起病年龄理解T1DM异质性提供了新的证据，并为进一步阐明不同起病年龄患者的疾病机制及优化风险分层管理提供了重要线索。
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
T1DM精准管理需要建立在准确识别患者异质性的基础上。如何从复杂临床表型中提取具有临床意义的分层依据，是当前T1DM研究和风险管理的重要问题。DDRTree作为一种降维与树状结构学习方法，能够在多维数据中呈现患者表型之间的潜在关系，为T1DM异质性研究提供了新的方法学视角。本研究将DDRTree应用于T1DM多维表型分析，从数据驱动角度支持起病年龄相关内型，并进一步探索不同起病年龄相关内型的心血管结局风险差异。研究结果提示，基于起病年龄的分层不仅有助于识别具有不同临床表型特征的T1DM患者亚组，也为评估其远期风险差异提供线索。该研究提示，DDRTree多维表型降维分析方法可为T1DM异质性探索提供新的方法学参考。
基于深度学习识别酮症酸中毒起病T1DM的多组学特征及关联机制
2389-P
谭慧玲，岳彤，丁宇，顾兆荷，施雨，潘澜心，常世茹，郭闯，翁建平，郑雪瑛
中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢科
背景
T1DM起病时是否合并糖尿病酮症酸中毒（DKA），其发病机制存在显著异质性，肠道菌群等环境因素在其中的作用尚未明确。传统研究难以系统解析多组学数据间的复杂关联，亟需新方法揭示其内在规律。
方法
研究纳入69例新诊断T1DM患者，按起病时是否合并DKA分为DKA组与非DKA组。采用深度学习模型多组学变分自编码器（MOVE），系统评估肠道菌群、血清代谢组、脂质组及蛋白质组特征的组间差异，并通过模型扰动分析筛选关键菌群及其与代谢/蛋白特征的关联。
结果
MOVE模型在处理T1DM多组学数据中表现出优异性能（损失值=0.9403），两组患者呈现出不同的多组学特征：DKA组以拟杆菌（Bacteroides clarus）、2-花生四烯酰甘油醚、磷脂酰胆碱[PC (36:2)]水平升高为特征；非DKA组以伯克霍尔德菌科、D-(+)-脯氨酸、溶血磷脂酰胆碱[LPC (16:0)]及CCL28蛋白水平升高为特征。整合分析证实肠道菌群在DKA起病中发挥关键作用，进一步扰动分析提示，毛螺菌属特定种（Lachnospira sp000437735）可能通过促进苯甲醇向苯甲醛的代谢，改善T1DM起病时的DKA状态。
结论
深度学习模型的应用，为解析T1DM起病异质性提供了全新的分子视角，也为探索个体化防治策略提供了潜在治疗靶点。
专家点评
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
T1DM起病合并DKA会提升急性期并发症风险，也不利于患者长期血糖管理与预后恢复。本研究跳出传统单一组学分析的局限，创新性地采用深度学习模型（MOVE）整合肠道菌群、代谢组、脂质组与蛋白质组多维度数据，实现了对DKA起病相关特征系统性、无偏性挖掘，为理解T1DM异质性提供了价值。研究结果不仅明确了两组患者的关键差异分子，更通过扰动分析建立了“菌群-代谢物-临床表型”的关联链条，为解释肠道菌群如何影响DKA发生提供了机制线索。总体而言，本研究为T1DM的精准医学研究提供了思路，也为后续基于多组学的风险预警模型构建和靶向干预研究提供了参考。
多变量GWAS揭示肥胖与MASLD共享的多效性遗传位点
2615-P
耿梦雅1,2，王穗健4，张弘强1，孙礼洁1，翁建平3,4，郑雪瑛1
1中国科学技术大学附属第一医院（安徽省立医院）内分泌代谢病科；2皖南医学院临床医学院；3中国科学技术大学生命科学与医学部；4安徽医科大学
背景与目的
肥胖与代谢功能障碍相关脂肪性肝病（MASLD）高度共病，但二者共享的遗传基础及其组织特异性调控机制尚未完全阐明。本研究拟通过整合多种遗传流行病学和功能基因组学方法，系统描绘肥胖相关表型与MASLD之间的遗传重叠，筛选潜在多效性位点和候选调控基因，为代谢性疾病的风险分层和靶向干预提供新的遗传学依据。
方法
本研究基于欧洲人群公开全基因组关联研究（GWAS）汇总数据，纳入4项肥胖相关表型，包括体重指数（BMI）、BMI校正腰围、BMI校正腰臀比和BMI校正臀围，以及NAFLD/MASLD相关表型。研究采用连锁不平衡评分回归（LDSC）评估全基因组遗传相关性，应用条件错误发现率（condFDR）和联合错误发现率（conjFDR）筛选单表型及共享遗传位点，并通过多性状GWAS分析（MTAG）提高风险位点识别效能。进一步结合GTEx v8数据库中肝脏、皮下脂肪和内脏脂肪组织的表达数量性状位点（eQTL）数据，采用汇总数据孟德尔随机化（SMR）分析探索基因表达与肥胖及MASLD相关表型之间的潜在因果关联。
结果
遗传相关性分析显示，BMI与MASLD呈显著正相关（rg=0.687，P=1.30×10-6）；BMI校正腰臀比与MASLD亦呈正相关（rg=0.522，P=3.00×10-4），而BMI校正臀围与MASLD呈负相关（rg=-0.273，P=9.90×10-3）。condFDR分析识别出31个MASLD相关独立位点，其中15个为新位点并映射至13个基因；同时识别出184个肥胖相关独立位点。conjFDR进一步发现23个肥胖-MASLD共享位点，提示二者存在广泛遗传重叠。MTAG分析提高了位点发现能力，分别识别出174个MASLD相关风险位点和482个肥胖相关风险位点。跨方法整合分析显示，ADCY3、FTO、TRIM66、COBLL1、L3MBTL3、VPS53、CDK6、ANAPC13和TBX15等基因获得多种分析方法支持，可能代表连接肥胖与MASLD的重要多效性遗传信号。SMR分析进一步提示，部分基因在肝脏、皮下脂肪和内脏脂肪组织中具有不同方向或强度的调控效应，反映出肥胖-MASLD共病可能存在组织特异性的分子调控机制。
结论
本研究通过遗传相关性分析、condFDR/conjFDR、MTAG和SMR等多方法整合策略，证实肥胖与MASLD之间存在显著遗传重叠，并识别出一批潜在多效性位点和组织特异性调控基因。研究结果为理解肥胖相关MASLD的遗传机制、优化高危人群风险分层以及探索代谢性疾病干预靶点提供了新的线索。
专家点评
翁建平 教授
安徽医科大学校长/中国科学技术大学讲席教授
肥胖与MASLD在临床上高度共病，但其共同遗传基础仍未完全阐明。本研究整合遗传相关性分析、condFDR/conjFDR、多性状GWAS和SMR分析，从全基因组层面验证了肥胖相关表型与MASLD之间的遗传重叠，并识别出一批多效性位点和候选调控基因。除FTO、GCKR等已知代谢相关基因外，研究还提示VPS53、SYN2等新位点可能参与肥胖-MASLD共病过程。这些结果为理解肥胖相关MASLD的遗传机制、开展高危人群风险分层和探索潜在干预靶点提供了新的线索。后续仍需在独立队列和功能实验中进一步验证相关新位点的生物学作用。
外泌体miR-223-3p，靶向NLRP3相关神经炎症，可能是T2DM发生认知功能障碍的生物标志物
1117-OR
张浩强
中国科学技术大学附属第一医院内分泌代谢科
目的
神经炎症在糖尿病认知功能障碍中发挥重要作用，其中NLRP3炎症小体是关键环节。本研究旨在阐明miR-223-3p对NLRP3相关神经炎症的调控作用，并探讨其作为T2DM患者轻度认知功能障碍（MCI）生物标志物的潜力。
方法
通过高脂饲料喂养24周构建糖尿病小鼠模型，并利用行为学评估确认认知功能损害。对小鼠海马组织进行microRNA测序，验证miR-223-3p的表达变化。在体内检测NLRP3介导的神经炎症，同时在体外利用BV2细胞进行机制研究。通过敲低和过表达miR-223-3p，评估其对NLRP3的影响。临床研究方面，检测伴与不伴MCI的T2DM患者血浆外泌体miR-223-3p水平，并分析其与神经心理学测试评分的相关性。
结果
糖尿病小鼠表现出认知功能下降、海马miR-223-3p表达降低、小胶质细胞活化以及NLRP3和促炎细胞因子水平升高。miR-223-3p敲低可诱导神经炎症，而过表达则减轻神经炎症。荧光素酶报告基因实验证实miR-223-3p直接调控NLRP3。临床研究显示，伴MCI的T2DM患者外泌体miR-223-3p水平显著低于认知正常患者，且与总体认知功能和即刻记忆表现相关。ROC分析表明，以0.7565为阈值时，miR-223-3p诊断MCI的特异度为71.4%，敏感度为68.7%。
结论
miR-223-3p通过抑制NLRP3介导的神经炎症发挥神经保护作用。其表达下调参与糖尿病认知损害的发生，而循环外泌体miR-223-3p可作为识别T2DM合并MCI的潜在生物标志物。
专家点评
郑雪瑛 教授
中国科学技术大学附属第一医院（安徽省立医院）
本研究从动物模型到细胞机制再到临床验证，系统揭示了miR-223-3p通过负调控NLRP3炎症小体缓解糖尿病认知功能障碍的关键作用。该研究不仅验证了miR-223-3p对NLRP3炎症小体的调控作用，还将血浆外泌体miR-223-3p与T2DM患者的轻度认知损害临床特征直接关联，ROC分析展示了其作为无创生物标志物的良好潜力。该工作为神经炎症机制提供了新见解，也为糖尿病相关认知损害的早期识别和干预开辟了具有转化前景的方向。 2 comments
京公网安备 11010502033361号
发布留言