欢迎来到生信舟！关于建立疾病预测模型的文章，相信大家已经看过不少了，今天大风哥给大家带来一篇不一样的预测模型文章高分，让作者来看看预测模型究竟还能如何创新吧。
今天大风哥跟大家分享的是一篇利用UKB数据库开发和验证代谢组学体重指数（metBMI）预测模型的纯生信文章，BMI大家都知道，那么metBMI是什么呢？其实呀，这里就是这篇文章最大的创新之处——利用代谢组数据，计算了携带更多相关代谢信息的metBMI，弥补了传统BMI指标无法全面反应人体健康状况的局限性。将metBMI与传统的BMI相比进行预测建模和效果评价，利用生存分析、生存曲线等方式进行量化，通过数据的比较就更清晰地能展现出MetBMI良好的预测性能，暗示出相关代谢对肥胖和疾病的重要影响，具有非常高的临床意义。此外，作者还利用了外部独立数据库进行重复验证，增强了文章的证据说服力。新的MetBMI也产生了更多的肥胖表型，细化了分析，弥补了之前对于肥胖表型分类过少的缺憾，仅凭4张图表就拿下了7分+，感兴趣的小伙伴赶紧码住学习！
（ps：想了解更多生信分析思路，就来扫码联系大风哥，这里有新鲜出炉的生信热点方向，还有一大波的可复现的创新思路哦~）
题目：肥胖代谢组学表型分析心血管和眼部疾病
杂志：Journal of Translational Medicine
影响因子：IF=7.4
发表时间：2023年6月
后台回复“888”获取原文,文献编号231212
研究背景
肥胖流行导致全球8.5 %的死亡，并与多种慢性疾病的风险增加有关，例如心血管疾病( CVD )、2型糖尿病( T2DM )和年龄相关性眼病。代谢组学分析具有重新定义肥胖的潜力，考虑到血清代谢物的附加值，可以独立于BMI预测T2DM、CVD和死亡率。文章旨在评估代谢组学体重指数( met BMI )表型对心血管和眼部疾病结局风险的影响。
数据来源
研究思路
图1展示了研究的总体设计。在第一阶段，作者将UKB中的样本随机分为训练集和应用集，在训练集中建立了岭回归模型，建立代谢体重指数(met BMI )模型以预测目标疾病的风险。在第二阶段中，使用应用集中的metBMI，并将其分类为metBMI亚组，用于评估与metBMI预测误差范围匹配或不匹配的组间心血管和眼部疾病的发生率，并绘制ROC曲线评价其预测性能。在第三阶段的分析中，作者将来自广州糖尿病眼病研究( GDES )的数据作为外部验证队列，对结果进行重复验证。
图1 研究设计流程图
主要结果
1. 预测模型的建立
作者在第一阶段为了开发和验证代谢组学 BMI 预测模型，将符合条件的参与者按照1:1的比例随机分为训练集和应用集。为了解决代谢物之间的多重共线性问题并获得对所有参与者的预测，作者在Stata软件中采用脊回归模型纳入249个代谢组学指标，对预测算法进行建模。将预测模型应用于应用人群，并将得出的metBMI用于后续分析。结果显示，岭回归模型表现优异，在训练集和应用集中解释了BMI近40 %的变异。该模型在应用集中预测BMI表现出良好的性能，曲线下面积为0.799。将模型应用于应用集，得到5个亚型，分别归入NW，OW，OB，OE和UE组。与BMI预测相关性最强的前30种代谢物包括糖蛋白乙酰、酪氨酸和缬氨酸，而白蛋白、谷氨酰胺和亮氨酸的负相关最强（图2）。
图2 预测模型分析结果
2. 生存分析
根据metBMI和actBMI（实际BMI）的差异，将应用组中的个体分为5个亚型。进行了生存分析，构建了生存曲线，采用log-rank检验比较各组间死亡、心血管疾病、眼部疾病的累积生存概率。作者构建了两个多变量 Cox 模型：模型 1 根据年龄、性别、种族和汤森剥夺指数进行了调整。模型 2 还根据教育程度、吸烟饮酒、体力活动和血脂水平等进行了调整。COX回归结果显示，在平均12年的随访中，OE组显示出大多数结果的风险显著高于NW预测组(图3 )。在充分校正其他因素后，OE组的全因死亡风险和CVD死亡风险是NW组的1.68倍。对于CVD事件，OE组更容易发生心力衰竭、心肌梗死、冠心病。此外，OE组患AMD的风险是NW组的1.96倍。根据act BMI或met BMI将UE组和OB组划分为肥胖组，在充分调整后，UE和OB组表现出相似的死亡、CVD事件和年龄相关性眼病风险（表1）。
图3 OE 组与 NW 组的心血管和眼部疾病结局的风险
表1 应用集中代谢组表型与心血管和眼部疾病结果风险的关联
3. 亚组分析和ROC分析
为了评估主要分析的稳健性，作者根据性别进行了亚组分析。作者进行了健康饮食方式和中心性肥胖亚组分析，以调查与NW组相比，OE组是否具有更高的终点事件风险。此外，使用受试者工作特征 （ROC） 曲线评估基于 metBMI、腰臀比 （WHR） 和血清肌酐的综合危险因素，以区分 NW 与其他 metBMI 亚组。基于性别的亚组分析显示，与OE和NW组相比，女性全因死亡、心力衰竭和冠心病的风险更大，而男性CVD死亡和心肌梗死的风险更大。健康饮食的亚组分析显示，与健康饮食模式的个体相比，不健康饮食模式的个体在全因和心血管疾病死亡、心肌梗死和冠心病方面更有可能经历肥胖相关的代谢风险。此外，ROC曲线显示，metBMI结合WHR和血肌酐在区分NW与OE、OB和UE组中具有良好的性能（图4）。
图4 ROC曲线图
4.外部数据库验证
为了验证肥胖代谢指纹图谱在区分CVD风险方面的效用，作者在GDES队列中使用质谱仪进行检测。在592例T2D患者中，99例( 16.7 % )在4年随访期间发生CVD事件。作者鉴定了64个血清代谢物，与临床指标相比，纳入这些代谢物导致CVD分层的判别性能显著提高。
图5 肥胖相关代谢物预测4年心血管事件的ROC曲线
文章小结
在这项研究中，作者建立了新的预测模型，利用metBMI 和 actBMI 的差距确定了新的代谢亚型，进行了预测效果的评估，外部数据库的验证，体现出独特的心血管和眼部风险预测性能。想要做疾病风险预测的朋友们可以学习一下这篇文章的思路，将组学数据进行结合，代谢相关疾病的研究一直是热门和重点，抓住这个思路，你也可以轻松7分+！0实验的设计思路让你大大缩短发文周期，需要进行思路设计的朋友记得扫码联系大风哥！
大风哥漫谈
往期推荐
1. EMT+免疫浸润+药物敏感性，新鲜的研究对象搭配巧妙的研究方法，简简单单就是一篇5.5分文章!！
2. 影响因子稳定上涨，Q1区7分+细胞死亡方向生信友好期刊，审稿速度较快，可选无版面费发表，可以收藏备选啦！