基于微小RNA的1型糖尿病动态风险评分
研究利用多中心、多族裔、多国家队列开发基于微小RNA(miRNA)的1型糖尿病(T1D)动态风险评分(DRS)。发现分析识别出50个与功能性β细胞丢失相关的miRNA,基于四个情境(澳大利亚、丹麦、中国香港特别行政区、印度)共2204人构建的DRS可有效区分T1D患者与非患者;生成式人工智能增强版DRS在独立多情境验证集(n=662)中预测T1D分层的曲线下面积为0.84,并准确预测胰岛移植后1小时的外源性胰岛素需求。在伊马替尼临床试验中,基线miRNA特征而非临床特征可区分1年时的药物应答者与无应答者。
要点
- 基于四个情境共2204人构建的miRNA动态风险评分可有效区分1型糖尿病与非糖尿病个体。
- 生成式人工智能增强版评分在独立验证集(n=662)中预测1型糖尿病分层的AUC为0.84。
- 基线miRNA特征可区分伊马替尼治疗1年时的应答者与无应答者,而临床特征不能。
核心结论
- 研究利用机器学习和生成式人工智能方法,识别并验证了基于miRNA的动态风险评分,用于1型糖尿病判别和治疗疗效预测。
研究设计与样本
- 研究采用多中心、多族裔、多国家(多情境)队列进行发现和验证分析。
- 发现分析(湿实验与干实验)纳入来自四个情境(澳大利亚、丹麦、中国香港特别行政区、印度)的n=2204名个体。
- 独立多情境验证数据集样本量为n=662。
- 在评估伊马替尼药物治疗的临床试验中分析了基线miRNA特征与1年药物应答的关系。
主要发现
- 发现分析识别出50个与功能性β细胞丢失相关的miRNA。
- 基于四个情境的miRNA动态风险评分有效区分了1型糖尿病患者与非1型糖尿病个体。
- 生成式人工智能增强的四情境miRNA动态风险评分在独立多情境验证数据集(n=662)中预测1型糖尿病分层的曲线下面积为0.84。
- 该评分准确预测了胰岛移植后1小时的外源性胰岛素需求。
- 在伊马替尼临床试验中,基线miRNA特征而非临床特征可区分1年时的药物应答者与无应答者。
关键数值与推荐
- 四情境miRNA动态风险评分在独立验证数据集(n=662)中预测1型糖尿病分层的AUC=0.84。
临床怎么用
- 原文未据此给出推荐。
局限性
- 原文未报告局限性。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
原文
Identifying individuals at high risk of type 1 diabetes (T1D) is crucial as disease-delaying medications are available. Here we report a microRNA (miRNA)-based dynamic (responsive to the environment) risk score developed using multicenter, multiethnic and multicountry ('multicontext') cohorts for T1D risk stratification. Discovery (wet and dry lab) analysis identified 50 miRNAs associated with functional β cell loss, which is a hallmark of T1D. These miRNAs measured across n = 2,204 individuals from four contexts (4C: Australia, Denmark, Hong Kong SAR People's Republic of China, India) led to a four-context, miRNA-based dynamic risk score (DRS) that effectively stratified individuals with and without T1D. Generative artificial intelligence was used to create an enhanced four-context, miRNA-based DRS, which offered good predictive power (area under the curve = 0.84) for T1D stratification in a separate multicontext validation dataset (n = 662), and accurately predicted future exogenous insulin requirement at 1 hour of islet transplantation. In a clinical trial assessing the imatinib drug therapy, baseline miRNA signature, rather than clinical characteristics, distinguished drug responders from nonresponders at 1 year. This study harnessed machine learning/generative artificial intelligence approaches, identifying and validating a miRNA-based DRS for T1D discrimination and treatment efficacy prediction.
引用
- Joglekar MV, Wong WKM, Kunte PS, et al. A microRNA-based dynamic risk score for type 1 diabetes. Nat Med. 2025. PMID: 40473952. doi:10.1038/s41591-025-03730-7
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。