Diabetes Care
基于血液DNA甲基化模型提升2型糖尿病患者短期心血管风险分层
小赛推荐：
该研究为2型糖尿病患者心血管并发症的早期预警提供了可量化的表观遗传标志物组合，提示在 心血管疾病 高风险人群中引入动态生物标志物监测可能显著优化干预时机。
文献概述
本文《Blood-Based DNA Methylation Models Improve Short-term Cardiovascular Risk Stratification in Individuals With Type 2 Diabetes》，发表于《Diabetes Care》杂志，系统探讨了通过全血DNA甲基化谱构建预测模型以提升2型糖尿病（T2DM）患者5年内发生主要不良心血管事件（MACE）的风险分层能力。研究基于TOSCA.IT队列，采用高通量甲基化芯片结合LASSO逻辑回归建模，系统比较了不同协变量调整策略下模型的判别性能。结果表明，DNA甲基化特征显著优于传统临床变量模型，为精准预防策略提供了新工具。背景知识
2型糖尿病患者的心血管疾病（CVD）风险是普通人群的2–4倍，且MACE是其首要死亡原因。尽管现有风险评估工具如SCORE2-Diabetes和ASCVD被广泛使用，但其基于传统危险因素（如HbA1c、LDL-C、血压）的10年风险预测在短期（5年）决策中敏感性不足，尤其难以捕捉个体化、动态的病理生理变化。当前，缺乏能反映代谢记忆与慢性炎症累积效应的动态生物标志物，限制了对高危个体的精准识别。表观遗传机制，尤其是DNA甲基化（DNAm），作为环境与基因交互的分子记录，已在T2DM及其并发症中显示出调控作用。本研究正是基于DNAm在反映长期代谢暴露和细胞功能状态方面的潜力，提出其可作为超越传统风险因子的整合性生物标志物，用于构建短期MACE预测模型。
研究方法与核心实验
研究采用TOSCA.IT队列中305名T2DM患者（无基线CVD），其中81人于5年内发生MACE，224人为事件对照。利用外周血单个核细胞（PBMC）的Infinium MethylationEPIC v2芯片进行全基因组甲基化谱分析，经质量控制保留约87.8万CpG位点。通过五种不同协变量调整框架（包括批次、细胞组成、临床变量、SVA等）进行差异甲基化位点（DMP）分析，设定全基因组显著性阈值p<9.4×10⁻⁸。随后，采用LASSO逻辑回归结合稳定性选择（250次迭代）在训练集（n=243）中筛选稳定预测CpG位点，并在独立测试集（n=62）中验证模型性能。关键结论与观点
研究意义与展望
该研究为2型糖尿病患者的心血管风险分层提供了高精度的表观遗传工具，具有重要临床转化价值。相较于传统静态风险评分，DNAm模型可提供动态、个体化的短期风险评估，有助于识别需强化干预的高危患者，推动精准预防策略的实施。未来可在更大、多中心队列中进行外部验证，并探索这些CpG位点在不同组织（如血管内皮）中的甲基化状态，以揭示其功能机制。
结语
本研究通过系统分析2型糖尿病患者的血液DNA甲基化谱，成功构建了多个高判别性能的MACE短期风险预测模型。这些模型不仅显著优于传统临床评分，还识别出一组稳定且可重复的CpG位点，为心血管并发症的早期预警提供了新的分子依据。从实验室到临床，该成果标志着从静态风险评估向动态、机制驱动的精准预防迈出了关键一步。未来若能在前瞻性队列中验证并标准化检测流程，此类DNAm模型有望整合入临床路径，指导个体化治疗决策，优化高危患者的监测与干预时机。尤其对于长期T2DM患者，这类生物标志物可能弥补现有工具在短期风险预测上的不足，成为改善心血管结局的重要辅助手段，推动2型糖尿病照护体系向精准化、预防化转型。
