编辑推荐：
本文通过对 266 名肥胖个体的血浆和肝脏进行研究，运用蛋白质组学技术，详细剖析了代谢相关脂肪性肝病（MASLD）进展过程中肝脏分泌蛋白和血浆蛋白的变化，构建出 APASHA 模型，该模型能有效分层肥胖人群中 MASH 的患病风险，为疾病诊断提供新方法。
### 研究背景
代谢相关脂肪性肝病（MASLD）是全球最常见的肝脏疾病，涵盖代谢相关脂肪性肝（MASL）及其更严重的代谢相关脂肪性肝炎（MASH）等多种组织学病症。肥胖是 MASLD 的主要风险因素，在肥胖人群中 MASLD 患病率高达约 75%。MASH 患者发生肝纤维化的速度是 MASL 患者的两倍，且更易进展为肝硬化、肝细胞癌（HCC），增加肝脏相关和全因死亡率 。然而，目前缺乏实用、有效的非侵入性筛查方法来在疾病进展为肝硬化前识别早期疾病，尤其是在肥胖患者中。当前的金标准肝活检存在诸多局限，而现有的非侵入性检测手段，如影像学检查和血液生物标志物，在肥胖个体中诊断效果不佳，无法有效区分 MASLD 和 MASH。因此，寻找能反映肝脏病理且有效分层 MASH 风险的肝脏分泌蛋白至关重要。
研究方法
- 患者招募与分组：前瞻性招募接受减肥手术的肥胖患者，分为发现队列（160 例）和验证队列（106 例）。详细记录患者病史和代谢合并症，排除不符合条件的患者。对患者进行手术并获取肝脏组织和血浆样本，肝脏组织用于组织学分析，血浆样本用于后续检测。
- 血浆蛋白质组学分析：采用两种互补的血浆蛋白质组学方法，即非耗竭血浆蛋白质组学和小蛋白富集测定（SPEA）。非耗竭血浆蛋白质组学用于检测高丰度蛋白质，SPEA 用于识别小的、低丰度的蛋白质。通过这些方法分析血浆蛋白质组的变化，寻找与 MASH 相关的候选生物标志物。
- 肝脏分泌蛋白质组学分析：对部分患者的肝脏组织进行精确切割，获取肝脏切片并孵育，检测分泌到孵育介质中的蛋白质。使用液相色谱 - 串联质谱（LC - MS/MS）结合数据非依赖性采集技术，全面分析肝脏分泌蛋白，探究其与 MASH 的关系。
- 数据处理与模型构建：对蛋白质组学数据进行统计分析，包括相关性分析、差异表达分析等。整合临床参数和血浆蛋白质组学数据，通过逻辑回归构建 APASHA 模型，并在发现队列和验证队列中进行验证。
研究结果
- 发现队列患者信息：发现队列中，无病理、MASL 和 MASH 的发生率分别为 26.3%、53.1% 和 20.6%，女性占比 73.1%。MASH 患者中男性比例高于无病理患者。MASH 患者的丙氨酸转氨酶（ALT）、天冬氨酸转氨酶（AST）、糖化血红蛋白（HbA1c）和胆红素水平升高，高密度脂蛋白（HDL）水平降低。
- 现有非侵入性评分的有效性：常用的非侵入性评分和临床参数，如 Forns 指数、FIB - 4 评分、血浆胆红素、AST/ALT 比值、HbA1c 和可溶性触发受体表达于髓样细胞 2（TREM2）等，在区分 MASH 和非 MASH 患者时表现不佳，诊断准确性有限。
- 候选生物标志物的鉴定：非耗竭血浆蛋白质组学鉴定出 234 种高丰度蛋白质，MASH 与无病理相比有轻微的蛋白质组重塑；SPEA 检测到 318 种蛋白质，其中 16 种在 MASH 与 MASL 和无病理相比时均升高，这些 “MASH 调节” 的血浆蛋白包括血管紧张素原（AGT）、锌 - α - 2 - 糖蛋白（AZGP1）、前蛋白转化酶枯草溶菌素 9（PCSK9）和 S100 钙结合蛋白 A6（S100A6）等，其预测 MASH 的受试者工作特征曲线下面积（AUROC）为 0.63 - 0.74，优于当前其他非侵入性检测。
- 肝脏分泌蛋白质组的重塑：在肝脏分泌介质中鉴定出 3,333 种蛋白质，MASH 与无病理相比，63 种蛋白质增加，39 种蛋白质减少，这些蛋白质与肝脏 X 受体（LXR）/ 维甲酸 X 受体（RXR）激活、细胞外基质组织和 DHCR24 信号等相关。MASH 与 MASL 相比，25 种蛋白质分泌增加，16 种减少，涉及丝裂原活化蛋白激酶级联和急性期反应信号等。还鉴定出 36 种 “MASH 调节的肝脏分泌蛋白”，部分蛋白与肝脂肪变性面积和 MASH 组织学特征相关。
- 反映肝脏分泌的血浆生物标志物：通过叠加三种蛋白质组学方法，发现 4 种蛋白质（AFM、HRG、ORM2 和 SERPINA4）在肝脏分泌和血浆水平上均随 MASH 增加，其中 AFM、ORM2 和 SERPINA4 的肝脏分泌水平与血浆水平相关。
- APASHA 模型的有效性：构建的 APASHA 模型由 APOF、PCSK9、AFM、S100A6、HbA1c 和 AZGP1 组成，在发现队列中区分 MASH 的 AUROC 为 0.8875，在验证队列中为 0.77，且优于其他非侵入性预测指标，如 AST/ALT 比值、血浆 TREM2 水平、C 反应蛋白（CRP）、FIB - 4 评分和 Forns 指数等。该模型能独立于纤维化分层 MASH，具有较高的阴性预测值，可有效排除非 MASH 患者。
研究结论
本研究通过综合的蛋白质组学方法，深入剖析了肥胖患者中 MASLD 进展过程中肝脏分泌蛋白和血浆蛋白的变化，发现了与 MASH 相关的生物标志物，并构建了 APASHA 模型。该模型具有良好的诊断性能，为肥胖人群中 MASH 的早期筛查和风险分层提供了有力工具，有助于指导临床干预，改善患者预后。然而，研究存在一定局限性，如患者人群的种族局限性、极低热量饮食对结果的潜在影响、HbA1c 纳入模型的可靠性以及缺乏基因型介导效应的研究等，未来需要进一步研究加以完善。
