昆士兰大学技术学院（QUT）和昆士兰大学（UQ）的研究人员发现，一种新的遗传研究方法通过结合多种健康测量指标，对慢性肾病（CKD）的原因进行了更全面的分析，从而提供了更全面的肾脏功能视图，并为靶向治疗提供了潜在途径。
来自QUT生物医学科学学院和基因组与个性化健康中心的金南·特兰博士表示，慢性肾病是一个涵盖多种不同原因导致的肾脏疾病，这些疾病逐渐导致肾脏功能丧失。
QUT的研究人员——特兰博士、希迪·萨瑟兰博士、杰出教授林恩·格里菲斯和罗德尼·利副教授，以及昆士兰大学的安德鲁·马莱特教授，在《PLOS Genetics》上发表了他们的研究成果。该研究题为“新复合表型增强慢性肾病分类和遗传关联”。
特兰博士说：“慢性肾病可以由多种不同的原因引起，如糖尿病、高血压、感染和生活方式因素。”
“这种复杂性使得仅使用单一生物标志物（如常用的估算肾小球滤过率eGFR）来评估肾功能难以全面了解肾脏健康状况，因此可能会遗漏重要细节。”
“对不同CKD亚型的遗传学理解不完整，阻碍了针对各种亚型的药物靶点的识别。”
研究人员的新方法将21个与肾脏相关的健康指标结合成两百万个新的复合特征，从英国生物银行超过30万人的数据集中获得，以更好地理解肾脏的功能。
特兰博士说：“这种方法与传统的多元方法不同，后者使用预定义的特征集。我们设计并应用的算法系统地探索和选择了最佳的生物标志物组合，使其成为一个独特且更灵活的方法。”
“我们发现约有5万个复合特征在识别CKD患者方面优于eGFR。”
“其中，一个复合特征在识别CKD方面明显优于任何单一测量结果，这个复合特征是由白蛋白、胱抑素C、eGFR、γ-谷氨酰转移酶、HbA1c、低密度脂蛋白和微量白蛋白尿组成的。”
“这些更具信息量的特征使我们发现了传统方法所遗漏的遗传信号。”
“例如，我们在SH2B3基因中发现了一个变异体，这一变异体之前只在涉及超过一百万个体的大规模研究中被检测到，而在我们的复合特征中被显著关联到肾功能。”
“这一位点在我们的数据集中使用传统单一生物标志物如eGFR时未被检测到，但在许多高表现复合表型中持续出现，突显了我们方法在中等规模队列中揭示重要遗传关联的能力。”
特兰博士说，研究团队在一个独立的爱尔兰参与者群体中验证了他们的发现。
“这项研究表明，详尽且可解释的多表型方法在理解CKD遗传学方面的价值，并可以在大型生物银行、小型深度表型队列中应用，甚至可能扩展到其他复杂疾病的遗传信号的发现。”
(全文结束)
