此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

通过转录组学鉴定糖尿病肾病生物标志物

2023年2月27日 更新者:Hospital Juarez de Mexico
根据墨西哥不同的流行病学研究,糖尿病患者的糖尿病肾病患病率为 9.1%-40%,但当我们看到未控制的糖尿病患者 (75%) 和持续筛查以预防并发症的患者数量时,并发症被亚诊断发展(只有 12.6% 的人进行了年度白蛋白尿测量)。 此外,墨西哥人更容易患上糖尿病肾病。 这些数据凸显了确定新的生物标志物的必要性,这些标志物可以帮助我们识别出那些患糖尿病肾病的高风险患者,以便采取预防措施来延缓疾病向 CKD 的进展并提高患者的质量。 因此,比较伴有和不伴有糖尿病肾病的糖尿病患者的转录组学特征是表征该并发症的第一步。 此外,我们将能够识别糖尿病肾病生物标志物以开发新的诊断工具,甚至可以从墨西哥华雷斯医院找到墨西哥的治疗靶点。

研究概览

详细说明

2 型糖尿病 (T2D) 被定义为一组以慢性高血糖为特征的代谢性疾病,由胰岛素分泌缺陷、胰岛素作用缺陷或两者兼而有之。 根据 2012 年的国家健康调查,在墨西哥,大约十分之一的人患有 T2D,尽管值得一提的是这些数据仅反映了先前被诊断患有该病的受试者,但我们预计这个数字会增加两倍包括新诊断的 T2D 患者。 此外,T2D 在较年轻人群中的患病率有所增加(墨西哥 25% 的糖尿病病例发生在 43 岁以下的年轻人中),这意味着患此病的年限已超过 20 年。 因此,T2D 是导致死亡的主要原因之一,这对国家来说是一种健康负担。

据估计,超过 40% 的糖尿病患者会发展为慢性肾病 (CKD),约占所有开始肾脏替代治疗患者的 40%。 在 Instituto Mexicano del Seguro Social,肾病是该地区综合医院和高级专科医院医疗保健的五个主要原因之一。 恰帕斯州图斯特拉古铁雷斯的一项研究表明,在糖尿病患者中观察到肾病的发生率为 35%。 Cueto-Manzano 等人报道,在哈利斯科州的 756 名糖尿病患者中,早期肾病的发生率为 40%,已确诊肾病的发生率为 29%。 墨西哥的其他研究包括瓜纳华托州的 3,609 名糖尿病患者,报告了 23.8% 的糖尿病肾病。 最近在墨西哥州进行的一项研究包括 44458 名被诊断患有 T2D 的受试者,其中 9.1% 的受试者患有糖尿病肾病。

如果糖尿病病程少于 10 年,则糖尿病肾病并不常见。 每年 3% 的最高发病率平均出现在糖尿病发作后 10 至 20 年,之后肾病的发病率逐渐下降。 值得一提的是,20 至 25 年没有糖尿病肾病临床体征的糖尿病患者发生这种并发症的几率很低。 T2D 进展为糖尿病肾病已成为一个健康问题,不仅对卫生部门造成成本,而且使患者的生活质量和结果恶化。

进展为糖尿病肾病的主要危险因素包括:高血糖、药物反应、糖尿病病程长、高血压、肥胖和血脂异常。 大多数这些因素都可以通过药物或生活方式的改变来改变。 因此,管理可改变的危险因素是预防和延缓肾功能下降的关键。 糖尿病肾病的早期诊断是糖尿病及其并发症(如肾病)管理的另一个重要组成部分。 美国糖尿病协会 (ADA) 建议对患有进行性糖尿病肾病和 CKD 的糖尿病患者进行常规筛查。 国家肾脏基金会最广泛接受的指南涉及使用患者血清肌酐测量肾小球滤过率 (GFR) 和 CKD 分期。 然而,由于肌酐除了肾小球滤过外还经历肾小管分泌,并通过胃肠道排出肾外,特别是在晚期肾衰竭中,GFR 可能被高估。 在 GFR 的情况下,由于侵入性方法,这些技术是压倒性的,并且一些标记物难以处理。 临床上使用的另一个标志物是微量白蛋白尿,在大多数患者中,糖尿病肾病的第一个征兆是尿白蛋白排泄量适度增加,即尿样中肌酐增加 30-300 mg/g(也称为微量白蛋白尿)。 发生大量白蛋白尿(>30-300 mg/g 肌酐)的患者发生糖尿病肾病的风险很高。 尽管如此,大约高达 40% 的中度白蛋白尿患者恢复正常白蛋白尿。 此外,高达 50% 的 1 型糖尿病或 T2D 患者的 eGFR 下降,尽管仅存在中度白蛋白尿甚至正常白蛋白尿。 因此,临床上可用的实际标记物是不准确的,因此有必要鉴定新的标记物,以识别那些处于发展为糖尿病肾病的高风险患者,以采取适当的措施延缓并发症的进展。

转录组学

基因组时代新技术的发展加速了系统生物学的进步,并产生了肾脏发育、体内平衡和疾病方面的知识。 在这种情况下,与特定疾病状态相关的转录组特征可以提供有关致病机制的重要信息,并揭示优先基因表达生物标志物候选物。 此外,转录组的比较允许识别在不同种群中差异表达的基因。

总的来说,RNA-Seq技术对于差异表达分析非常有用,通常采用五个步骤。 首先,RNA 样本被分成小的互补 DNA 序列 (cDNA),然后从高通量平台进行测序。 其次,将生成的小序列映射到转录组。 第三,估计每个基因或亚型的表达水平。 第四,映射数据被规范化,例如使用统计和机器学习方法,识别差异表达基因(DEG)。 最后,最终从生物学背景评估所产生数据的相关性。

O'Conell 等人最近的一项研究。通过对肾同种异体移植受者活组织检查的微阵列表达分析,确定了一组 13 个基因,这些基因可预测肾移植 1 年时肾纤维化的发展。 因此,作者建议,这组 13 个基因可用于在发生不可逆损伤之前识别有同种异体移植物丢失风险的肾移植受者。 Ju 等人的一项研究表明,表皮生长因子 (EGF) 是一种对细胞分化和再生至关重要的肾小管特异性蛋白,通过对 CKD 患者肾活检的显微解剖肾小管间质成分进行转录组分析,可以预测 eGFR。 此外,尿液中的 EGF 蛋白量 (uEGF) 与肾内 EGF mRNA、间质纤维化/肾小管萎缩、eGFR 和 eGFR 丢失率显着相关,表明 uEGF 可能是 CKD 进展的良好预测指标。 其他研究表明,血液透析会影响血清 miRNA 谱,从而导致生育能力低下和癌症发展风险增加。 因此,转录组学可以提供更好的诊断工具、预后生物标志物和适合治疗靶向的信号通路。

研究类型

观察性的

注册 (实际的)

40

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习地点

      • Mexico City、墨西哥、07760
        • Hospital Juarez de Mexico

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

18年 至 65年 (成人、年长者)

接受健康志愿者

有资格学习的性别

全部

取样方法

非概率样本

研究人群

伴有或不伴有糖尿病肾病的 2 型糖尿病墨西哥患者

描述

纳入标准:

  • T2D 演变≥ 20 年且白蛋白尿正常的患者
  • 一级亲属无肾病个人史或家族史的患者 年龄 ≥ 18 岁
  • 在开始肾脏替代治疗前至少 5 年诊断为 T2D 背景或通过自我报告的糖尿病性视网膜病变,以确保白蛋白尿是糖尿病性肾病而非非糖尿病性肾小球病的结果 至少三分之二的白蛋白尿 ≥ 300 mg/24 h无菌尿样 无血尿或体征(包括细胞管型)、其他肾脏或泌尿道疾病的病史或易感性。

排除标准:

  • 无糖尿病肾病的糖尿病患者
  • 患有 1 型糖尿病、妊娠糖尿病、无法控制的高血压、活动性癌症、心力衰竭、肝脏或肾脏疾病、与皮质类固醇或雌激素共同治疗、可导致高血糖的情况、酒精或非法药物成瘾以及痴呆或严重精神疾病的患者- ders不包括在这项研究中

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

  • 观测模型:病例对照
  • 时间观点:横截面

队列和干预

团体/队列
无糖尿病肾病的糖尿病患者
我。 ≥ 20 年 T2D 演变且白蛋白尿正常的患者 ii. 一级亲属无肾病个人史或家族史的患者 iii. 年龄 ≥ 18 岁
糖尿病合并糖尿病肾病患者

我。在开始肾脏替代治疗前至少 5 年诊断为 T2D ii. 通过自我报告确定背景或糖尿病性视网膜病变,以确保白蛋白尿是糖尿病性肾病而非非糖尿病性肾小球病的结果 iii. 至少三分之二的无菌尿液样本中的白蛋白尿≥ 300 mg/24 h iv. 无血尿或体征(包括细胞管型)、其他肾脏或泌尿道疾病的病史或易感性。

v. 年龄 ≥ 18 岁

研究衡量的是什么?

主要结果指标

结果测量
措施说明
大体时间
通过 RNA seq 评估伴有和不伴有糖尿病肾病的糖尿病患者血液和尿液中的差异表达
大体时间:通过学习完成,平均1年
Ⅱ型糖尿病合并与不合并糖尿病肾病患者血尿中下调和上调基因的差异表达
通过学习完成,平均1年

次要结果测量

结果测量
措施说明
大体时间
参与者的人口统计数据
大体时间:通过学习完成,平均1年
年龄、血清肌酐、年龄和体重将结合起来,通过 Cockcroft-Gault 公式报告肾小球滤过率
通过学习完成,平均1年
参与者的药物治疗数据
大体时间:通过学习完成,平均1年
药物治疗,此信息将用作 RNASeq 中的协变量
通过学习完成,平均1年
习惯数据,吸烟
大体时间:通过学习完成,平均1年
此信息将用作 RNASeq 中的协变量
通过学习完成,平均1年
习惯数据,运动
大体时间:通过学习完成,平均1年
此信息将用作 RNASeq 中的协变量
通过学习完成,平均1年
习惯数据,特殊饮食
大体时间:通过学习完成,平均1年
(蛋白质饮食,低热量),此信息将用作 RNASeq 中的协变量
通过学习完成,平均1年
参与者的人体测量数据,身高
大体时间:通过学习完成,平均1年
体重和身高将合并报告以 kg/m^2 为单位的 BMI
通过学习完成,平均1年
参与者的人体测量数据,体重
大体时间:通过学习完成,平均1年
体重和身高将合并报告以 kg/m^2 为单位的 BMI
通过学习完成,平均1年
参与者的生化数据,葡萄糖
大体时间:通过学习完成,平均1年
观察患者血糖控制情况,诊断糖尿病
通过学习完成,平均1年
参与者的生化数据,糖化血红蛋白
大体时间:通过学习完成,平均1年
观察患者血糖控制情况,诊断糖尿病
通过学习完成,平均1年
参与者的生化数据,血清肌酐
大体时间:通过学习完成,平均1年
血清肌酐、年龄和体重将结合起来,通过 Cockcroft-Gault 公式报告肾小球滤过率
通过学习完成,平均1年
参与者的生化数据,甘油三酯
大体时间:通过学习完成,平均1年
观察患者的代谢控制
通过学习完成,平均1年
参与者的生化数据,总胆固醇
大体时间:通过学习完成,平均1年
观察患者的代谢控制
通过学习完成,平均1年
参与者的生化数据,高密度脂蛋白 (HDL)
大体时间:通过学习完成,平均1年
观察患者的代谢控制
通过学习完成,平均1年
参与者的生化数据,低密度脂蛋白 (LDL)
大体时间:通过学习完成,平均1年
观察患者的代谢控制,心血管代谢疾病的风险
通过学习完成,平均1年
参与者的生化数据,尿酸
大体时间:通过学习完成,平均1年
观察患者的新陈代谢
通过学习完成,平均1年
参与者的生化数据,血尿素氮 (BUN)
大体时间:通过学习完成,平均1年
观察患者肾功能
通过学习完成,平均1年
参与者的生化数据,尿素
大体时间:通过学习完成,平均1年
观察患者肾功能
通过学习完成,平均1年
分子数据,全信使 RNA 测序
大体时间:通过学习完成,平均1年
血尿全信使数据
通过学习完成,平均1年

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2021年9月3日

初级完成 (实际的)

2023年2月28日

研究完成 (实际的)

2023年2月28日

研究注册日期

首次提交

2022年3月22日

首先提交符合 QC 标准的

2022年5月12日

首次发布 (实际的)

2022年5月18日

研究记录更新

最后更新发布 (估计)

2023年2月28日

上次提交的符合 QC 标准的更新

2023年2月27日

最后验证

2023年2月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

IPD 计划说明

IPD 不会被共享

药物和器械信息、研究文件

研究美国 FDA 监管的药品

研究美国 FDA 监管的设备产品

此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.

2型糖尿病的临床试验

3
订阅