脓毒症是一种因感染引发的全身性炎症反应综合征，病死率极高，且发病机制复杂多样，早期识别高风险人群对预防和干预尤为关键。近年来，代谢组学技术的发展为探索疾病发生前的生物标志物提供了新视角。尤其是核磁共振（NMR）代谢组学，以其高通量、非破坏性及较好重复性，成为研究血液代谢物的新利器。然而，迄今尚缺乏大规模人群中脓毒症发病前代谢物谱的系统研究。

本研究基于英国大型人群队列UK Biobank，利用核磁共振（NMR）技术测定了超过10万名参与者基线血浆中的代谢物谱，系统分析了循环中的多种代谢物与未来发生脓毒症风险的相关性。研究不仅发现了90种代谢物与脓毒症风险显著相关，还构建并验证了一套包含代谢物的脓毒症风险预测模型，显著提升了传统风险因子的预测准确率。

研究纳入UK Biobank中106,533名参与者的基线血浆样本，利用NMR技术测量多种代谢物浓度。采用多变量调整的Cox比例风险模型，评估每种代谢物与脓毒症发生风险的关联。样本随机分为训练集（53,267人）和测试集（53,266人），在训练集中运用LASSO回归与逐步Cox回归筛选重要代谢生物标志物，构建脓毒症风险预测模型。随后在测试集中验证模型性能，使用Harrell's C指数评估模型区分能力，并通过连续净重新分类指数（NRI）和综合判别改善指数（IDI）评估代谢物的增量预测价值。

血浆代谢图谱分析及循环代谢生物标志物与新发脓毒症风险关联的流程图

结果发现，共有90种循环代谢生物标志物与脓毒症风险显著相关（FDR校正P值均<0.05）。其中，甘油三酯相关脂质亚类、糖酵解代谢产物、酮体、炎症相关代谢物、肌酐及苯丙氨酸等呈正相关，提示其水平升高可能预示脓毒症风险增加。相反，大部分其他脂质亚类、白蛋白、组氨酸、脂肪酸及胆碱相关代谢物呈负相关，可能对抗或反映较低炎症状态。

图：传统预测模型和联合模型的受试者特征曲线

在风险预测模型方面，仅采用传统风险因素的模型Harrell's C指数为0.733（95%CI：0.722-0.745），而加入NMR代谢生物标志物后，C指数提升至0.741（95%CI：0.730-0.753），显示代谢物显著增强了模型的预测性能。此外，NRI为0.022（P<0.05），IDI为0.009（P<0.05），均支持代谢物的增量价值。

总之，该研究首次在大规模人群中揭示了多种血浆代谢物与脓毒症发病风险的显著关联，进一步丰富了脓毒症早期生物标志物的科学基础。基于这些代谢物构建的风险预测模型，较传统模型具有更优的预测准确性，有望为临床早期识别高风险个体提供有力工具，指导个性化预防及监测策略。

原始出处

Bai, H., Li, Y., Fan, M. et al. Circulating metabolic biomarkers predict incident sepsis: a large-scale population study in the UK Biobank. Nutr J 24, 126 (2025). https://doi.org/10.1186/s12937-025-01191-9

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。

Tags： Nutr J：90 种血浆代谢物与脓毒症风险相关