在前期系列分享的基础上，相信大家对代谢组学有了一个初步的认识，我们代谢组思路新系列分享旨在带领大家一起洞观代谢组学科研方向和思路，理清代谢组学文章的底层逻辑。
我们会通过定期为大家总结代谢组学领域相关文献的形式，帮助大家逐步积累代谢组研究思路方面的相关知识！
代谢组学系列往期回顾：
基础知识：
进阶思路：
TS
01
研究背景与应用场景
图片摘要
TS
02
研究设计
队列选择：多中心前瞻性队列研究，包括推导队列（519名接受TAVI的症状性严重AS患者，进行全面临床和超声心动图评估及代谢物分析）、多中心验证队列（286名有血样但无完整超声心动图表型分析的患者）和单中心验证队列（257名接受TAVI的症状性严重AS患者，进行代谢物分析）。
数据收集：患者临床特征（如人口统计学信息、合并症等）、超声心动图数据（12项左心室结构和功能指标）及术前血样进行代谢物谱分析。
统计分析：Cox回归分析
· 目的：评估心脏结构/功能相关的主成分（PC）分数和代谢物分数与全因死亡的关联，以确定这些指标是否可作为TAVI术后死亡风险的预测因子。
· 数据准备：
变量标准化：对PC分数和代谢物分数进行标准化处理，使其适用于Cox模型分析。
确定调整变量：在推导队列和多中心验证队列中，调整年龄、性别、体重指数、糖尿病史、冠状动脉疾病史、心房颤动/扑动史、估计肾小球滤过率、高敏肌钙蛋白和N-末端前体激素B型利钠肽；在单中心验证队列中，调整年龄、性别、体重指数、糖尿病史、冠状动脉疾病史、心房颤动/扑动史、估计肾小球滤过率和B型利钠肽。在敏感性分析中，进一步调整平均主动脉瓣梯度和左心室射血分数。
· 模型构建与分析：
使用Cox比例风险模型进行生存分析，计算风险比（HR）及95%置信区间（CI）。
对代谢物分数的比例风险假设进行检验，使用“cox.zph”函数（R包“survival”）并检查Schoenfeld残差是否存在潜在违反情况，对于可能违反的情况，使用稳健标准误差生成模型。
分别分析代谢物分数和基于表型（PC）的分数与死亡的关联，在推导队列、多中心验证队列和单中心验证队列中依次进行建模和评估。
TS
03
研究结果与应用
3.1 研究结果
代谢物分数与死亡风险的关联：
推导队列中：舒张功能（PC3）的代谢物分数在调整前后均与死亡风险显著相关，且调整后关联性依然稳健，而LV体积（PC1）和收缩功能（PC2）的代谢物分数在调整后与死亡风险无显著关联（见表S4）。 多中心验证队列中：舒张功能（PC3）的代谢物分数在调整前后与死亡风险均有显著关联，LV收缩功能（PC2）的代谢物分数在未调整时有显著关联但调整后关联性减弱，LV体积（PC1）的代谢物分数在调整前后与死亡风险均无显著关联（见表S4）。 单中心验证队列中：舒张功能（PC3）的代谢物分数在调整前后与死亡风险均显著相关，LV体积（PC1）和收缩功能（PC2）的代谢物分数在调整前后与死亡风险无显著关联（见表S4）。
基于表型（PC）的分数与死亡风险的关联：
推导队列中：LV收缩功能（PC2）的基于表型的分数在调整前与死亡风险显著相关但调整后关联性减弱，舒张功能（PC3）的基于表型的分数在调整后与死亡风险无显著关联，LV体积（PC1）的基于表型的分数在调整后与死亡风险呈负相关（见表S4）。
结果的一致性与意义：在三个队列中，舒张功能相关的代谢物分数（PC3）与死亡风险的关联结果具有一定的一致性，均表现出显著的相关性，且在调整多种临床风险因素后仍保持显著，这表明该代谢物分数可能是TAVI术后死亡风险的一个稳定且重要的预测指标。而LV体积和收缩功能相关的指标与死亡风险的关联在不同队列和调整情况下表现不一致，提示其作为预测因子的可靠性相对较低。这些结果强调了代谢物特征，特别是与舒张功能相关的代谢物特征，在评估TAVI术后患者长期预后方面的潜在价值，有助于识别高风险患者，为临床决策提供参考依据。
图4 代谢物评分和表型评分与死亡的相关性
表S4 全因死亡率的Cox模型
PC3代谢物评分用于预测预后：
生存分析：研究的中位随访时间为1.6年，在0.9到2.8年期间共记录了93个死亡事件。图S9展示了在三个不同的研究队列（多中心衍生队列、多中心验证队列和单中心验证队列）中，基于PC3代谢物得分的三分位数对生存率的Kaplan-Meier估计，用于评估代谢物得分与生存率之间的关系，并检验不同代谢物得分三分位数组之间的生存差异。进一步验证了PC3代谢物得分在不同队列中的预测价值，表明该得分可能作为一个独立的生物标志物，用于预测经导管主动脉瓣植入术后患者的死亡风险。
图S9 在不同队列中验证PC3代谢物评分的预后效用
3.2 临床应用潜力——预测预后
Cox回归分析：确定与心脏舒张功能相关的代谢物得分（PC3）与经导管主动脉瓣植入术后（TAVI）死亡风险的独立关联。并且通过调整已知的临床风险因素和心脏生物标志物，提供对患者预后的更准确预测。 KM生存分析：通过比较不同代谢物得分三分位数组的生存曲线，可以直观地观察到代谢物得分与生存时间的关系，并根据代谢物得分将患者分为不同的风险层级
总结一下，本期我们以具体文章为例，简要介绍了代谢组学+Cox回归分析、KM生存分析用于关联代谢物分数与死亡风险、构建模型、估计生存概率，从而预测预后。
主要方法是：
1. 通过Cox回归分析确定心脏结构/功能相关的代谢物特征与死亡风险以及多病共存之间的关系，进行风险评估与预后预测
2. 通过生存分析进行生存概率估计与预后分层
后期我们将继续带着大家一起从浅入深地接触、理解、掌握代谢组学！
期待已久～｜R语言与组学互助交流群来啦！
（欢迎大家入群交流～
若群满，请添加下方微信，备注：“R语言与组学_互助交流群” ）
