2023年5月，浙江大学化学系分析化学研究所邬建敏教授团队在国际著名期刊《Theranostics》(IF =12.4)发表题为“Integration of metabolomics and peptidomics reveals distinct molecular landscape of human diabetic kidney disease”的研究成果。该研究整合了代谢组学和多肽组学数据，建立了一个尿液多组学平台，提高了早期 DKD诊断和状态判别的准确性。
糖尿病肾病（DKD）是糖尿病最常见的微血管并发症，已成为慢性肾脏疾病和终末期肾脏疾病的主要病因。然而，如何预防糖尿病相关并发症的发生，如对肾脏和其他器官的损害，仍然是一项挑战。基于临床信息的DKD误诊率高达49.2%，迫切需要更敏感和更特异的生物标志物来预测早期肾脏损伤并评估DKD的进展。与基因组学相比，多肽组学和代谢组学为阐明生物通路的中间产物和最终产物提供了一个新的途径。近年来陆续开展很多基于多肽组学或代谢组学的早期DKD诊断潜在生物标志物挖掘的研究。
检测52例健康（HC）、149例2型糖尿病(T2DM）、106例早期DKD、55例显性DKD和39例尿微量白蛋白浓度异常的灰区T2DM患者的代谢组和多肽图谱；
基于多组学数据，筛选候选生物标志物；
使用机器学习算法构建DKD的逐步诊断模型；
外部队列验证该模型可以作为早期DKD筛查和DKD状态分类的有效方法。
该研究构建高通量多组学平台，将尿肽组学与代谢组学相结合，以增强对DKD的诊断，特别是对早期DKD的诊断；采用机器学习算法构建的整合组学模型显著提高了T2DM和各阶段DKD的诊断结果；发现4个代谢物相关候选基因包括ACY1、OPLAH、SDS和TYR，有望成为潜在的药物靶点。基于以上结果，该研究为未来个性化DKD治疗提供新的选择。
